首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【金融数据】消费金融:大数据风控那点事?

    大数据风控同传统风控在本质上没有区别,主要区别在于风控模型数据输入的纬度和数据关联性分析。据统计,目前银行传统的风控模型对市场上70%的客户是有效的,但是对另外30%的用户,其风控模型有效性将大打折扣。 大数据风控作为传统风控方式补充,主要利用行为数据来实施风险控制,用户行为数据可以作为另外的30%客户风控的有效补充。大数据风险控制的作用就是从原来被拒绝的贷款用户中找到合格用户,识别出已经通过审核的高风险客户和欺诈客户。 一、银行信用风险控制的原理 金融行业中,银行是对信用风险依赖最强的一个主体,银行本质

    05

    量化派基于Hadoop、Spark、Storm的大数据风控架构

    量化派是一家金融大数据公司,为金融机构提供数据服务和技术支持,也通过旗下产品“信用钱包”帮助个人用户展示经济财务等状况,撮合金融机构为用户提供最优质的贷款服务。金融的本质是风险和流动性,但是目前中国对于个人方面的征信行业发展落后于欧美国家,个人消费金融的需求没有得到很好的满足。按照央行最新数据,目前央行征信中心的数据覆盖人口达到8亿人[1],但其中有实际征信记录的只有3亿人左右,有5亿人在征信系统中只是一个身份证号码。此外,我国还有5亿人跟银行从来没有信贷交易关系,这5亿人对金融部门来说是陌生人。这样算下来

    03

    【观点】离开了信息化,大数据就是为他人作嫁衣

    清华大学数据科学研究院执行副院长韩亦舜在会上做了《大数据时代的思维转型》的报告 12月8日,中国(廊坊)大数据产业周大数据产业转型升级高峰论坛在廊坊开发区召开。与会专家和业内人士认为,在新的大数据时代,人人都应该具备数据意识、数据思维、数据行动。随着互联网、信息化的发展,生活、生产和社会等各个环节都在被数据化,这也是未来发展的趋势,并且谁的数据化程度高,在未来的竞争中谁就占优势。 清华大学数据科学研究院执行副院长韩亦舜在会上做了《大数据时代的思维转型》的报告,跟大家分享了大数据的价值所在以及大数据时代的思维

    09

    移动端借款比例上升 大数据和风控是关键

    移动互联网的迅猛发展催生了更多创新和颠覆的模式,传统金融正受着巨大冲击。当前,随着微众银行微粒贷上线,加上现金贷、随意借、手机贷等平台,通过移动端贷款的平台也越来越多。 与此同时,以友信为代表的部分P2P平台也纷纷抢滩进入移动金融领域,“移动借款”正在从一个尚且新鲜的认知逐渐成为P2P行业的普遍共识。 对此,业内人士表示,通过移动端来贷款确实更加方便,不过可能更适合一些金额较小的贷款,同时,通过移动端等纯线上模式完成贷款,仍需依靠大数据的发展和不断完善征信体系。随着大数据、云计算等新一代互联网技术的迅速崛起

    05

    史上最全2017年百度贷款行业报告在这里!

    数字是理性的,金融不总是理性的 金融,是人类自己制造的时光机。金融的初心,则是帮助人类突破约束条件,在不确定的未来中追求更大的自由。 古时的共享食物,今日的基金、股票、债券,都是一种金融安排,通过共担风险和共享利益,人类得以规模化地实现增长和繁荣。 金融拓展了人类计算未来的能力。特别是近两年,得益于政策支持,普惠金融站上了风口,使得原本没有机会享受金融服务的人群也能获得服务,其中的关键点和难点,是贷款的可获得性。 然而数字是理性的,金融不总是理性的。近两年信贷公司赴美上市潮引发各方争议,今时贷款有普惠金融的

    08

    在P2P市场中代替“看不见的手”的算法在哪里?

    首先,我们回顾一些基本定义与假设。P2P市场为“网络借贷是指个体和个体之间通过互联网平台实现的直接借贷。”[2]利率决定一般是平台决定借款利率或者贷款人自主决定,这里我们假设是贷款人自主决定。网络借贷信息中介机构“以互联网为主要渠道,为借款人与出借人(即贷款人)实现直接借贷提供信息搜集、信息公布、资信评估、信息交互、借贷撮合等服务。”[2]作用是降低信息不对称,减少成本。另外,也假设不存在增信与担保等外部因素影响借款人贷款人行为。当然“禁止向出借人提供担保或者承诺保本保息”[2],“不得提供增信服务”[2]也是监管要求。

    03

    如何像BAT 一样,挖掘金融大数据这座“金矿”?

    金融创新很大一部分原因在于大数据和金融之间的结合。纵观BAT、京东、小米、万达、平安这些把触角伸到互联网金融领域的巨头,无一不是在大数据层面上有所布局。大数据和金融相结合,几乎已经成为金融领域的通用做法。 金融数据都像是金矿,价值含量、挖掘成本更重要   谈数据必须先谈数据的完整度和价值含量。就像煤矿一样,大数据中的价值含量、挖掘成本比数量更为重要。非结构化数据,就像是有杂质的煤矿,无法直接使用。大数据还需要进行脱敏、提纯、结构化,才能变成可以被直接运用于商业层面的有价值的信息。   BAT三家公司

    04

    【征信】美国P2P平台upstart不用FICO评分是怎么运作的?

