大数据征信应用与启示_以美国互联网金融公司ZestFinance为例_刘新海
INTERNET FINANCE
INTERNET
FINANCE
互联网金融
P2P行业的全球发展
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。
文/刘新海 丁伟 本文编辑/贾红宇
大数据征信应用与启示
——以美国互联网金融公司
ZestFinance为例
jiahy@https://www.360docs.net/doc/e318969909.html,
栏目编辑 贾红宇
ZestFinance简介
Z e s t F i n a n c e ，原名Z e s t C a s h ，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%。
Z e s t F i n a n c e 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F I C O 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，从850分中减分。大致来看，美国个人消费者信用评分人群分布状况呈现两头小中间大的形态，信用分数处于750～850的人群有40%之多，其中信用分数在800～850大约占总人数的13%，在750～799超过总人数的25%，这是整个信用社会的中间阶层，对应于美国的中产阶级。其中，美国个人消费者的平均FICO 评分为678。从图1可以看出，还有大量的人群远低于平均的678分，
如FICO评分在550～549的占8%，在500～549的占5%，小于499分的占2%。根据FICO的标准，如果人们未能如期还款，或者缺乏借贷经历，他们就会自动被视为风险人士，他们的贷款也就会被惩罚性地给以更高的利率。还有一种可能，那就是他们的贷款申请会被拒，无论是否事出有因。比如，遇到了医疗紧急事故，或者最近刚刚移民美国。表1根据FICO评分将服务人群
INTERNET FINANCE
互联网金融
分为四个区间，并对应不同的金融服务机构。信用记录不完整或者不够完善的个人消费者，依据传统信用评估体系（FICO评分），往往很难被传统金融服务机构所覆盖，即使在金融体系发达的美国也无法获得常规的金融服务，或者需要付出很大的代价才能获得常规的金融服务。
传统信用评估模型信息维度比较单一
传统的FICO评分模型的基本思想是比较借款人信用历史资料与数据库中的全体借款人的信用习惯，检查借款人的发展趋势跟经常违约、随意透支，甚至申请破产等各种陷入财务困境的借款人的发展趋势是否相似。如图2所示，它主要从五个方面考察用户的信贷资质。但随着信贷业务的进一步开展，FICO信用评分由于单一的标准、严苛的门槛和片面的评估结果而饱受诟病。
上没有大的变化，这和2008年金融危机爆发之后出现大量坏账的现实严重不符。
由于传统的基于FICO评分的信用评估模型覆盖人群窄、信息维度单一、时间上滞后，所以，在大数据时代，需要探索信用评估的新思路。国外三大征信机构和FICO公司都已经开始了如何利用大数据技术来完善传统信用评估体系的前瞻性研究，如益百利（Experian）投入研究团队关注社交网络数据对信用评分的影响，FICO公司多年前就开始了在线评估的信息工具和基于互联网的信用评估系统的项目研究。
丁伟
INTRODUCTION
中国联通网络技术研究院高级工程师
传统的信用评估模型虽然在进行信用风险管理过程中发挥了很大的作用，如曾经促进了美国房贷市场的飞速发展。但在大数据背景下个人消费者出现许多信息维度，如电子商务、社交网络和搜索行为等，传统信用评估模型解决问题的能力越来越受限。
传统信用评估模型时间上比
较滞后
虽然FICO评分仍然体现风险排序，但其预测绝对风险的能力和在2008年金融危机中的表现饱受指责，图3展示，FICO分数从2005年到2011年在美国人口中的分布基本
INTERNET FINANCE 互联网金融
Z e s t F i n a n c e大数据信用评估的实践
ZestFinance的基本理念是认为一切数据都是和信用有关，在能够获取的数据中尽可能地挖掘信用信息。ZestFinance对大数据技术的应用主要从大数据采集和大数据分析两个层面为缺乏信用记录的人挖掘出信用。
大数据采集技术
ZestFinance以大数据技术为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信贷历史。另一方面，将能够影响用户信贷水平的其他因素也考虑在内，如社交网络信息、用户申请信息等，从而实现了深度和广度的高度融合。
ZestFinance的数据来源十分丰富，依赖于结构化数据的同时也导入了大量的非结构化数据。另
外，它还包括大量的非传统数据，
如借款人的房租缴纳记录、典当行
记录、网络数据信息等，甚至将借
款人填写表格时使用大小写的习
惯、在线提交申请之前是否阅读文
字说明等极边缘的信息作为信用评
价的考量因素。类似地，非常规数
据是客观世界的传感器，反映了借
款人真实的状态，是客户真实的社
会网络的映射。只有充分考察借款
人借款行为背后的线索及线索间的
关联性，才能提供深度、有效的数
据分析服务，降低贷款违约率。
如图4所示，ZestFinance的数
据来源的多元化体现在：首先，对
于ZestFinance进行信用评估最重
要的数据还是通过购买或者交换来
自于第三方的数据，既包含银行和
信用卡数据，也包括法律记录、搬
家次数等非传统数据。
再次是网络数据，如IP地址、
浏览器版本甚至电脑的屏幕分辨
率，这些数据可以挖掘出用户的位
置信息、性格和行为特征，有利于
评估信贷风险。此外社交网络数据
也是大数据征信的重要数据源。
最后，直接询问用户。为了
证明自己的还款能力，用户会有详
细、准确回答的激励，另外用户还
会提交相关的公共记录的凭证，如
水电气账单、手机账单等。
多维度的征信大数据可以使得
ZestFinance能够不完全依赖于传
统的征信体系，对个人消费者从不
同的角度进行描述和进一步深入地
量化信用评估。
大数据分析模型
图5展示了ZestFinance的信用
评估分析原理，融合多源信息，采
用了先进机器学习的预测模型和集
成学习的策略，进行大数据挖掘。
首先，数千种来源于第三方（如电
话账单和租赁历史等）和借贷者的
原始数据将被输入系统。其次，寻
找数据间的关联性并对数据进行转
换。再次，在关联性的基础上将变
量重新整合成较大的测量指标，每
一种变量反映借款人的某一方面特
点，如诈骗概率、长期和短期内的
信用风险和偿还能力等。然后将这
些较大的变量输入到不同的数据分
析模型中去。最后，将每一个模型
输出的结论按照模型投票的原则，
形成最终的信用分数。
其中，ZestFinance开发了10
个基于机器学习的分析模型，对每
位信贷申请人的超过1万条数据信
INTERNET FINANCE
互联网金融
息进行分析，并得出超过7万个可
对其行为做出测量的指标，在5秒
钟内就能全部完成。这10个模型以
如下的方式进行投票：让你最聪明
的10个朋友坐在一张桌子旁，然后
询问他们对某一件事情的意见。这
种机制的决策性能远远好于业界的
平均水平。
近年来，这种基于大数据的
信用风险评估框架（远不能称为
主流的信用评估方法）被国内外多
家互联网金融机构采用，如德国的
Kreditech、美国的Kabbage，以及
国内最近获得IDG公司A首轮4000万
元投资的闪银（Wecash）等，对传
统的信用体系形成了冲击。
如表2所示，将这种将基于大
数据技术的信用评估体系和传统信
用评估（以美国的征信体系为例）
相比，发现主要的区别有以下几个
方面。
（1）从服务的人群来说，新
的信用评估体系可以服务没有被传
统征信体系覆盖的人群，即没有征
信记录的人群（美国的征信体系能
够覆盖85%的人群，覆盖不到15%
的人群）。
（2）从数据源来说，这种新
的信用风险评估体系大量采用非传
统的信用数据，包括互联网上的行
为数据和关系数据，传统的信用数
据（银行信贷数据）的比重仅占到
了40%，甚至完全不用传统的信贷
信用数据进行风险评估。
（3）从关注的侧重点来看，
传统的信用评估模型更关注授信对
象的历史信息，致力于深度挖掘。
而新的信用评估体系更看重用户现
在的信息，致力于横向拓展。
（4）信用量化评估的方式也
发生了改变，新的信用评估体系抛
弃了只用很少变量的FICO信用评分
模型，基于大数据技术，不仅采用
机器学习的模型，而且使用更多变
量，一方面可以使信用评估的决策
效率提高，另一方面还明显降低了
风险违约率。
对中国互联网金融和信用评
估的启示
利用大数据技术的信用评估方
法在现实中有着很大的市场需求，
如国内快速发展的互联网金融中的
风险管理问题。目前互联网金融处
于快速的发展过程中，根据银监会
的统计，目前国内可查的P2P网贷
公司已经达到1200家。信用风险
评估是P2P网贷的核心问题，存在
很多挑战，如很多信贷客户没有或
者是缺乏银行的信贷记录。在应对
风险控制的挑战时，ZestFinance
受到了互联网金融机构的热捧，目
INTERNET FINANCE 互联网金融
