关闭
?
?
您所在的位置:首页 > 详细资讯 > 许卫:金融科技在普惠金融的实践 一套路径解决三大问题
?

许卫:金融科技在普惠金融的实践 一套路径解决三大问题

腾讯财经1129日讯第二届税银互动论坛在北京召开,微众税银CRO许卫在发表题为《金融科技在普惠金融的实践》的主题演讲时首先指出,在实践过程中遇到的三个问题:?

第一个问题,市场在哪里?在20162017年的时候,做个人信贷、消费金融,甚至是一些信用贷都会成为一个市场热点。在去年年底金融监管的引导下面,市场趋向更加理性。今年像信用卡,虚拟信用卡,消费金融等领域都得到了很大的发展。实际上在个人信贷领域,如火如荼的今天,其实还有很大的市场,始终没有得到足够的服务,那就是2B端的市场。?

第二个问题,客户在哪里?实际上根据现在统计,中国有两千到三千万的小微企业,有六千万的个体工商户和一般小额纳税人,这是一个亿级的客群和庞大的客户。怎么样连接那些真正有信贷需求的人群?怎样寻找到这些人群??

第三个问题,风险在哪里?怎么识别客群,做好反欺诈,做好信用的风险评估?怎样给他们定额度、定利率?最后怎么做贷后的监控?

?针对这三个问题,许卫表示做了很多尝试、实践,找到了一条行之有效的路径,他从四个方面来分享:

?首先,数据。数据是所有金融科技的基础。微众税银做这件事情,首先是以数据为核心,然后整合了其他第三方的数据,对这些数据进行详细的清理、加工,然后转化,有做过模型的可能知道,在数据的处理上要占到70%的时间,这是一个庞大工作量的事情,也非常有技术含量。

?第二,模型。如果说画龙点睛的话,模型可能是最后点睛那一笔。用机器学习等等各种模型的方式,来评估风险、市场的这些问题,去找到解决方案。

?第三,策略。有些人可能会觉得风险就是模型,模型就能解决风险,这是一个错误的观点。对于风险管理来讲,量化驱动的策略,绝不仅仅是一个模型。

?最后,把整个一套东西包装成产品,许卫称微众税银提供两种产品:

?1、保准化的产品,涵盖一体化信贷的产品,涵盖贷后的产品,这是标准化的产品。

?2、个性化的服务方案,会跟各种金融机构合作,提供个性化的服务,根据需求进行定制。

?接下来我从四个方面给大家展开进行一些简单分享。

?数据土壤,简单讲一下:

?首先,为什么小微企业融资是一个世界性难题,在中国我们找到一条路径,跟中国的特色分不开。现在我们是有营改增的改革,从2016年开始,这使我们税务数据的可用性大大提高。

?第二个,是我们金税三期的实施,使税务数据实现了互联互通,让一切成为可能。

?第三个,银税互动打通了数据孤岛的效应,让金融机构能够享用和使用这些数据。

?接下来,许卫指出:我们现在做的数据不是节点上的数据,在任何企业申请的时候,会看到它一段时间的维度,我们叫做“2+N”,也就是两到三年左右的时间。如果一个企业只看它一年的信息,可能不够全面,我们看两到三年,可以看到它的趋势、增长、稳定度,这个实际上从数据的角度来讲是更有价值的。

?什么样的数据才叫大?这里面体现了四个方面: 1、数据量本身极大的扩张; 2、它的速率提升,是越来越快;3、数据的多样性,不但有结构化,而且有非结构化的数据;4、它数据的质量是参差不齐,所以我们对于数据处理的技术提出了更高的要求。

?

说到反欺诈和风险的决策,他认为,反欺诈是最早用到人工智能的,因为欺诈是一个高频的行为,而且变化非常快,这是一个道高一尺,魔高一丈的较量。所以对于模型的迭代速度和模型的精度要求非常高,它不是那么强调解释性,稳定性等,这个模型迭代速度也非常快。

?在整个风控里面,现在目前来讲最常用的算法应该就是这几种:最常规的逻辑回归的算法、决策树和神经网络、支持向量机。不同算法对系统的要求不同,肯定是传统的方法比较简单,神经网络是要求最高的。从使用的情况来讲,是从一个低维到高维逐渐展开的关系。当然机器学习的算法有一个非常大的好处,传统建模要几个月,要做很多数据信息,但对机器学习来讲,三天可以建一个模,甚至一天可以建一个模,因为少了很多的变量数据处理的阶段,直接把数据往里面一仍,模型可以有一个结果。

?说到产品的策略,许卫介绍,通过整个模型,打造从贷前预筛选,到贷中审批模型,额度和风险定价等等,一直到贷后监控的整套模型。通过这套模型,加上产品流程设计等等,其实从风控角度来讲,从产品角度来讲,从哪个渠道来讲都很重要,所以这个其实是一个全流程的风控。 既可以做全流程的风控,也可以做模块化的风控,也可以提供模块化的服务。

?他分享了一些案例:

?第一个案例,对企业的评估,比如从企业的成长能力、偿债能力、盈利能力、运营能力、管理能力等等五个方面对企业评估,得到一个评分,辅助金融行业进行决策。

?第二个案例,为某个银行做的小微企业新一代的信审模型,它的一个痛点是它没有样本,也没有向量化的审计经验。通过机器学习和传统模型的结合,充分挖掘样本和变量转换之后,做到模型能够快速上线,KS值大于0.4,目前不良率是低于1%。整合了涉税、第三方、工商、司法等等的数据,利用的现在机器学习的各种方法,最后对模型结果进行交叉验证。

?第三个案例,对个人经营贷的额度模型,这是为某个银行做的向量化的额度模型。实际上这个模型的背景是因为这家银行对企业收入难以核定,额度难以确认,通过模型来制定个性化的额度策略,首先解决了额度不足,难以吸引用户,替换率不高的问题;第二个通过差异化的额度来控制风险,降低不良率,目前来讲这个模型也得到一个很好的应用。通过对企业的风险、企业的经营状况和企业纳税状况多维度分析,得到最佳的维度策略。

?最后,他引用美国一家Fintech公司CEO的话:普惠金融最大的难点是我们对这个欠服务市场的不了解。他总结,公司有了数据,有了金融工具,然后做模型,用量化驱动的方法来区别风险,最后做产品,面向市场行之有效的。希望通过整个一套路径,来解决最开始提到的三个问题:市场在哪里?客户在哪里?风险在哪里?(网络转载)

?

信息交流
精品课程推荐
?
?
版权所有:365bet官网4118.vip_365bet体育在线赌场_365bet提款多久到账 皖ICP备09023317号 Copyright 2012 China All Rights Reserved
未经书面允许不得转载信息内容、建立镜像 建议您采用IE5.0或以上浏览器 使用1024×768以上分辨率浏本网页