亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        大數(shù)據(jù)在互聯(lián)網(wǎng)金融風控中的應用研究

        2014-04-29 00:44:03楊秀萍
        電子世界 2014年17期
        關鍵詞:風險控制互聯(lián)網(wǎng)金融大數(shù)據(jù)

        【摘要】本文首先針對大數(shù)據(jù)在互聯(lián)網(wǎng)金融中的應用提出了幾個創(chuàng)新的方向,然后介紹了在互聯(lián)網(wǎng)金融的大環(huán)境下風險控制的原則和核心方法,并重點分析了大數(shù)據(jù)在這些規(guī)則下數(shù)據(jù)積累、加工和應用的場景,最后根據(jù)應用的現(xiàn)狀提出了需要注意的問題和后續(xù)的展望。

        【關鍵詞】大數(shù)據(jù);互聯(lián)網(wǎng)金融;風險控制

        1.引言

        互聯(lián)網(wǎng)金融是指以依托于支付、云計算、社交網(wǎng)絡以及搜索引擎等互聯(lián)網(wǎng)工具,實現(xiàn)資金融通、支付和信息中介等業(yè)務的一種新興金融?;ヂ?lián)網(wǎng)金融不是互聯(lián)網(wǎng)和金融業(yè)的簡單結合,而是在實現(xiàn)安全、移動等網(wǎng)絡技術水平上,被用戶熟悉接受后(尤其是對電子商務的接受),自然而然為適應新的需求而產(chǎn)生的新模式及新業(yè)務。是傳統(tǒng)金融行業(yè)與互聯(lián)網(wǎng)精神相結合的新興領域。

        論起互聯(lián)網(wǎng)金融首先想到的是馬云的“三步走戰(zhàn)略”——平臺、數(shù)據(jù)、金融。未來的互聯(lián)網(wǎng)金融無疑有著巨大的發(fā)展空間,可目前看來三步走已經(jīng)不符合市場預期,因為市場到今天已經(jīng)不只是平臺之爭,特別隨著這兩年互聯(lián)網(wǎng)金融爆發(fā)式的發(fā)展,已經(jīng)形成了平臺、數(shù)據(jù)、金融相互影響的格局。在這種形勢下破局的點在哪里?就在于連接平臺、用戶、金融等方面的工具——大數(shù)據(jù)上,誰能對大數(shù)據(jù)合理利用,誰就能掌握這場數(shù)據(jù)之爭的未來市場。

        2.大數(shù)據(jù)在互聯(lián)網(wǎng)金融的應用方向

        從大數(shù)據(jù)的應用場景來看盡管達不到人們所預期的精確性,但確實已經(jīng)有了不少比較成功的商業(yè)案例。如Decide利用超過80億條的已知價格信息預測價格走勢,給出購買建議;DataSift通過分析社交網(wǎng)絡數(shù)據(jù),制定針對性營銷方案;Zestfinance則利用大數(shù)據(jù)進行信用評估,并已累積獲得近一億美元的融資等等。

        隨著平臺的發(fā)展和數(shù)據(jù)的積累,互聯(lián)網(wǎng)金融也越來越多參與到其中,所以三步走已經(jīng)轉(zhuǎn)變成交叉并行的三個方面。國內(nèi)對互聯(lián)網(wǎng)金融的應用比較多的還是在理財上,這是受了阿里余額寶、百度百發(fā)、微信理財通等的影響,可實際上貸款才是金融服務中最具剛性需求的服務。而且隨著大眾時間和需求上的碎片化程度提升,一方面是銀行等金融機構的產(chǎn)品自然而然的落地,二是互聯(lián)網(wǎng)信貸圍繞大數(shù)據(jù)分析等方式進行了很好的改造。因此大數(shù)據(jù)已經(jīng)促進了高頻交易、社交情緒分析和信貸風險分析三大金融創(chuàng)新。

        2.1 高頻交易和算法交易

        以高頻交易為例,交易者為獲得利潤,利用硬件設備和交易程序的優(yōu)勢,快速獲取、分析、生成和發(fā)送交易指令,在短時間內(nèi)多次買入賣出,且一般不持有大量未對沖的頭寸過夜。現(xiàn)在的高頻交易主要采取“戰(zhàn)略順序交易”,即通過分析金融大數(shù)據(jù),以識別出特定市場參與者留下的足跡。例如,如果一只共同基金通常在收盤前一分鐘的第一秒執(zhí)行大額訂單,能夠識別出這一模式的算法將預判出該基金在其余交易時段的動向,并執(zhí)行相同的交易。該基金繼續(xù)執(zhí)行交易時將付出更高的價格,使用算法的交易商可趁機獲利。