前国内多家互联网金融机构正在和ZestFinance洽谈合作，认为这种利用大数据技术的信用评估方法是解决国内互联网金融和普惠金融的信用风险管理问题的灵丹妙药。然而对于ZestFinance的大数据征信技术，还需要有全面的认识。
（1）ZestFinance的大数据征信是完善和更新传统征信系统的积极尝试，而不是替代品。美国的金融体系比较健全，而且信用体系也比较健全，这是ZestFinance赖以生存的土壤。ZestFinance的服务人群定位比较清晰，并且有完善的征信体系做支撑，ZestFinance 并不是完全摆脱传统征信体系，在ZestFinance进行信用评估时，传统征信数据要占到至少30%。中国的金融生态环境和美国还是有一定的差别，ZestFinance的经验不能直接照抄照搬，需要进行消化吸收，结合中国的实际情况来进行大数据征信。另外，生活在互联网时代，面对大数据技术的发展，美国三大征信机构以及FICO也已经开始大数据征信方面的研发（作为常规的数据源更新的一种方式），但截至目前，尚未形成独立的信用评估手段。
（2）ZestFinance的体量不大，目前仅为10万美国人提供了服务，在美国的影响力有限，真实的效果目前还很难总体评价。截至2013年7月，ZestFinance的C轮融资达到2亿美元。
（3）ZestFinance的大数据分析模型也给信用风险管理带来复杂性的挑战。传统的基于FICO的信用评估方法，处理的变量比较少，对
每一个变量进行细致地处理，并且
可以给出合适的解释，模型的透明
性可以方便地在银行的不同部门之
间进行沟通，而且便于个人消费者
对分数的理解。ZestFinance的基
于大数据的数以千计的变量规模和
多模型使得数据的处理和模型的解
释变得比较复杂，在实际应用中会
带来许多麻烦。
（4）大数据的应用要注意个
人的隐私保护。ZestFinance在利
用个人消费者的大数据进行信用评
估时，很多数据会涉及个人隐私，
如对于个人社交网络的数据（微信
朋友圈）和电商交易的数据、通话
记录、微博的数据等应用，美国
对个人隐私的保护是有明确的边界
的。而国内关于个人隐私方面的保
护目前处于空白，已经出现国内一
些互联网金融公司为了进行信用评
估，忽视个人消费者的知情权和隐
私保护。因此在利用大数据进行信
用评估的时候，要考虑使用个人隐
私的合规性前提。
虽然以ZestFinance为代表的
新兴信用评估体系还不够成熟，但
是为征信业的变革注入了活力，特
别是对于中国的征信体系的建设会
有一定的启示作用。
（1）普惠金融需要挖掘更多
人的信用。国内目前真正发挥作用
的征信体系主要是央行的征信系
统，所覆盖的人群还是非常有限，
远远低于美国征信体系对人口的
85%的覆盖。目前我国个人有征信
记录的仅有约3.2亿人，约占13.5亿
人口中的23.7%。国内数量庞大没
有被传统征信体系覆盖的人群同样
也需要信用服务，享受金融普惠，
这就需要探索征信的新思路。
（2）互联网上的海量信息
可以成为征信体系的新数据源。
ZestFinance的大数据实践的重要
方面就是大量地利用互联网上的
数据作为征信的数据源。中国目
前是世界上互联网人口最大的国
家，截至2013年12月，中国网民
规模达6.18亿人，互联网普及率为
45.8%，其中手机网民规模达5亿
人，继续稳定增长。2013年中国网
络购物用户规模达3.02亿人，网络
使用率达到48.9%。截至2013年12
月，我国使用网上支付的用户规模
达到2.6亿人。这些海量而且丰富
的互联网数据资源可以被国内征信
体系建设很好地利用，通过分析互
联网上这些信用主体的基本信息、
交易行为信息和金融或经济关系信
息，同样可以挖掘出这些信用主体
的信用模式。
（3）大数据技术可以使得
“一切数据皆信用”成为可能。以
大数据为代表的IT新技术的应用，
给征信体系建设带来了新的思路，
原来海量庞杂、看似无用的数据，
经过清洗、匹配、整合和挖掘，可
以转换成信用数据，而且信用评估
的效率和准确性也得到了一定程度
的提升。新的信用风险体系的一个
颠覆性的基本思想是一切数据皆信
用，这是需要大数据技术来支撑
的。国内征信体系的建设应当关注
大数据技术的应用和发展，并加大
投入，勇于实践。（本文仅代表
作者个人观点，与所在单位无关。）
截至2013年12
月，中国网民规
模达6.18亿人，
互联网普及率为
45.8%，其中手
机网民规模达5
亿人，继续稳定
增长。
互联网金融信用风险分析与大数据征信体系构建
互联网金融信用风险分析与大数据征信体系构建 摘要：互联网金融中的信用风险一方面表现为更为微型的客户对象导致的信用风险，一方面表现为互联网金融平台导致的信用风险。互联网金融中的信用风险产生原因包括缺乏完善的征信体系、缺乏严格的信息披露机制、缺乏全面的风险控制手段以及缺乏明确的法规监管。传统中央银行为主导的线下征信体系覆盖率低、成本高并且相对封闭，大数据征信依托多样化、高频率和高体量的非结构化数据，通过搜集和处理能够反映主题行为习惯的全方位、多维度信息，构建反映其性格特征、身份特质、履约能力等多维度的定量模型，利用各种算法推断其信用特征，并获得量化信用评估结果。大数据征信体系发展需要鼓励建立行业协会、规范产品标准和重视数据隐私保护。 关键词：互联网;风险征信体系;金融信用 一、互联网金融中信用风险的表现 互联网金融是以互联网为资源，大数据、云计算为基础，采用新金融模式运作的一种新兴行业。根据国际电信联盟(ITU)2014年11月24日发布的《2014年测量信息社会报告》，2014年全球网民共30亿，占居民总数的40.4%。中国作为最大的发展中国家拥有世界1/5的网民。根据中国互联网络信息中心(CNNIC)发布的第35次《中国互联网络发展状况统计报告》，截至 2014 年 12 月，中国有6.49 亿网民，12亿手机用户中有5.57 亿手机网民。3.04亿用户使用网上支付，网民中使用网上支付的比例为46.9%;手机支付用户规模为2.17亿，网民中手机支付的使用比例为39.0%。购买过互联网理财产品的网民规模达到7849万，在网民中使用率为12.1%。 谢平和邹传伟将互联网金融定义为以互联网为代表的现代信息科技，特别是移动支付、社交网络、搜索引擎和云计算与金融相结合的，既不同于商业银行间接融资、也不同于资本市场直接融资的第三种金融融资模式。2014年谢平、邹传伟和刘海二撰写的《互联网金融手册》中，互联网金融被定义为一个谱系概念，涵盖因为互联网技术和互联网精神的影响，从传统银行、证券、保险、交易所等金融中介和市场，到瓦尔拉斯一般均衡对应的无金融中介或市场情形之间的所有金融交易和组织形式。李耀东和李钧则认为，互联网金融并不简单是具有互联网技术的金融，而应该是基于互联网思想的金融，即服务长尾市场、普惠和去中心化的金融。主要特点为服务于长尾市场;具有海量用户;关注个性化需求;重视创新;正视风险;重视用户体验;重视开放性;重视社会化营销。
公需课考试答案：第三节：大数据金融行业应用
第三章：大数据金融行业应用 第1 题 强大的客户信息数据仓库及数据库是良好实施数据分析的基础。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第2 题 2011年5月美国对冲基金Derwent Capical Markets通过分析Twitter的数据来感知市场营销，在首月的收益率为1.85%，让平均为0.76%的其他对冲基金相形见绌。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第3 题 摩根大通银行可以利用大数据技术追踪盗取客户账号或侵入自动柜员机（ATM）系统的罪犯。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第4 题 没有好的数据基础，可能建模过程就会中途夭折，但是建模成功的话，就能得到如意的结果。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第5 题 中国大数据IT应用投资规模中，金融领域占的比例最。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A
第6 题 2012年海通证券自主开发的“给予数挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第7 题 客户画像指的是个人客户画像，包括人口统计写特征、消费能力数据、兴趣数据、分险偏好等。（3分） A. 是 B. 否 答题情况：正确选项：B 你错选为：A 第8 题 客户生命周期管理包括新客户获取、客户防流失和客户赢回等。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了! 第9 题 数据分析在处理客户关系管理上只是流失客户的预测。（3分） A. 是 B. 否 答题情况：正确选项：B 你答对了! 第10 题 大数据是依托新的数据处理技术，对海量、高速增长、多样性的结构和非数据结构数据进行加工挖掘，找寻数据背后的规律，以提高分析决策能力，优化流程和科学配置资源的管理工具。（3分） A. 是 B. 否 答题情况：正确选项：A 你答对了!