    国际范围来看,年轻的消费者都是信贷需求比较强烈的人群,但是因为传统银行要求借款者数年的信用和从业记录,这一群体的信贷服务并不是很通畅。如果一个人很年轻并且没有很多信用交易经历,那么他将可能经历一段痛苦的申请个人贷款之路。国内外传统银行之外的新兴金融机构对这一活跃人群充满了兴趣,针对传统信用评估数据不足的情况提出大数据信用评估的方法,纷纷尝试对这一人群开展金融信贷服务。 美国的P2P信贷机构UpStart就是其中的一家。戴夫·吉鲁(Upstart首席执行官,前谷歌的负责人)认为目前的信贷体系存在漏洞。他表示说

    06

    【应用】揭秘互联网金融的大数据风控

    大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型的场景是互联网金融的大数据风控。 金融的本质是风险管理,风控是所有金融业务的核心。典型的金融借贷业务例如抵押贷款、消费贷款、P2P、供应链金融、以及票据融资都需要数据风控识别欺诈用户及评估用户信用等级。 传统金融的风控主要利用了信用属性强大的金融数据,一般采用20个纬度左右的数据,利用评分来识别客户的还款能力和还款意愿。信用相关程度强的数据纬度为十个左右,包含年龄、职业、收入、学历

    04

    信贷风控模型搭建及核心风控模式分类

    一、当前风控模式现状 近年来,信用风险管理发展呈现出数据化、模型化、系统化、自动化和智能化的特点。传统的人工专家经验正逐步被模型与算法替代。 因此,科技较为领先的金融服务公司会选择采用模型方式完成对借款人的自动评估与审批。目前,对于信贷审核来说主要基于的风控模式为IPC、信贷工厂、大数据三种,每一种都有自己不同的侧重点。 二、最核心的风控模式分类 1.IPC模式 IPC模式起源于德国邮储银行,该模式重视实地调查和信息验证,主要通过对客户经理调查走访、信息交叉验证等方面。需要对客户经理进行至少2个月以上的专业技术培训,提升客户经理辨别虚假信息能力和编制财务报表的技能,从而防范信用风险。 IPC公司信贷技术的核心,是评估客户偿还贷款的能力。主要包括三个部分:一是考察借款人偿还贷款的能力,二是衡量借款人偿还贷款的意愿,三是银行内部操作风险的控制。每个部分,IPC都进行了针对性的设计。 这种模式主要运用于数据缺失、不具备财务管理环境、银行流水不完整,信用记录空白等的小微企业,其中,信贷员负责整个过程,从接受客户的申请到信用检查、现场信用、风险评估再到匹配贷款、付款催收和逾期付款。对信贷员的专业技能要求较高,信贷员对贷款全流程把关,一定程度上确保了项目的真实性。但又因为是以信贷员为核心,以信贷员的判断为依据,有一定的操作风险与道德风险。 2.信贷工厂模式 信贷工厂模式是新加坡淡马锡控股公司(Temasek Holdings)为解决小微企业信贷流程的弊端,推出了一种改善小微企业信贷流程的“信贷工厂”模式,“信贷工厂”意指银行像工厂标准化制造产品一样对信贷进行批量处理。 具体而言,就是银行对中小企业贷款的设计、申报、审批、发放、风控等业务按照“流水线”作业方式进行批量操作。在信贷工厂模式下,信贷审批发放首先要做到标准化,每个流程都有确定的人员分工,如客户经理、审批人员和贷后监督人员专业化分工。并且为了监控风险采用产业链调查方法,从不同角度对借贷企业进行交叉印证。 信贷工厂模式的特点是效率高,可以进行量化审核。过程之间环环相扣,对每个环节都有专人把控具体的把控。正因为这样,意味着需要消耗大量的人力成本,每个流程都需要对口的人员做支撑。 3.大数据模式 大数据风控模式是指通过对海量的、多样化的、实时的、有价值的数据进行采集、整理、分析和挖掘,并运用大数据技术重新设计征信评价模型算法,多维度刻画信用主体的“画像”,向信息使用者呈现信用主体的违约率和信用状况。 大数据模式是基于互联网的兴起,该模式利用互联网数据的连通性,对触及到的风险的数据进行筛选,大大减少了人工审核的时间成本,同时也保证了数据结果的真实性。 三、P2P公司个人信贷评分卡模型 我们先讨论下如何从实际业务出发,以怎样的开发流程才能建立一个有效、有用、有价值的模型,希望读后能给你一定的启发。

    01

    【推荐】阿里总参谋长曾鸣: 数据将成为未来商业竞争最重要资源

    今天,无论是大多数人已经离不开的手机应用,还是日新月异的可穿戴设备、智能家居、甚至无人驾驶汽车,都在提醒我们,以互联网、云计算、大数据为代表的这场技术革命正引领人类社会加速进入农业时代、工业时代之后的一个新的发展阶段——数据时代。 前两个时代分别以土地、资本为生产要素,而正在我们面前开启的数据时代,正如其名,数据将成为最核心的生产要素。 然而这个新时代的巨大价值有时近在眼前,有时却又似乎远在天边。尤其在商业的语境下,一些问题始终萦绕: 例如“客户第一”,这难道不也是传统商业的信条吗,加上“数据”,客户第一

    07
    领券