近些年來，以第三方支付、P2P平台、眾籌為代表的網際網路金融模式引起了人們的廣泛關注，該模式大量應用了搜尋引擎、大資料、社交網路以及雲計算等技術，有效降低了市場資訊不對於稱程度，大幅節省了資訊處理的成本，讓支付結算變得更便捷，達到了同資本市場直接融資、銀行間接融資同樣高的資源配置效力。但因為我國網際網路金融泛起的時間短，發展快，目前尚無形成完美的監控機制以及信用體系，一旦現有網際網路金融體系失控，將存在著巨大的風險。
首先是信用風險大。目前我國信用體系尚不完美，網際網路金融的關聯法律還有待配套，網際網路金融違約成本較低，容易誘發歹意騙貸、捲款跑路等風險問題。尤其是P2P網貸平台因為准入門坎低以及缺乏監管，成為不法份子從事非法集資以及詐騙等犯罪流動的溫床。
其次是網路安全風險大。我國網際網路安全問題凸起，網路金融犯罪問題不容疏忽。一旦遭遇黑客襲擊，網際網路金融的標準運作會受到影響。
網際網路金融企業通過獲取多渠道的大資料原料，應用數學運算以及統計學的模型進行分析，從而評估出借款者的信用風險，典型的企業是美國的ZestFinance。其通過分析模型對於每位信貸申請人的上萬￥條原始資訊資料進行分析，並得出超過數萬￥個可對於其行為做出測量的指標，而這一過程在5秒鐘內就能整個完成。在進行資料處理以前，對於業務的理解、對於資料的理解很主要，這抉擇了要選取哪些資料原料進行資料挖掘，在進入「資料工廠」以前的工作量通常要佔到整個過程的60%以上。
目前，可被用於助力網際網路金融風險節制的資料存在多個來源。
一、是電商大資料，以阿里巴巴為例，它已應用電商大資料樹立了相對於完美的風控資料挖掘系統，並通過旗下阿里巴巴、淘寶、天貓、支付寶等累積的大量交易資料作為基本原料，將數值輸入網路行為評分模型，進行信用評級。
二、是信用卡類大資料，此類大資料以信用卡申請年份、通過與否、授信額度、卡片種類、還款金額等都作為信用評級的參考資料。國內典型企業是成立於2005年的「我愛卡」，它應用自身累積的資料以及流量優勢，結合國外引入的FICO(費埃哲)風控模型，從事網際網路金融小額信貸業務。
三、是社交網站大資料，典型企業為美國的LendingClub，它基於社交平台上的套用搭建借貸雙方平台，並應用社交網路關系資料以及朋友之間的互相信任聚合人氣，平台上的借款人被分為若干信用等級，然而卻無須公佈自己的信用歷史。
四、是小額貸款類大資料，目前可以充沛應用的小貸風控封包括信貸額度、違約記錄等。因為單一企業信貸資料的數量級較低、地功能變數性較強，業內同享資料的模式已正逐漸被認可。
五、是第三方支付大資料，支付是網際網路金融行業的資金入口以及結算通道，此類平台可基於使用者消費資料做信用分析，支付方向、月支付額度、消費品牌均可以作為信用評級資料。
六、是日子服務類網站大資料，內含水、電、煤氣、物業費交納等，此類資料客觀真實地反映了個人基本資訊，是信用評級中一種主要的資料類型。
加微信：tpnews，更多更好的資訊等你來分享！
留言列表