征信数据—征信大数据的挖掘与风控应用
互联网金融发展的关键是风险控制，“风险控制”已然成为诸多互联网金融企业能否长大的魔咒，这个不争的事实像一座大山摆在众多互联网金融大佬与创业者的面前。为什么阿里金融能够将它的网络小贷不良率控制在不到1%，有胆量再贷多点吗？大数据挖掘技术和互联网金融的风险控制到底是什么关系？互联网金融将怎样建立有效的风险控制生态体系？本文将带你揭开大数据挖掘与互联网金融风险控制的神秘面纱。 最近互联网金融圈不仅自己玩的很开心，而且还拉上了金融界甚至央行的大佬们一起玩的很开心。尽管让互联网金融企业头痛的问题——央行征信系统不对市场开放，仍然没有解决，但至少央行的态度明朗，支持互联网金融的发展，并认为互联网金融是传统金融的有益补充。 生命的神奇之处在于它总能找到一个出口。作为新生事物的互联网金融也不例外，在那扇门朝他们关闭的同时，他们却找到了另外一扇窗。在亦步亦趋的探索中，他们中的大企业通过自身力量，小企业通过联合的力量找到了适合自身发展的风险控制生态系统，正朝着良性和有序的方向发展，正如凯文凯利在他的《失控》中描述的群氓智慧那只无形的手。 互联网金融掌握了可以颠覆传统金融的风控技术 在不依赖央行征信系统的情况下，市场自发形成了各具特色的风险控制生态系统。大公司通过大数据挖掘，自建信用评级系统；小公司通过信息分享，借助第三方获得信用评级咨询服务。 互联网金融企业的风控大致分为两种模式，一种是类似于阿里的风控模式，他们通过自身系统大量的电商交易以及支付信息数据建立了封闭系统的信用评级和风控模型。另外一种则是众多中小互联网金融公司通过贡献数据给一个中间征信机构，再分享征信信息。
央行的征信系统是通过商业银行、其它社会机构上报的数据，结合身份认证中心的身份审核，提供给银行系统信用查询和提供给个人信用报告。但对于其它征信机构和互联金融公司目前不提供直接查询服务。2006年1月开通运行的央行征信系统，至2013年初，有大概8亿人在其中有档案。在这个8亿人当中，只有不到3亿人有过银行或其他金融机构发生过借贷的记录，其中存在大量没有信贷记录的个人。 而这些人却有可能在央行征信系统外的其它机构、互联网金融公司自己的数据系统中，存有相应的信贷记录。市场上一些线下小贷公司、网络信贷公司对于借贷人的信用评级信息需求非常旺盛，也因此催生了若干市场化征信公司，目前国内较大的具有代表性的市场化征信公司有几家：如北京安融惠众、上海资信、深圳鹏元等等。 从P2P网贷公司和一些线下小贷公司采集动态大数据，为互联网金融企业提供重复借贷查询、不良用户信息查询、信用等级查询等多样化服务是目前这些市场化的征信公司正在推进的工作。而随着加入这个游戏规则的企业越来越多，这个由大量动态数据勾勒的信用图谱也将越来越清晰。 互联网海量大数据中与风控相关的数据
互联网征信的发展与监管
互联网征信的发展与监管 互联网征信主要是通过采集个人或企业在互联网交易或使用互联 网各类服务过程中留下的信息数据，并结合线下渠道采集的信息数据，利用大数据、云计算等技术进行信用评估的活动。作为传统征信的有益补充，互联网征信的发展将极大扩展征信体系的数据范畴，带来全新的服务理念和先进的信息处理方式，推动传统信用评分模式的转变，进而对完善我国征信体系乃至社会信用体系发挥重要作用。 我国互联网征信发展现状 第一，互联网征信活动日益频繁。一是以阿里巴巴为代表的电商平台对用户在网上交易的行为数据进行采集、整理、保存、加工，提供给阿里小贷或与其合作的商业银行，再经过深度挖掘和评估，形成对客户的风险定价，并用于信贷审批决策。二是以宜信、陆金所为代表的较大型的P2P网贷平台自建客户信用系统，并用于自身平台业务。三是以网络金融信息共享系统（NFCS）、小额信贷行业信用信息共享服务平台（MSP）为代表的同业信息数据库通过采集P2P平台借贷两端客户信息，向加入该数据库的P2P等机构提供查询服务。 第二，互联网征信平台初具规模。一是人民银行征信中心控股的上海资信有限公司开发的网络金融信息共享系统，截至2014年7月25日，上海资信旗下的网络金融征信系统（NFCS）共接入P2P平台203家，日均查询量达到2000次。二是北京安融惠众征信有限公司创建的“小额信贷行业信用信息共享服务平台”（MSP）于2013年3月正式上线。截至2014年9月15日，MSP征信平台会员机构已经达到405家，会员间信用信息共享查询量已达日均9000余次，有信用交易信息记录的自然人信息主体数量突破100万人。此外，阿里巴巴、腾讯、平安集团等正在积极申请征信牌照。 互联网征信和传统征信的主要区别 从表面上看，互联网征信和传统征信似乎只是数据的获取渠道不同，前者主要来自于互联网，后者主要来自于传统线下渠道，但是二者存在较大的区别，主要表现在以下四个方面。 第一，在数据范畴和内涵方面，传统征信数据来自于借贷领域并主要应用于借贷领域，而互联网征信获取的主要是信息主体在线上的行为数据，包括网上的交易数据、社交数据以及其他互联网服务使用中产生的行为数据等，而互联网的行为轨迹和细节更多反映人的性格、心理等更加本质的信息，可以用来对信息主体的信用状况进行推断。
征信业法规
征信法规 一、征信法规制度建设取得重要进展 十年来，征信法规制度建设不断推进，逐步建立了以国家法规、部门规章、规范性文件和标准的多层次制度体系，保护了信息主体权益，有力地促进了征信业的发展。 （一）《征信业管理条例》正式发布实施 人民银行一直积极推动《征信业管理条例》的制定，深入研究征信立法相关的重大问题，会同相关部门通过实地调研、召开座谈会等方式，听取了地方政府有关部门、征信机构、金融机构、专家和消费者协会等对征信立法的意见和建议，研究借鉴国外征信立法经验，并在此基础上完成了《征信业管理条例》的草拟工作。2012 年12 月26 日国务院第228次常务会议审议通过《征信业管理条例》，并于2013 年3 月15日起正式实施。 《征信业管理条例》对征信机构的设立条件和程序、征信业务的基本规则、征信信息主体的权益，金融信用信息基础数据库的法律地位及运营规则、征信业的监管体制和法律责任等内容进行了规定，解决了征信业发展中无法可依的问题。有利于加强对征信市场的管理，规范征信机构、信息提供者和信息使用者的行为，保护信息主体权益；有利于发挥市场机制的作用，推进社会信用体系建设。 （二）建立金融信用信息基础数据库管理制度 一是建立了个人信用信息基础数据库管理制度。2005 年，人民银行发布了《个人信用信息基础数据库管理暂行办法》（中国人民银行令（2005）第 3 号），并相继出台配套制度，保障了个人信用信息基础数据库的建设和运行，规范了商业银行报送、查询和使用个人信用信息的行为。二是明确了企业信用信息基础数据库管理制度。在《银行信贷登记咨询管理办法（试行）》管理框架上，对企业信用信息基础数据库的功能与管理、借款人信用信息报送、查询、使用以及异议处理等作出明确规定。