        2.2 通過收集、分析社交媒體上的內(nèi)容進行市場情緒分析

        金融市場的投資者將對情緒分析的研究與應用結合起來。大約兩年前,對沖基金開始從Twitter、Facebook、聊天室和博客等社交媒體中提取市場情緒信息開發(fā)交易算法。例如一旦從中發(fā)現(xiàn)有自然災害或恐怖襲擊等意外信息公布,便立即拋出訂單。2008年,精神病專家理查德·彼得森籌集了100萬美元在美國加州圣莫尼卡建立了名為MarketPsy Capital的對沖基金,通過追蹤聊天室、博客、網(wǎng)站和微博,以確定市場對不同企業(yè)的情緒,再據(jù)此確定基金的交易策略,到2010年該基金回報率達40%。位于倫敦的小型對沖基金DCM資本從Facebook和Twitter等社交媒體收集信息,將人們對某個金融工具的情緒進行打分,并向零售客戶發(fā)布預測,輔助投資者作出投資決定。

        2.3 加強風險的可審性和管理力度,支持精細化管理

        金融機構希望能夠收集和分析大量小微企業(yè)用戶日常交易行為的數(shù)據(jù),判斷其業(yè)務范疇、經(jīng)營狀況、信用狀況、用戶定位、資金需求和行業(yè)發(fā)展趨勢,解決由于小微企業(yè)財務制度的不健全無法真正了解其真實的經(jīng)營狀況的難題。

        阿里小貸首創(chuàng)了從風險審核到放貸的全程線上模式,將貸前、貸中以及貸后三個環(huán)節(jié)形成有效聯(lián)結,向通常無法在傳統(tǒng)金融渠道獲得貸款的弱勢群體批量發(fā)放“金額小、期限短、隨借隨還”的小額貸款。

        3.風險控制的原則和方法

        有效的控制風險方法最簡單的說法就是不要把雞蛋放在一個籃子里,所以要求客戶必須是“小額、分散”,避免客戶過度集中在某一個或幾個行業(yè)或客戶。

        先說一下“分散”在風險控制方面的好處,即借款的客戶分散在不同的地域、行業(yè)、年齡和學歷等,這些分散獨立的個體之間違約的概率能夠相互保持獨立性,那么同時違約的概率就會非常小。比如100個獨立個人的違約概率都是20%,那么隨機挑選出其中2人同時違約的概率為4%(20%^2),3個人同時違約的概率為0.8%(20%^3),四個人都發(fā)生違約的概率為0.016%(20%^4)。如果這100個人的違約存在相關性,比如在A違約的時候B 也會違約的概率是50%,那么隨機挑出來這兩個人的同時違約概率就會上升到10%(20%×50%=10%,而不是4%)。因此保持不同借款主體之間的獨立性非常重要。

        “小額”在風險控制上的重要性則是避免統(tǒng)計學上的“小樣本偏差”。例如,平臺一共做10億的借款,如果借款人平均每個借3萬,就是3.3萬個借款客戶,如果借款單筆是1000萬的話,就是100個客戶。在統(tǒng)計學有“大數(shù)定律”法則,即需要在樣本個數(shù)數(shù)量夠大的情況下(超過幾萬個以后),才能越來越符合正態(tài)分布定律,統(tǒng)計學上才有意義。因此,如果借款人壞賬率都是2%,則放款給3.3萬個客戶,其壞賬率為2%的可能性要遠高于僅放款給100個客戶的可能性,并且這100個人壞賬比較集中可能達到10%甚至更高,這就是統(tǒng)計學意義上的“小樣本偏差”的風險。

