基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融信用評估模型研究

金婕 張嵐 趙玉明

摘 要：近幾年來，世界金融進入了互聯(lián)網(wǎng)金融的時代，互聯(lián)網(wǎng)金融迅速的發(fā)展，基于傳統(tǒng)金融模式建立的信用評估方法已經(jīng)無法適應(yīng)創(chuàng)新的、快速發(fā)展的互聯(lián)網(wǎng)金融時代，因此，亟需建立與互聯(lián)網(wǎng)金融相匹配的信用評估模型。文章從大數(shù)據(jù)出發(fā)，針對互聯(lián)網(wǎng)金融的特點，按照大數(shù)據(jù)的處理方式進行系統(tǒng)層級劃分，構(gòu)建了基于大數(shù)據(jù)分析的互聯(lián)網(wǎng)金融信用評估模型。

關(guān)鍵詞：大數(shù)據(jù)分析；互聯(lián)網(wǎng)金融；信用評估模型

基金項目：本文系湖北省教育廳科學(xué)技術(shù)研究計劃指導(dǎo)性項目（項目編號：B2016470）研究成果。

1 互聯(lián)網(wǎng)金融現(xiàn)狀分析與特點

互聯(lián)網(wǎng)金融（ITFIN）是指不同于商業(yè)銀行間接融資，也不同于市場直接融資，是傳統(tǒng)金融機構(gòu)與互聯(lián)網(wǎng)企業(yè)利用互聯(lián)網(wǎng)技術(shù)和信息通信技術(shù)實現(xiàn)資金融通、支付、投資和信息中介服務(wù)的新型金融業(yè)務(wù)模式。

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，互聯(lián)網(wǎng)金融不是互聯(lián)網(wǎng)和金融業(yè)的簡單結(jié)合，而是互聯(lián)網(wǎng)向金融行業(yè)滲透的表現(xiàn) 尤其是在用戶數(shù)量和資金規(guī)模上，在實現(xiàn)安全、移動等網(wǎng)絡(luò)技術(shù)水平上，被用戶熟悉接受后（尤其是對電子商務(wù)的接受），自然而然為適應(yīng)新的需求而產(chǎn)生的新模式及新業(yè)務(wù)。

互聯(lián)網(wǎng)金融具有成本低、效率高、覆蓋廣、發(fā)展快、管理弱、風(fēng)險大等特點。

2 傳統(tǒng)模型無法適應(yīng)互聯(lián)網(wǎng)金融發(fā)展的需要

信用風(fēng)險又稱為交易對方風(fēng)險或履約風(fēng)險，指交易對方不履行到期債務(wù)的風(fēng)險。由于交易對象違約，或者交易對象信用等級變動，導(dǎo)致的資產(chǎn)市場價值波動而發(fā)生損失的可能性。場內(nèi)衍生交易和場外衍生交易各自所涉的信用風(fēng)險也有所不同

因此有效管理信用風(fēng)險是金融機構(gòu)的重要工作，對信用風(fēng)險評估量化是管理信用風(fēng)險的重要前提。當(dāng)前的信用風(fēng)險評估體系均是建立在傳統(tǒng)金融的基礎(chǔ)之上的，然而針對傳統(tǒng)金融建立的信用風(fēng)險量化評估方法卻無法很好的滿足迅猛發(fā)展的互聯(lián)網(wǎng)金融信用管理需求，主要表現(xiàn)特征如下：

第一，在數(shù)據(jù)來源和內(nèi)容方面，傳統(tǒng)信用評估模型信息維度比較低，傳統(tǒng)征信數(shù)據(jù)來自于傳統(tǒng)金融領(lǐng)域。在大數(shù)據(jù)背景下，個人消費者出現(xiàn)許多信息維度，如網(wǎng)絡(luò)消費、網(wǎng)絡(luò)支付、社交網(wǎng)絡(luò)等，傳統(tǒng)信用評估模型解決問題的能力越來越受限。

第二，在評估的時效性上，傳統(tǒng)信用模型評估及時性方面不足，傳統(tǒng)的信用評估模型關(guān)注評估對象的歷史信息，致力于深度挖掘。在大數(shù)據(jù)與互聯(lián)網(wǎng)金融高速發(fā)展的今天，傳統(tǒng)金融信用評估模型在評估實時性上的短板越來越明顯。

第三，傳統(tǒng)的模型中，無法覆蓋全體人群在信用評估對象覆蓋面上，截至2018年底，人民銀行中有征信記錄的約3.2億人，約占總?cè)丝跀?shù)的24.7%，而美國征信體系86%的覆蓋率。

3 互聯(lián)網(wǎng)金融信用評估模型

互聯(lián)網(wǎng)金融信用評估模型是基于大數(shù)據(jù)背景下產(chǎn)生的，為更好地把握互聯(lián)網(wǎng)金融行業(yè)的發(fā)展機遇，推動互聯(lián)網(wǎng)金融信用體系建設(shè)，促進互聯(lián)網(wǎng)金融健康發(fā)展，通過收集個人或企業(yè)在互聯(lián)網(wǎng)交易或使用各類互聯(lián)網(wǎng)服務(wù)過程中留下的信息數(shù)據(jù)，共同啟動互聯(lián)網(wǎng)金融信用評估模型