三是对新型授信机构接入金融信用信息基础数据库进行了规范。规范了小额贷款公司、融资性担保公司等接入金融信用信息基础数据库的方式、条件、程序以及业务流程。 （三）完善信用评级管理制度 为规范评级机构在银行间债券市场和信贷市场信用评级执业行为，2006 年出台了《中国人民银行信用评级管理指导意见》（银发〔2006〕95 号），明确了信用评级机构的工作制度和内部管理制度、评级原则、评级内容和评级程序等内容，对评级机构从事金融产品信用评级、借款企业信用评级和担保机构信用评级业务进行理和指导；2008 年发布了《中国人民银行关于加强银行间债券市场信用评级作业管理的通知》（银发〔2008〕75号），对评级机构在银行间债券市场评级的现场访谈、作业时间进行了规范。信用评级管理制度的实施，规范了评级机构的执业行为，保护了投资人合法权益，促进了信用评级业的健康发展。 （四）推动征信标准建设 2005 年起，人民银行把征信标准化建设作为征信管理的重要手段之一，启动了征信标准化建设。一是发布征信信息系统开发建设的基本标准规范。制定和发布了《征信数据元数据元设计与管理》等五项金融行业标准，促进了信息跨部门、跨行业共享和应用。二是制定信用等级评价相关标准规范。制定和发布了《征信数据元信用评级数据元》和《征信数据交换格式信用评级违约率数据采集格式》等5 项金融行业标准，促进了评级机构的规范执业。
大数据在金融行业的应用与发展展望...
大数据在金融行业的应用与发展展望 现如今，人们的生活中无不充斥着互联网的痕迹，越来越多的行为和事件被大数据记录又被大数据影响，金融行业因其安全性的重要更是与大数据技术息息相关。 金融业务对于数据应用的广泛性与质量要求 在互联网发展日新月异的时代背景下，人们的生活、工作、消费、活动的习惯与行为特点在被不断重塑，大量数据被留存记录，各行业对于数据的挖掘和使用有了适应时代发展的新特点，这在银行等金融机构的业务中尤为凸显。获客、信用风险控制、留存客户、触发客户消费是金融行业的几大痛点，而以集奥聚合(北京集奥聚合科技有限公司简称)为代表的大数据技术公司引领的大数据行业的发展正好满足了这些需求，有效克服了目前金融机构数据来源单一、覆盖率不足、数据挖掘程度不深等问题。 金融行业既涉及宏观国民经济的方方面面，又与微观社会主体的经济生活密切相关，中国是一个人口大国，也是社会活动多样性的代表性国家，金融机构为了在纷繁的条件下做出正确的商业判断越发需要依据海量的高质量数据进行分析，但这也与相关数据覆盖人群不足、信息孤岛尚未联通等社会大环境形成了相对矛盾。例如，在个人信用风险控制方面，过去金融机构主要依托从各金融机构上报的信贷类数据的集中管理者——人民银行征信中心调取相关数据对于个人
进行信用评价，但人民银行征信中心的数据并未对中国全部人口有实质性的广泛覆盖，甚至可以说只覆盖了偏少一部分有信贷、信用卡消费记录的人群，加之考虑到因互联网金融日益发展等因素而对金融产品需求愈发多样的人群，仅基于信贷类数据评价这些人群可能会误伤很多暂时还没有信贷纪录的中低收入人群，利用不同来源的“大数据”及相关技术(以下统称大数据)解决个人客户信用评价的全面性与客 观性问题的重要作用凸显出来。 有价值大数据汇聚具备的特点 有价值的大数据的汇聚具备以下特点，这也是金融业应用大数据时要考虑的关键： 一、数据的联通性。由于很多数据是基于不同渠道、场景和主键进行的汇聚，要把这些碎片化数据进行准确整合，需要有很强的ID MAPPING能力，数据的联通解决不同数据是否归属于同一主体的能力。问题举例，10条行为信息，究竟是10个不同主体产生的，还是1个人在10个不同渠道留下的，不同的判断会直接影响数据分析的结果。 二、数据的连续性。数据汇聚需要在“约定“的频率下持续不断、全面地进行才能产生集合价值。首先，数据连续性要求数据源本身具备稳定提供数据的能力、数据全面和质量可靠的能力。就完整和可靠而言，金融机构是公认的最完整和可靠的数据来源。就稳定性而言，
大数据征信
大数据征信互联网金融的罗生门 2015-02-19徐富记 从央行个人征信牌照开闸，到首家互联网银行微众银行给卡车司机发放第一笔贷款，互联网金融的浪潮俨然已从P2P网贷汹涌到众筹，又波涛到大数据征信。 史铁生曾说过：“历史在发生时未被发现，在发现时已被重组”，正如当下之大数据征信，尽管已悄然发生，但未被发现，而再发现时，却已被改写，局内人的自说自话，局外人的不明觉厉，大数据征信，似乎已成互联网金融的罗生门。 四级征信机构百花齐放 2015年新年伊始，央行下发《关于做好个人征信业务准备工作的通知》，正式开启个人征信市场化闸门，民营征信迎来元年，以阿里巴巴芝麻信用为代表的基于消费大数据的征信机构、以鹏元征信为代表的基于公共大数据的征信机构和以社交数据作为征信模式的玖富旗下的闪银（we cash）等征信机构纷纷登台亮相。 以目前国内的信用体系，信用数据大致分为国家级、电商级、互联网金融企业级、社交金融级，其中，国家级的信用数据为央行的征信中心和银行等金融机构的信贷数据、各部委的具有公共属性的比如通信、水、电、煤气等公共数据。 电商级的即包括以阿里、京东为代表的消费数据；互联网金融企业级的则如安融惠众、上海资信；社交金融则如闪银等开启的新型征信模式。 毫无疑问，征信产业的发展不仅有效防范金融的风险，改善个人贷款质量，提高了银行的净收益，同时，随着国内信贷行业及消费行业的提速，也再次催生了征信业的巨大需求，据《中国征信业发展报告(2003-2013)》显示,截止 2012 年我国征信机构达到140 家左右,总规模达 20 亿,相较于美国近 800 亿市场和日本 40 亿市场仍有较大的差距。 为此，方正证券研究认为，如果我国采取市场化模式,按照现有价格、企业及个人总数的体量,在发展成熟后我国征信行业仅个人征信市场总空间将在 1000 亿左右,相较目前不到 20 亿的体量有 50 倍的成长,是名符其实的蓝海。 我的“痛”，有谁知？
互联网征信发展