        除了堅持小額分散借款原則,用數(shù)據(jù)分析方式建立風控模型和決策引擎同樣重要。小額分散最直接的體現(xiàn)就是借款客戶數(shù)量眾多,如果采用銀行傳統(tǒng)的信審模式,在還款能力、還款意愿等難以統(tǒng)一量度的違約風險判斷中,風控成本會高至業(yè)務模式難以承受的水平,可以借鑒的是國外成熟的P2P比如LendingClub等都是采用信貸工廠的模式,利用風險模型的指引建立審批的決策引擎和評分卡體系,根據(jù)客戶的行為特征等各方面數(shù)據(jù)來判斷借款客戶的違約風險。簡單點說,建立數(shù)據(jù)化風控模型并固化到?jīng)Q策引擎和評分卡系統(tǒng),對于小額信用無抵押借款類業(yè)務的好處包括兩個方面:一是決策自動化程度的提高,降低依靠人工審核造成的高成本;二是解決人工實地審核和判斷所帶來審核標準的不一致性問題。

        因此除了小額分散的風控原則,風控的核心方法在于通過研究分析不同個人特征數(shù)據(jù)(即大數(shù)據(jù)分析)相對應的違約率,通過非線性邏輯回歸、決策樹分析、神經(jīng)網(wǎng)絡建模等方法來建立數(shù)據(jù)風控模型和評分卡體系,來掌握不同個人特征對應影響到違約率的程度,并將其固化到風控審批的決策引擎和業(yè)務流程中來指導風控審批業(yè)務的開展。

        4.大數(shù)據(jù)在風險控制中的應用

        國內(nèi)運用大數(shù)據(jù)方式涉及互聯(lián)網(wǎng)金融的產(chǎn)品還相對較少,一是由于國內(nèi)的金融體系還不完善,二是國內(nèi)的用戶數(shù)據(jù)存在“大而不準,大而不精”。數(shù)據(jù)存在獲取困難和不精準的問題,因而給大數(shù)據(jù)互聯(lián)網(wǎng)金融帶來了很多難題,但嘗試者也并不少特別是在風險控制方面。

        在不依賴央行征信系統(tǒng)的情況下,國內(nèi)金融市場自發(fā)形成了各具特色的風險控制生態(tài)系統(tǒng)。大公司通過大數(shù)據(jù)挖掘,自建信用評級系統(tǒng);小公司通過信息分享,借助第三方獲得信用評級咨詢服務?;ヂ?lián)網(wǎng)金融企業(yè)的風控大致分為兩種模式,一種是類似于阿里的風控模式,他們通過自身系統(tǒng)大量的電商交易以及支付信息數(shù)據(jù)建立了封閉系統(tǒng)的信用評級和風控模型。另外一種則是眾多中小互聯(lián)網(wǎng)金融公司通過貢獻數(shù)據(jù)給一個中間征信機構,再分享征信信息。

        圖1 風控相關大數(shù)據(jù)及代表企業(yè)或產(chǎn)品

        央行的征信系統(tǒng)是通過商業(yè)銀行、其它社會機構上報的數(shù)據(jù),結合身份認證中心的身份審核,提供給銀行系統(tǒng)信用查詢和個人信用報告。但對于其它征信機構和互聯(lián)金融公司目前不提供直接查詢服務,同時大量的個人在此系統(tǒng)里面沒有信貸記錄,而這些人卻有可能在央行征信系統(tǒng)外的其它機構、互聯(lián)網(wǎng)金融公司自己的數(shù)據(jù)系統(tǒng)中存有相應的信貸記錄。從網(wǎng)貸公司和一些線下小貸公司采集動態(tài)大數(shù)據(jù),為互聯(lián)網(wǎng)金融企業(yè)提供重復借貸查詢、不良用戶信息查詢、信用等級查詢等多樣化服務是目前市場上征信公司正在推進的工作。而隨著加入這個游戲規(guī)則的企業(yè)越來越多,這個由大量動態(tài)數(shù)據(jù)勾勒的信用圖譜也將越來越清晰。

        但是互聯(lián)網(wǎng)大數(shù)據(jù)海量且龐雜,充滿噪音,哪些大數(shù)據(jù)是互聯(lián)網(wǎng)金融企業(yè)風險控制官鐘愛的有價值的數(shù)據(jù)類型?下圖揭示了互聯(lián)網(wǎng)海量大數(shù)據(jù)中與風控相關的數(shù)據(jù),以及哪些企業(yè)或產(chǎn)品擁有這些數(shù)據(jù)。

