产品库

河南誉泰认证服务有限公司为您提供信阳招投标信用评估报告哪家好相关信息,ZestFinance目前也正在向信用风险管理的其他领域纵深扩展，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，成为申请信贷的评估标准。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。

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～的人群有40%之多，其中信用分数在～大约占总人数的13%，在～超过总人数的25%，这是整个信用社会的中间，对应于美国的中产。其中，美国个人消费者的平均FICO评分为。还有大量的人群远低于平均的分，如FICO评分在～的占8%，在～的占5%，小于分的占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。

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。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。

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的，截至年12月，中国网民规模达18亿人，互联网普及率为8%，其中手机网民规模达5亿人，继续稳定增长。年中国网络购物用户规模达02亿人，网络使用率达到9%。截至年12月，我国使用网上支付的用户规模达到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。商务部研究院信用评级与认证中心通过多方合作，在信息、技术、知识产权、对外宣传等各方面资源共享，共同为投资、金融和企业提供服务。自年Themis纯定量异常值评级模型在上发明以来，经过对数十万家企业评级验证，是目前上预警准确率评级模型之一。