互联网征信发展与监管 互联网征信主要是通过采集个人或企业在互联网交易或使用互联网各类服务过程中留下的信息数据，并结合线下渠道采集的信息数据，利用大数据、云计算等技术进行信用评估的活动。作为传统征信的有益补充，互联网征信的发展将极大扩展征信体系的数据范畴，带来全新的服务理念和先进的信息处理方式，推动传统信用评分模式的转变，进而对完善我国征信体系乃至社会信用体系发挥重要作用。 我国互联网征信发展现状 第一，互联网征信活动日益频繁。一是以阿里巴巴为代表的电商平台对用户在网上交易的行为数据进行采集、整理、保存、加工，提供给阿里小贷或与其合作的商业银行，再经过深度挖掘和评估，形成对客户的风险定价，并用于信贷审批决策。二是以宜信、陆金所为代表的较大型的P2P网贷平台自建客户信用系统，并用于自身平台业务。三是以网络金融信息共享系统（NFCS）、小额信贷行业信用信息共享服务平台（MSP）为代表的同业信息数据库通过采集P2P平台借贷两端客户信息，向加入该数据库的P2P等机构提供查询服务。 第二，互联网征信平台初具规模。一是人民银行征信中心控股的上海资信有限公司开发的网络金融信息共享系统，截至2014年7月25日，上海资信旗下的网络金融征信系统（NFCS）共接入P2P平台203家，日均查询量达到2000次。二是北京安融惠众征信有限公司创建的“小额信贷行业信用信息共享服务平台”（MSP）于2013年3月正式上线。截至2014年9月15日，MSP征信平台会员机构已经达到405家，会员间信用信息共享查询量已达日均9000余次，有信用交易信息记录的自然人信息主体数量突破100万人。此外，阿里巴巴、腾讯、平安集团等正在积极申请征信牌照。 互联网征信和传统征信的主要区别 从表面上看，互联网征信和传统征信似乎只是数据的获取渠道不同，前者主要来自于互联网，后者主要来自于传统线下渠道，但是二者存在较大的区别，主要表现在以下四个方面。 第一，在数据范畴和内涵方面，传统征信数据来自于借贷领域并主要应用于借贷领域，而互联网征信获取的主要是信息主体在线上的行为数据，包括网上的交易数据、社交数据以及其他互联网服务使用中产生的行为数据等，而互联网的行为轨迹和细节更多反映人的性格、心理等更加本质的信息，可以用来对信息主体的信用状况进行推断。 第二，在信用评价思路方面，传统征信的思路是用昨天的信用记录来判断今天的信用。这就存在两个问题，一是昨天信用记录不好的人今天是否仍然是一个高风险者；二是对于过去没有发生过信用记录的人，如何判断其信用状况。对于第一个问题，互联网征信所获取的数据可以实时地反映个人的行为轨迹，并以此推断个人相对稳定的性格、心理状态和经济状况，进而推断其未来的履约能力。第二个问题则引出了两者的第三个差异。 第三，在覆盖人群方面，截至2013年底，人民银行的征信系统中有征信记录的约3.2亿人，约占总人口数的23.7%，远低于美国征信体系85%的覆盖率。随着互联网的不断普及，征信数据范围和来源渠道日益广泛，同时互联网技术的使用极大地降低了数据采集成本。因此，互联网征信可以覆盖到过去没有信用记录的人，利用他们在互联网留下的信息数据作出信用判断。 第四，在应用领域方面，互联网征信因为数据来源、数据内涵、模型思路的不同，信用
各国在征信法律方面的异同
各国在征信法律方面的异同 ---欧洲国家与美国 经济贸易系—信用管理 081582137 黄永林 摘要:随着征信行业在市场上份额的日渐加重,征信个人的信用资料分布的逐渐广泛，征信资料普遍分布在政府、公用事业、银行、商家、保险等多家机构，在这个过程中,如果无法真实、完整、连续、合法、公开地取得用于制作消费者个人信用报告的数据，征信工作便无从开展。另外，由于消费者的个人资料涉及到隐私，如何合法地传播或经营经过处理的数据也是其中关键。所以,征信法律便在这一大环境下应运而生.但是,由于在协调个人权利保护与征信行业发展方面存在矛盾，美国与欧洲国家之间的立法立法存在着不小的差异.而不同倾向必然导致国家之间征信业长期发展结果的重大差别。 关键字:征信欧美征信法律异同
征信活动作为市场经济中调节信用环境的主要手段,是构成市场经济健康运行的重要组成部分,同市场经济活动性质相同,征信也不能离开法律框架而独立运行. 随着经济全球化趋势的日益发展和个人权利保护的国际共识的逐渐形成,国际性的个人数据保护公约已成为国际法体系中不可缺少的,重要的组成部分.目前,关于个人信息保护的国际性公约有:OECD于1980年制定的<<个人数据的私隐保护和跨国界流动的指导原则>>;此后,欧洲委员会于1981年签署和发布了<<个人自动文档保护公约>>;1990年联合国签署了<<个人数据自动化档案指导原则>>.上述三个国际性公约的基本目的和基本内容大致相同,旨在保护个人权利和人权自由. 而世界各国,尤其是欧美各国和美国,由于自身文化背景,政策性影响,政府观念等影响下,在征信法律法规的制定下,逐渐产生分歧,形成了具有国家地区特色的征信法律. 一.美国与欧洲国家关于征信法方面相同点 1.普遍立法较晚 世界各国对信用信息征集活动的立法普遍较晚，大多开始于上个世纪90年代。如意大利1996年的《数据保护法》、瑞典1998年的《个人数据保护法》、英国1998年的《数据保护法》以及西班牙1999年的《个人数据保护法》。在美国，作为信用报告活动的核心法规《公平信用报告法》也是1970年才正式颁布。 2.各国法规的基本内容相同 从世界各国有关征信立法的情况看，有关法规主要涉及以下几个方面的内容：（1）立法目的。表明立法的宗旨，同时也表明所立法规的倾向性。（2）信息征集的目的和动机。具体明确信息征集的目的和动机，保证任何信息的征集行为处在合理的动机之下。（3）信息的采集。对信息征集范围进行明确界定，以及对敏感信息的征集条件和方法。（4）信息的保存。对所征集信息的存储进行规定，包括存储方式、安全性措施、以及有关信息的保存时间等。（5）信息披露和使用。对信息的披露方式、使用范围和使用方式进行规定。（6）有争议信息的纠正。对有争议的信息或错误信息纠正的程序、费用负担、纠正完成时间长度进行规定。（7）特殊情况下个人信息的使用。对各种特殊情况下使用个人信息进行规定，比如涉及国家安全等若干方面。 3.主要针对个人征信而不是企业征信 征信立法的主要是针对个人数据的保护，而涉及企业征信的内容很少。美国的《公平信用报告法》中一些条款也涉及企业，但主体是关于个人权利的保护。在欧洲，基本上没有看到针对企业征信的立法文件。 一.美国与欧洲国家关于征信法方面不同点 1.针对性不同
互联网金融征信体系建设的现状和发展建议
互联网金融征信体系建设的现状和发 展建议 1
互联网金融征信体系建设的现状和发展建议近两年，互联网金融发展如火如荼，对传统金融行业乃至整个金融业态产生了巨大影响，其跨界特征及创新性也对监管部门提出了挑战。如何对互联网金融实施合理而有效的监管成为业界热议的话题，监管部门对此进行了大量探索与实践。为此，本刊特别组织“互联网金融监管”专题，邀请人民银行及部分专家从不同视角对互联网金融监管问题进行了探讨。 互联网征信主要是经过采集个人或企业在互联网交易或使用互联网各类服务过程中留下的信息数据，并结合线下渠道采集的信息数据，利用大数据、云计算等技术进行信用评估的活动。作为传统征信的有益补充，互联网征信的发展将极大扩展征信体系的数据范畴，带来全新的服务理念和先进的信息处理方式，推动传统信用评分模式的转变，进而对完善中国征信体系乃至社会信用体系发挥重要作用。 中国互联网征信发展现状 第一，互联网征信活动日益频繁。一是以阿里巴巴为代表的电商平台对用户在网上交易的行为数据进行采集、整理、保存、加工，提供给阿里小贷或与其合作的商业银行，再经过深度挖掘和评估，形成对客户的风险定价，并用于信贷审批决策。二是以