        利用電商大數(shù)據(jù)進行風控,阿里金融對于大數(shù)據(jù)的謀劃已久。在很多行業(yè)人士還在云里霧里的時候,阿里已經(jīng)建立了相對完善的大數(shù)據(jù)挖掘系統(tǒng)。通過電商平臺阿里巴巴、淘寶、天貓、支付寶等積累的大量交易支付數(shù)據(jù)作為最基本的數(shù)據(jù)原料,再加上賣家自己提供的銷售數(shù)據(jù)、銀行流水、水電繳納甚至結婚證等情況作為輔助數(shù)據(jù)原料。所有信息匯總后,將數(shù)值輸入網(wǎng)絡行為評分模型進行信用評級。

        信用卡類網(wǎng)站的大數(shù)據(jù)同樣對互聯(lián)網(wǎng)金融的風險控制非常有價值。申請信用卡的年份、是否通過、授信額度、卡片種類;信用卡還款數(shù)額、對優(yōu)惠信息的關注等都可以作為信用評級的參考數(shù)據(jù)。

        2013年阿里巴巴以5.86億美元購入新浪微博18%的股份來獲得社交大數(shù)據(jù),阿里完善了大數(shù)據(jù)類型。加上淘寶的水電煤繳費信息、信用卡還款信息、支付和交易信息,已然成為了數(shù)據(jù)全能選手。

        小貸類網(wǎng)站積累的信貸大數(shù)據(jù)包括信貸額度、違約記錄等。但單一企業(yè)缺陷在于數(shù)據(jù)的數(shù)量級別低和地域性太強。還有部分小貸網(wǎng)站平臺通過線下采集數(shù)據(jù)轉(zhuǎn)移到線上的方式來完善信用數(shù)據(jù),這些特點決定了如果單兵作戰(zhàn)他們必定付出巨大成本。因此貢獻數(shù)據(jù)、共享數(shù)據(jù)的模式正逐步被認可,抱團取暖勝過單打獨斗。

        第三方支付類平臺未來的機遇在于未來有可能基于用戶的消費數(shù)據(jù)做信用分析。支付的方向、每月支付的額度、購買產(chǎn)品品牌都可以作為信用評級的重要參考數(shù)據(jù)。

        生活服務類網(wǎng)站的大數(shù)據(jù)如水、電、煤氣、有線電視、電話、網(wǎng)絡費、物業(yè)費交納平臺則客觀真實地反映了個人的基本信息,是信用評級中一類重要的數(shù)據(jù)類型。

        圖2 大數(shù)據(jù)加工過程圖解析

        擁有了這些數(shù)據(jù)后,大數(shù)據(jù)加工的過程如圖2所示。同時阿里的加工過程也極具代表性,具體流程如下所示:

        首先,通過阿里巴巴B2B、淘寶、天貓、支付寶等電子商務平臺,收集客戶積累的信用數(shù)據(jù),利用在線視頻全方位定性調(diào)查客戶資信,再加上交易平臺上的客戶信息(客戶評價度數(shù)據(jù)、貨運數(shù)據(jù)、口碑評價等),并對后兩類信息進行量化處理;同時引入海關、稅務、電力等外部數(shù)據(jù)加以匹配,建立數(shù)據(jù)庫模型。

        其次,通過交叉檢驗技術輔以第三方驗證確認客戶信息的真實性,將客戶在電子商務網(wǎng)絡平臺上的行為數(shù)據(jù)映射為企業(yè)和個人的信用評價,通過沙盤推演技術對地區(qū)客戶進行評級分層,研發(fā)評分卡體系、微貸通用規(guī)則決策引擎、風險定量化分析等技術。

        第三,在風險監(jiān)管方面,開發(fā)了網(wǎng)絡人際爬蟲系統(tǒng),突破地理距離的限制,捕捉和整合相關人際關系信息,并通過逐條規(guī)則的設立及其關聯(lián)性分析得到風險評估結論,結合結論與貸前評級系統(tǒng)進行交叉驗證,構成風險控制的雙保險。阿里小貸還憑借互聯(lián)網(wǎng)技術監(jiān)控貸款的流向:如果該客戶是貸款用于擴展經(jīng)營,阿里小貸將會對其廣告投放、店鋪裝修和銷售進行評估和監(jiān)控。

