大数据征信应用与启示——以美国互联网金融公司ZestFinance为例.pdfVIP

【独家】大数据征信应用与启示 —— 以美国互联网金融公 司 ZestFinance 为例 2014-10-27 清华金融评论 文/刘新海、丁伟 本文编辑 / 《清华金融评论》贾红宇 近期，美国互联网金融公司 ZestFinance 受到国内互联网金融专业人士的热捧， 其基于大数 据的信用评估模型也越来越受到关注和效仿。本文结合美国的金融环境，对 ZestFinance 进行简要介绍， 分析大数据征信产生的背景， 剖析大数据征信技术， 并全面客观地阐述了大 数据征信技术对于中国互联网金融和征信业未来发展的借鉴意义。 ZestFinance 简介 ZestFinance ，原名 ZestCash ，是美国一家新兴的互联网金融公司， 2009 年 9 月成立于 洛杉矶，由互联网巨头 谷歌 (Google) 的前信息总监道格拉斯·梅瑞尔 (Douglas Merrill) 和 金融机构 Capital One 的信贷部高级主管肖恩·卜德 (Shawn Budde)( 曾管理过收益超过 10 亿美元的次级信贷业务 ) 联合创办。 ZestFinance 的研发团队主要由数学家和计算机科学家 组成，前期的业务主要通过 ZestCash 平台提供放贷服务，后来专注于提供信用评估服务， 旨在利用大数据技术重塑审贷过程，为难以获得传统金融服务 (Underbanked) 的个人创造可 用的信用，降低他们的借贷成本。 ZestFinance 起初是为传统的发薪日贷款 (Payday Loans) 提供在线替代的产品。发薪日 贷款因借款人承诺在发薪日还款而得名。 由于美国传统的信用风险评估体系无法覆盖全部的 人群，大约 15%的人因没有信用评分而被银行排斥在外，无法获得基本的信贷需求。除了解 决传统信用评估体系无法解决的无信用评分借贷问题， ZestFinance 还主要面向传统信用评 估解决不好的领域， 将信用分数低而借贷成本高的人群视为服务对象， 利用大数据技术降低 他们的信贷成本。与传统信贷管理业务比较， ZestFinance 的处理效率提高了将近 90%，风 险控制方面， ZestFinance 的模型相比于传统信用评估模型性能提高了 40%。 ZestFinance 目前也正在向信用风险管理的其他领域纵深扩展， 2014 年 2 月 ZestFinance 宣布推出基于大数据分析的收债评分 (Collection Score) ，旨在为汽车金融、 学生贷款、医疗贷款提供一种新的评分系统。 ZestFinance 的未来发展方向是希望把其在这 种发款日的贷款上的优势继续拓展到其他贷款领域， 包括信用卡、 汽车的贷款， 甚至包括房 屋的贷款， 在未来的 10～ 15 年，这一方法将取代现行指标， 成为申请信贷的唯一评估标准。 ZestFinance 引起国内的关注始于 2013 年 7 月，当时全球第三方支付平台 PayPal 联合 创始人、美国知名投资人彼得· 泰尔 (Peter Thiel) 领投了 ZestFinance 的 2000 万美元融资。 为什么要进行大数据评估传统的信用评估服务无法覆盖全体人群，特别是弱势群体？ 图 1 展示了美国 FICO评分与其对应的人口分布情况， 初始每个人的分值基数为 850 分， 信用评分模型利用征信数据从多个评分因素考察消费者的信用风险，