宜信、陆金所为代表的较大型的P2P网贷平台自建客户信用系统，并用于自身平台业务。三是以网络金融信息共享系统(NFCS)、小额信贷行业信用信息共享服务平台(MSP)为代表的同业信息数据库经过采集P2P平台借贷两端客户信息，向加入该数据库的P2P等机构提供查询服务。 第二，互联网征信平台初具规模。一是人民银行征信中心控股的上海资信有限公司开发的网络金融信息共享系统，截至 7月25日，上海资信旗下的网络金融征信系统(NFCS)共接入P2P平台203家，日均查询量达到次。二是北京安融惠众征信有限公司创立的“小额信贷行业信用信息共享服务平台”(MSP)于 3月正式上线。截至 9月15日，MSP征信平台会员机构已经达到405家，会员间信用信息共享查询量已达日均9000余次，有信用交易信息记录的自然人信息主体数量突破100万人。另外，阿里巴巴、腾讯、平安集团等正在积极申请征信牌照。 互联网征信和传统征信的主要区别 从表面上看，互联网征信和传统征信似乎只是数据的获取渠道不同，前者主要来自于互联网，后者主要来自于传统线下渠道，可是二者存在较大的区别，主要表现在以下四个方面。
美国征信系统简介
目录 一．美国征信体系模式二．美国征信建设公司三．美国常见征信产品四．美国信用评分模型
一、美国征信体系模式 ?目前，发达市场经济国家在征信的基本内涵方面没有根本的区别，但各国国情和立法等方面的差异决定了各国征信模式的不同，目前主要有以美国为代表的市场化征信模式、以欧洲大陆为代表的公共征信系统模式和以日本为代表的会员制模式。 ?美国模式，又称市场化模式，是由征信企业进行商业化运作而形成的征信体系，它是完全依靠市场经济的运行机制和行业自我管理形成的征信体系发展模式。其特征是征信机构以盈利为目的，收集、加工个人和企业的信用信息，为信用产品的使用者提供独立的服务。美国征信既有完全市场化运作的征信建设企业主体，又有对征信产品有强烈需求的征信产品使用者。
二、美国征信建设公司 目前美国市场化运作主体主要有三大类： ?一是资本市场上的信用评估机构，即对政府部门、银行、证券公司、基金、债券及上市大公司的信用进行评级的公司。 ?二是商业市场上的信用评估机构，即对各类大中小企业进行信用调查评级的公司。?三是对消费者信用进行评估的机构，在美国叫信用局或消费信用报告机构。 类别 项目征信对象服务信息来源 资本市场金融机构、债券、 上市公司金融机构资信评级、 股票评级、债券评 级、公用事业评级 商业银行、非银行金融机构、证 监会、保监会、上市公司 商业市场中小型企业企业资信调查、行 业指数工商、法庭、海关、技术监督、商业银行、供应商、被调查企业 个人消费市场美国公民、在美国 境内活动的外国人个人信用调查、个 人查询 户籍、法庭、公用事业、劳资、 雇主、房管、信用卡、个人贷款
C16003大数据在征信中的应用课后测验(满分)
C6003大数据在征信中的应用课后测验（满分） 试题 一、单项选择题 1. 根据Chuck数据观，有针对性、与我们直接相关的信息称为（）。 A. 数据 B. 情报 C. 智慧 D. 知识 描述：Chuck数据观的主要内容 您的答案：B 题目分数：10 此题得分：10.0 2. 从海量的数据中挖掘出目标客户主要属于大数据在（）方面的应用。 A. 客户服务 B. 精准营销 C. 行为分析 D. 产品优化 描述：大数据的应用 您的答案：B 题目分数：10 此题得分：10.0 3. 在互联网技术中，CT是（）的简称。 A. 信息技术 B. 云计算技术 C. 移动技术 D. 大数据 描述：互联网技术发展历程 您的答案：B 题目分数：10 此题得分：10.0 4. 在互联网技术中，（）提高了互联网的智能水平。 A. 信息技术
B. 云计算技术 C. 移动技术 D. 大数据 描述：互联网技术发展历程 您的答案：D 题目分数：10 此题得分：10.0 二、多项选择题 5. 当前我国P2P平台恶性竞争可能会带来的问题有哪些？ A. 金融诈骗 B. 非法集资 C. 高利贷 D. 融资困难 描述：我国P2P平台恶性竞争的影响 您的答案：C,B,A 题目分数：10 此题得分：10.0 6. 下列属于互联网征信数据来源的有（）？ A. 政府机构信息 B. 人力招聘广告 C. 电商交易评级 D. 公共事业缴费 E. 网上浏览数据 描述：互联网征信数据的来源 您的答案：E,A,D,C,B 题目分数：10 此题得分：10.0 7. 大数据应用平台可以提供哪些服务？ A. 精准营销 B. 客户服务 C. 信用报告 D. 风险防控 E. 产品优化
互联网金融与征信
互联网金融、大数据与征信 ——人民银行征信中心王晓蕾副主任此次会议演讲的内容为互联网金融、大数据与征信。与大家分享近几年来本人对此问题的思索与实践。 首先介绍互联网金融，互联网金融内涵非常多，第三方支付、网络借贷、众筹融资、金融产品的网络销售等。其中与征信关系紧密的为网络借贷，即P2P。究竟什么是网络借贷，业内对此有很多认识。本人对网络借贷的理解有两点，首先它是借贷双方之间的直接交易，其次交易是通过互联网进行。金融市场的信贷形式多种多样，个人总结大体可以分为两种，一种是直接的，即出资人直接将借款给借款人，比如网络借贷和小贷公司。另一类为间接地，通过银行实现借贷交易。一笔信贷交易中间经过的很多环节，其中一个环节，任何一笔信贷交易都离不开风险管理，风险管理的内容包括找到客户、识别客户、识别风险、管理风险，贷前贷后的管理。是否贷款的决策可以理解为风险选择或风险偏好。 银行的借贷交易，由银行承担风险管理、风险选择。是否贷款的决策由银行做出。存款人也就是出资人没有参与以上工作。小贷公司，采用出资人直接将款借给借款人的借贷交易方式，风险管理和风险选择由出资人进行。网贷平台，是将信贷交易中的风险管理和风险选择做了一种新的组合，而产生的信贷形式。风险管理由网贷平台承担，而风险选择，是否贷款是由出资人做出决策。信贷交易中将风险管理和风险选择的重新的组合，从而产生的一种新信贷形式——网贷，——体现了互联网信贷的创新之处。 一般认为互联网金融是通过互联网放贷，收集客户资料、了解客户。而网贷平台的客户信息同样也是银行的，两者在这方面没有区别。网贷的创新之处在于