        5.結論

        金融服務將進一步從粗放式管理向精細化管理轉(zhuǎn)型,由抵押文化向信用文化轉(zhuǎn)變,更全面的信用體制和風險管理體制將會建立。風險控制作為金融的本質(zhì)將是其中最重要的一環(huán),而大數(shù)據(jù)毫無疑問將在此過程中發(fā)揮重大的作用,但大部分的互聯(lián)網(wǎng)金融企業(yè)目前體量尚小,用戶規(guī)模和交易額都不大,因此在數(shù)據(jù)積累基礎上能夠及時結合實際情況進行互動,及時修正模型,相互促進從而達到風險控制模型的逐步優(yōu)化。

        參考文獻

        [1]李耀東,李鈞.互聯(lián)網(wǎng)金融框架與實踐[M].北京:電子工業(yè)出版社,2014.

        [2]羅明雄,唐穎,劉勇.互聯(lián)網(wǎng)金融[M].北京:中國財政經(jīng)濟出版社,2013.

        [3]張海泉.大數(shù)據(jù)時代下的信貸風險防控研究[J].中國集體經(jīng)濟.2014(14):75-77.

        [4]吳昭華.大數(shù)據(jù)時代的互聯(lián)網(wǎng)金融發(fā)展研究[J].電子世界.2014(05):192-193.

        [5]井華,王南海.大數(shù)據(jù)時代下的互聯(lián)網(wǎng)金融[J].國際融資.2013(11):24-25.

        [6]王召.“大數(shù)據(jù)”:傳統(tǒng)金融與互聯(lián)網(wǎng)金融爭奪的焦點[J].中國農(nóng)村金融.2014(02):44-45.

        作者簡介:楊秀萍(1978—),廣東龍川人,碩士,廣東農(nóng)工商職業(yè)技術學院計算機系講師,主要研究方向:智能信息處理。

        猜你喜歡
        風險控制互聯(lián)網(wǎng)金融大數(shù)據(jù)
        論增強企業(yè)經(jīng)營管理的風險意識
        商業(yè)貸款信貸風險控制策略研究
        J電氣公司銷售與收款內(nèi)部控制問題研究
        中國市場(2016年35期)2016-10-19 02:01:14
        醫(yī)院財務管理風險及改進措施分析
        商(2016年27期)2016-10-17 05:07:54
        互聯(lián)網(wǎng)金融的風險分析與管理
        互聯(lián)網(wǎng)金融理財產(chǎn)品分析
        互聯(lián)網(wǎng)金融對傳統(tǒng)金融的影響
        基于大數(shù)據(jù)背景下的智慧城市建設研究
        科技視界(2016年20期)2016-09-29 10:53:22
        国产国语一级免费黄片| 日射精情感性色视频| www国产亚洲精品久久麻豆| 国产精品伦一区二区三级视频| 国产麻豆精品一区二区三区v视界| 三上悠亚精品一区二区久久| 国产精品无码无片在线观看3D| 韩日无码不卡| 青青草原亚洲在线视频| 国产婷婷成人久久av免费| 亚洲乱码国产乱码精品精| 国产熟妇搡bbbb搡bbbb搡| 日本一本草久国产欧美日韩| av免费资源在线观看| 亚洲乱亚洲乱妇无码麻豆| 久久久无码一区二区三区| 色爱无码A V 综合区| 熟女白浆精品一区二区| 熟妇人妻精品一区二区视频免费的| 亚洲熟女www一区二区三区| 成人无码视频| 中文字幕有码一区二区三区| 久久色悠悠综合网亚洲| 与漂亮的女邻居少妇好爽| 亚洲日产一线二线三线精华液| 99久久久国产精品免费蜜臀| 欧美人与动牲交片免费| 亚洲激情一区二区三区不卡| 天堂中文最新版在线中文| 久久久久这里只有精品网| 久久伊人中文字幕有码久久国产| 一区二区高清视频免费在线观看| 韩国三级大全久久网站| 亚洲色偷偷色噜噜狠狠99| 日本精品视频一视频高清| 牛仔裤人妻痴汉电车中文字幕| 亚洲另类丰满熟妇乱xxxx| 美女无遮挡免费视频网站| 99国产精品久久久蜜芽| 精品黑人一区二区三区久久hd| 五月四房播播|