美国ZestFinance公司大数据征信实践.pdf

2015年第8期 征 信 No．82015 Serial 总第199期 CREDITREFERENCE NO．199 【理论研究】 刘新海1”，丁伟3 3．中国联通网络技术研究院，北京100032) 摘要：美国金融科技公司ZestFinance利用大数据进行信用风险评估引起国内互联网金融和征信领域的关注。对 ZestFinance的商业模式和大数据挖掘技术进行进一步解读，概述信用风险管理的发展历程和背景知识，深入分析 够对中国未来的大数据征信有一些启示。 关键词：征信；大数据；信用评分；机器学习；数据挖掘 中图分类号：17832．332；TP391．4文献标识码：A 文章编号：1674—747X(2015)08—0027—06 的决策，效率比较低，没有一个客观统一的标准，放 一、信用评估技术的进展 不放贷款完全依赖于信贷员个人的经验。审贷的标 征信(Credit reference)是 reporting或者Credit 准因人而异，不具备客观性和科学性。从图1可以 指依法收集、整理、保存、加工自然人、法人及其他组 看出在这一阶段信贷市场的发展缓慢，总的信贷金 织的信用信息，并对外提供信用报告、信用评估、信 额规模较小。 用信息咨询等服务，帮助客户判断、控制信用风险， 进行信用管理的活动。征信的主要目的是解决交易 分析。1956年信用评估数据挖掘公司费埃哲(n— 双方信息不对称的问题，进行信用风险管理。征信 CO)成立，来自斯坦福的工程师WilliamFair和数学 业与信息技术联系密切，在欧美甚至被归类为信息 家EarlIsaac进行了数学分析模型和工程实现的整 产业。信息技术的进步驱动了信用风险管理水平的 合，两年之后FICO公司卖出了它的第一个评分系 提高，促进了信用的可获得性。 统。利用FICO评分模型，银行等信贷机构可以进行 以消费信贷为例，美国的个人征信(或者是个人 自动化的批量审贷，增加了信贷的可获得性，减少了 消费者的信用风险管理)的发展可以分为三个阶段 违约率，促成了消费信贷的第一次革命【1]。如图1 (如图1所示)。 所示，在该阶段，消费信贷市场得到了快速的发展。 但由于银行只是利用内部的数据进行FICO个人评 第一个阶段(1950年以前)：定性信用风险决 策。1950年之前，审贷过程是根据放贷人的经验和分建模，因此FICO模型在解决信贷交易双方信息不 对借贷人的了解，靠人工来完成的。这是一种定性 对称问题上的作用仍有局限。 收稿日期：2015—06—17 金(13CJYOll) 作者简介：刘新海(1976一)，男，河南南阳人，博士，博士后研究员，主要研究方向为征信、数据挖掘、金融风险管理和大数 据；丁伟(1972一)，男，辽宁抚顺人，博士，中国联通网络技术研究院高级工程师，中国会计学会高级会员，中国计算机学会会 员，中国优选法统筹法与经济数学研究会理事，财政部财科所硕士生导师，云南大学兼职教授、博士生导师，主要研究方向为数 据挖掘与征信大数据。 ·27· 万方数据 【理论研究】 刘新海，丁伟美国ZestFinance公司大数据征信实践