风险管理和风险选择的决策人是谁。 网贷创新的意义是什么？ 中国的信贷市场的发展不充分，银行的信贷客户以大企业为主，，导致个人、中小企业特别是小微企业融资机会少。如何解决这类人群的融资机会，一方面由正规金融体系的舆情改革，另一方面，借助于互联网技术的发展产生的新信贷形式——网络信贷，促进了中国信贷市场的发展，让更多的人获得融资机会。 根据世界银行的研究，判断一个国家的金融体系改革前进与否，改革能否满足更多的人获得融资、信贷交易机会。中国的信贷交易市场中，央行全国统一的征信系统中,个人征信系统收录自然人数约8亿人，但这之中只有3亿人和银行有信贷关系，换句话说，5亿人与银行有过结算交易关系，开立过结算账户，他们有经济活动、融资需求，但跟银行没有任何形式信贷交易，他们就是未来信贷市场的机会，也正是这5亿人的存在，给中国P2P公司带来了风光的市场。同时，借助P2P平台，也增加了普通百姓的投资机会。这就是信贷交易的创新形式网络贷款，给信贷市场带来的积极意义。 网络贷款存在风险，分为两个方面。宏观上，资金安全存在隐患。P2P行业资金结算方式要求出资人不管通过什么渠道先将资金存入网贷平台公司，此类模式下，存在与证券公司非法挪用股民保证金类似的资金风险。P2P公司针对此类风险采取资金清结算分离，资金托管，增加平台透明度等一系列措施降低资金安全风险度，但是需要业内尽快将技术落地，从而避免P2P平台跑路，投资人利益受损的事情再次发生。微观上，所有信贷交易都存在交易风险。贷款放出后是否可以收回来，足够的风险管理能力对于P2P公司尤为重要。由于在交易过程中P2P公司的风险管理和风险选择是分开的，采用哪种机制可以提高平台的风
美国主要征信机构及业务
美国主要征信机构及业务 美国征信业以商业性征信公司为主体，并由民间资本投资建立和经营。从简单征信服务到比较完善的现代信用体系的建立，美国经历了170多年的历史，它们独立于政府和金融机构之外，是第三方征信机构，并且 按照市场经济的法则和运作机制，以营利为目的，向社会提供有偿的商 业征信服务。按照第一节的介绍，美国征信企业根据征信评估对象的不同主要分为三类，一类是企业征信机构，第二类是消费者个人征信机构，第三类企业征信机构——邓白氏公司 第一类企业征信机构主要针对一些中小企业，通过对这些中小企业进行征信，收集这些企业的信息并进行加工处理，进而形成这些征信机构 自身的企业数据库。当外部的金融机构、企业以及个人需要相关信用产 品时，这些机构可利用自己的技术向这些客户提供信用评级、授信支持 以及决策分析等多种服务。在企业征信机构中，最为著名的是邓白氏公司，下面具体介绍该公司提供的主要产品及服务。 (1)商业资信报告。邓白氏商业资信报告是被全球企业广泛使用的资信产品。借助邓白氏覆盖全球200多个国家及地区的信息网络，企业可以 方便及时地全方位了解其客户的资信状况，并交叉核实自己已掌握的客 户信息，监控老客户或问题客户的风险变化，还可以最快地洞悉新客户 的信用状况，为业务决策提供信息支持。邓白氏商业资信报告主要包括：注册信息，历史记录,付款记录和付款指数，财务信息，公共信息，营运状况及企业家族关系,以及邓白氏评级风险指数和行业标准。 (2)信用管理咨询服务。是由邓白氏的商务咨询顾问，运用邓白氏信用风险管理知识，为企业提供的旨在帮助企业建立和调整其信用管理体系 的咨询服务，以支持企业更好地管理客户和应收账款，减少坏账，优化现金流量。邓白氏商务咨询顾问首先通过与企业各相关部门的访谈，了 解企业的行业状况、业务需求和现有信用管理水平。然后提供项目报告，协助企业确立其今后发展各阶段的信用管理目标，提出相应的信用管理解
大数据时代的金融征信
大数据时代的金融征信 先从征信的概念说起吧，放贷机构之“征信”是放贷机构基于内部信息的风险管理过程，而征信行业之“征信”是为放贷机构的风险管理提供外部信息支持的活动，包括来自征信系统的通用化征信报告和来自资信调查机构的定制化资信调查报告两大类。 征信系统通过放贷人之间的信息共享机制，为放贷人提供了仅以自身永远无法获得的信息，服务于放贷活动和信贷市场。征信系统坚持两大原则：第一是互惠原则，只有首先报数据才能查数据。第二是全面共享原则，同质信息的共享是全面（正面信息和负面信息都有）对等的。此外，通过征信系统业已建立的信息共享渠道，集中采集、使用公共信息，可满足放贷机构“虽能获得、但成本高”的那部分信息需求，也是征信系统的潜在作用。征信系统主要有以下几个特点。 资信调查是由授信机构发起的、针对被调查对象的信用调查、信息采集和加工的活动，其主要产品也由标准化的信用报告演化为量身定制的资信调查报告等，服务的对象也由信贷市场中的放贷机构，逐步延伸到社会经济生活的其他方面。 2013年，世界银行国际征信业委员会制定的《征信国际通用原则》指出，征信系统促成放贷机构共享其客户的借贷信息，有效降低了单个放贷成本和整个社会融资信息的成本。《原则》也为各国征信系统建设制定了指引，具体包括：征信数据要准确、及时和充分，信息来源制度化、系统化，数据保存足够长的时间；二是数据处理要安全、可靠、高效；三是在法律和监管环境上要确保清晰、可预测、非
歧视性、恰当并支持数据主体权利；四是在征信机构的治理上要确保机构治理科学有效等；五是在条件允许时促进数据的跨境流动。 《原则》也为评价一个征信体系的发展状况制定了相应的指标。一个完善的征信系统，应该包括：在信息覆盖面上，尽可能地对放贷机构、借款人群和地域上的全覆盖；在数据采集、挖掘中满足放贷机构、信息主体、监管部门等征信系统参与各方对信息的需求；征信系统要尽可能在保障信息主体的知情权、使用权、异议权等征信权益和促进公平信贷之间的平衡，在促进信贷市场发展、保障公平信贷权利、促进信贷市场有效竞争等方面发挥积极的作用。这为各国征信业的发展提供了有效的指导性纲领。 再说说我国征信系统的基本情况。 我国的企业征信系统1992年起源于深圳的企业贷款证，个人征信1999年在上海试点，人民银行历时20多年，建成了世界最大、全国统一的企业和个人征信系统。 目前，全国集中的数据库，通过与公安部身份联网核查和质检总局组织机构代码联网核查，与金融机构一点接入，达到秒级响应的高效率访问，实现全国范围内统一的制度、标准、授权和管理。 目前，我国征信系统主要采集身份信息、信贷信息、非金融负债信息三大块，涵盖了贷款、贸易融资、保理、票据贴现等各类企业授信产品，以及个人消费贷、住房抵押贷款、信用卡、个人经营性贷款等个人信贷产品。 从借款人来看，征信系统收录的企业和自然人数已居全球前列。
浅谈征信体系建设的国际经验及其启示