3.1 模型的設(shè)計與分層

秉承獨立、公正、客觀的原則，采取科學(xué)的評級方法，合理、規(guī)范的評級程序，按照高度結(jié)構(gòu)化方式進行模型的設(shè)計，其中最為重要的手段就是分層。每一層都建立在下層之上。每一層的目的都是向它的上一層提供一定的服務(wù)，通過對互聯(lián)網(wǎng)金融平臺的合法性、經(jīng)營能力、負(fù)面信息、產(chǎn)品能力、平臺背景、財務(wù)信息等50余項指標(biāo)進行查證，客觀真實地評估其經(jīng)營能力，最終以簡明的符號表示出來。層按功能來劃分，每一層都有一個或多個功能單元，相鄰層之間通過接口來進行相互關(guān)系，接口定義下層向上層提供的原語操作和服務(wù)。

互聯(lián)網(wǎng)金融信用評估模型共分為四層，由下而上依次是數(shù)據(jù)處理層、數(shù)據(jù)整合層、數(shù)據(jù)分析層、數(shù)據(jù)解釋層。原始數(shù)據(jù)為入口，大數(shù)據(jù)經(jīng)過數(shù)據(jù)處理層完成大數(shù)據(jù)結(jié)構(gòu)化處理、數(shù)據(jù)整合成對結(jié)構(gòu)化之后的數(shù)據(jù)進行整合、提取出相應(yīng)的特征指標(biāo)數(shù)據(jù)，數(shù)據(jù)分析層將特征指標(biāo)數(shù)據(jù)做為分析模型的輸入，進行數(shù)據(jù)分析，并最后得出相應(yīng)的分?jǐn)?shù)。數(shù)據(jù)解釋層將不同分析模型的分析數(shù)據(jù)進行投票，得出最終的評估結(jié)果。

3.2 模型數(shù)據(jù)流程圖

基于大數(shù)據(jù)的互聯(lián)網(wǎng)金融信用評估模型處理的數(shù)據(jù)來源是多元化的，其中傳統(tǒng)金融數(shù)據(jù)、用戶數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等原始數(shù)據(jù)。數(shù)據(jù)處理層將非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)數(shù)據(jù)進行結(jié)構(gòu)化處理，并在結(jié)構(gòu)化數(shù)據(jù)中進行統(tǒng)計、分類等操作，將結(jié)構(gòu)化數(shù)據(jù)中提取元變量，將元變量作為數(shù)據(jù)處理層的輸出服務(wù)，提供接口供數(shù)據(jù)整合層處理。數(shù)據(jù)整合層將元變量做為輸入，經(jīng)過并聯(lián)分析、特征提取等數(shù)據(jù)整合處理的算法，計算得出對評估對象進行描述的特征指標(biāo)。數(shù)據(jù)分析層根據(jù)特征指標(biāo)，選取合適的分析模型，如決策樹、人工神經(jīng)網(wǎng)絡(luò)等分析模型進行計算，得出分析模型的結(jié)果分析分?jǐn)?shù)。在數(shù)據(jù)解釋層，根據(jù)不同模型的評估分?jǐn)?shù)，進行投票處理，最后得出評估的結(jié)論。

3.2.1 數(shù)據(jù)處理層

數(shù)據(jù)處理層的功能是數(shù)據(jù)結(jié)構(gòu)化、數(shù)據(jù)清洗和整理原始數(shù)據(jù)、提取元變量為上層調(diào)用。將原始數(shù)據(jù)進行結(jié)構(gòu)化并提供方便、可靠、統(tǒng)一的數(shù)據(jù)操作接口，在此基礎(chǔ)上，根據(jù)上層對輸出元變量的定義需求，進行元變量的整理，以便上層功能單元的調(diào)用。

3.2.2 數(shù)據(jù)整合層

從特征的定義出發(fā)，確定分析需求，對數(shù)據(jù)進行重新整合，提取與之對應(yīng)的分析數(shù)據(jù)。數(shù)據(jù)整合是保證分析結(jié)果可靠性、準(zhǔn)確性必不可少的環(huán)節(jié)。數(shù)據(jù)整合層對分析需求的確定、特征的定義、數(shù)據(jù)的整合與提取。對分類數(shù)據(jù)集進行關(guān)聯(lián)分析，并根據(jù)特征集進行相關(guān)特征提取，從多維度描述評估對象的特征。

3.2.3 數(shù)據(jù)分析層

數(shù)據(jù)分析層。將收集的多種信息輸入到不同的數(shù)據(jù)分析模型中去。其中，機器學(xué)習(xí)預(yù)測模型可以分為若干種，如人工神經(jīng)網(wǎng)絡(luò)模型、回歸模型、決策樹模型等。對評估對象的數(shù)據(jù)信息進行分析，并得出多維度的、可測量的指標(biāo)，在經(jīng)過機器學(xué)習(xí)模型計算評估之后，得出一個評估分?jǐn)?shù)。

3.2.4 數(shù)據(jù)解釋層

在得出評估結(jié)果之后，將每一個模型輸出的結(jié)論按照模型投票的原則、或者是其他方法，形成最終的信用分?jǐn)?shù)。

參考文獻(xiàn)

[1]張郁.當(dāng)前互聯(lián)網(wǎng)金融征信發(fā)展的探討[J].現(xiàn)代商貿(mào)工業(yè)，2019（14）.

[2]付娉.互聯(lián)網(wǎng)金融背景下我國金融征信系統(tǒng)融合發(fā)展研究[J].新疆農(nóng)墾經(jīng)濟，2018（03）.

[3]張瀅.淺析中國個人征信行業(yè)與互聯(lián)網(wǎng)金融發(fā)展[J].現(xiàn)代商業(yè)，2018（24）.

[4]鞏偉.互聯(lián)網(wǎng)金融背景下征信機構(gòu)發(fā)展分析及對策建議[J].河北金融，2018（06）.