浅谈征信体系建设的国际经验及其启示 摘要：征信体系建设是完善我国社会主义市场经济体制的重要举措。在发达国家，征信体系建设已较为成熟，形成了美国和欧洲大陆两种有代表性的模式。美国是一种民营化模式，欧洲大陆则主要是公共征信模式。这些代表性模式对我国正在进行的征信体系建设具有重要的启示意义，我们应选择适宜的征信模式、建立高度的社会信用，加强法制建设，以最终完善我国征信体系。 关键词：征信；征信体系；美国模式；欧洲大陆模式 一、引言 当前，我国正在致力于现代市场经济建设，经济活动也在有序的进行。我们知道，经济活动的基本行为是交易，而交易顺利实现的前提是交易参与者都诚实守信。然而，信息的不对称是人类交易活动中难以克服的基本难题，有的交易者便利用这一难题采取机会主义行为，以欺诈的手段、损害他人利益来谋取自身利益的最大化。应该指出，近些年来，我国市场中的信用问题十分突出。在商品市场，虚假广告、假冒商品、计量不足、欺诈骗销等不讲诚信事件层出不穷；在资本市场，上市公司造假、基金黑幕、内幕交易、股评黑嘴等背信弃义事件时有发生。要解决此类问题有赖于完善的社会信用制度的建立。建立完善的社会信用制度是一个十分复杂的系统工程，需要付出长期、艰巨的努力，其中一个非常重要的方面是建设现代征信体系。在西方发达国家，征信体系经历了多年的建设，积累了许多经验，值得我国借鉴。 二、国外征信体系的两种典型模式 征信是指某一机构(如征信公司)对法人或自然人的信用状况和与此相关的其他信息进行系统调查和评估。从专业分工角度看，征信注重于有关信息的收集、加工和整理。其基本功能是代理客户对交易另一方的资历、信用等方面的情况进行调查，为决策人选择授信、选择贸易伙伴、签约、确定结算方式以及处理逾期账款等提供参考。经过多年的发展，征信行业形成了一定的种类或层次，即征信体系。从征信对象角度，征信可分为“个人征信”和“征信”。从征信信息的广度分，征信可分为“同业征信”和“联合征信”。前者是指采集信息仅限于某一个具体的行业或领域，例如，仅从银行系统采集被征信者的信息；后者是指征信机构与相关行业如银行、工商、税务、海关等合作，把分散在相关行业的法人和自然人的信用信息，进行采集、加工、储存，形成信用信息数据库。有些学者还
大数据在金融行业中的作用
大数据在金融行业中的作用 进入2012年，大数据吸引了越来越多人的关注，也不断应用于各个领域，笼统的说就是在管理领域和科研领域都发挥了巨大的作用。特别一提的是，大数据在金融行业的发展中具有深厚的意义。 大数据具有“4V”的特点，即数量巨大、数据类型多、价值密度低、处理速度快四个特征。结合于金融行业，金融业本身就是大数据的重要产生者，交易信息、调查报告、业绩报告、消费者研究信息等都是数据来源，而且数据是作为金融行业的核心资产，当从海量的、多类型的数据中提取出有用的数据，哪怕只是一两条有用的结论，都是具有巨大的商业价值，成为金融行业竞争力的重要来源。在我看来，大数据在金融行业中发挥的作用具体有以下几点。 一、实现精准快的营销 应用大数据技术，金融业实现了在海量信息中快速提取有用信息，并进行分析整合，大大减轻了数据存储、数据的有效利用的巨大压力。例如，中信银行利用GREENLUM数据仓库解决方案提供了同样的客户视图，更有针对性的进行营销，在2011年，成功快速的进行了1286个宣传活动。二、加强了风险的可审性和管理力度，支持精细化管理 金融机构希望能够收集和分析大量中小微企业用户日常交易行为的数据，判断其业务范畴、经营状况、用户定位、资金需求和行业发展趋势。而大数据技术的创新和发展，很大程度上解决了了解用户经营状况的难题。例如阿里信贷通过网络低成本广泛采集客户的各类数据信息，分析挖掘的数据，判断客户资质，用户可以24小时随用随借、随借随还。 三、带来金融服务和产品的创新 金融业借助社交网络等新平台产生了海量用户和数据，记录着用户群体的兴趣偏好情绪等，对其客户行为模式进行分析，可以带来更贴近客户需求的产品创新。例如，领先的零售企业通过监控客户的店内走动情况及其与商品的互动，与交易记录相结合开展实验，就可以指导选择商品种类、摆放货品、调整售价。 四、带来新的用户体验 大数据时代的到来使得金融业为客户带来更多新的用户体验，例如花旗银行通过社交网络、公共网页上得到的客户记录来细分客户，按照客户行为进行分类，为客户提供质量一致的客户体验。 总之，与传统金融相比，大数据给金融带来了金融服务和产品创新、以及用户体验的变化，创造了新的业务处理和经营管理模式，对于金融业的数据需求和管理、信用和风险特征等方面产生了重大影响，显著提升了金融体系的多样性。
美国消费者征信服务公司的运作模式与特点
美国消费者征信服务公司的运作模式与特点美国具有完善的个人信用制度，并以此为基础形成了庞大的信用交易规模。通过对美国个人信用制度的考察，我们发现充满活力的消费者征信服务公司及其独特的业务运作不仅是美国完善的个人信用制度的重要内容，而且是美国个人信用制度正常运转和信用交易开展的重要保障。因此，系统介绍美国消费者征信服务公司的产生与发展及其业务运作模式对我国个人信用体系的建立具有重要借鉴意义。 一、美国消费者征信服务公司的产生及其业务发展 美国的消费者征信服务公司是专门从事消费者个人信用调查的专业公司，其基本工作是收集消费者个人信用记录，合法地制作消费者个人信用调查报告，并向法律规定的合格使用者有偿出售消费者信用报告。 美国第一家消费者征信服务公司于1860年在美国纽约的布鲁克林成立，经过100多年的发展，美国已经成为世界上个人征信服务业最为发达的国家。但是美国的个人征信服务业并不是一开始就非常发达，而是经过了长期发展和多重变革才达到了目前的发达程度。 (一)个人征信服务业从不发达逐渐走向发达 美国个人征信业务发展较早，但是第二次世界大战之前美国个人征信公司的业务发展一直较为缓慢，其中一个很重要的原因是当时的信用交易不够发达。虽然19世纪中叶美国就开始了信用交易，如厂商以分月付款形式销售钢琴、缝纫机和汽车等商品，但美国的信用消费大规模开展则始于二战之后，战争回来的人们对买车、买房、受教育
等对的巨大需求加速了信用交易的发展。美国1969年的信用消费交易额达1100亿美元，是25年前的20倍，截至2001年底，美国信用卡发放量为14亿张，抵押贷款余额为4.7万亿美元，消费信贷余额为1.5万亿美元，信用消费已经成为美国人的基本消费方式，几乎每个成年人都离不开信用消费，消费者申请信用消费时，信用授予方都需要对消费者的信用资格、信用状况和信用能力进行评价，这种评价的主要依据是个人征信机构提供的信用报告。信用消费规模迅速扩张极大地促进了个人征信服务业的发展，目前美国消费者个人信用报告的交易量达到每年11.4亿份。 (二)个人征信服务市场从充分竞争向垄断竞争转变 自从第一家消费者征信服务公司诞生起，随着市场需求的不断扩大，消费者征信服务公司数量不断增加，到20世纪70年代达到2200多家的高峰，这些公司都向社会提供信用产品与服务，整个市场处于充分竞争的格局。随后的发展中，经过充分的竞争和市场选择，目前美国个人征信服务市场形成了以EQUIFAX公司、益伯利（Experian）北美公司和环联（Transunion）公司等三大全国性消费者征信服务公司为主体，其余400余家小型或地方型消费者征信服务公司共存的市场格局。一方面这些消费者征信服务公司保持着相互竞争的关系，相互竞争促进产品质量不断提高，服务不断完善，为美国个人征信服务业保持快速发展提供源源不断的动力。另一方面，各消费者征信服务公司在相互竞争中也保持充分的合作关系，不仅小公司与小公司之间保持合作，而且三大公司与小公司之间、三大公司相互之间也保持着