小赢科技四周年,总裁成少勇在见面会上分享:它早已建好避风港

北京2018年8月27日电 /美通社/ -- 8月26日,小赢科技在北京举办用户见面会,这也是小赢科技四周年的生日纪念会,总裁成少勇回顾小赢四年来的发展表示,面对四大资产管理公司(AMC)协助化解P2P网贷爆雷风险及“108条检查清单”等规范网贷行业监管措施,“它早已建好避风港”。成少勇在见面会上说:“小赢一直以‘用户至上、极致体验、敬畏风险、创新共享’为核心理念,我曾在美国经历感受过经济危机,这让我们小赢更懂得了解风险、敬畏风险,防范风险”。

“我在美国Capital One(美国第一资本银行)工作时主要负责消费金融方面,对比美国与中国在消费金融、科技金融方面的技术水平,目前中国已经不输于美国甚至可以讲超过美国,小赢科技在这方面已取得很好的成绩,我对科技金融行业、对小赢科技充满信心”,小赢科技总裁成少勇在北京用户见面会上,信心十足的对投资人说道。

P2P从一出现,风险控制、安全合规就是行业发展的焦点问题,投资者经历过了各种各样的危机,而与之对应的是安全措施不断升级的过程。从毫无保障,到提供担保公司担保、第三方支付资金托管、保险公司承保账户安全险或抵押物安全险等措施,到合规后再升级出现的银行资金存管、保险公司承保“信用保证保险”,投资者资金安全保障措施不断升级。

小赢科技与众安保险合作,带着诚意满满的信用保证保险、华瑞银行资金存管,进入P2P投资者视野。小赢科技全程不触碰用户资金做好信息中介,同时如果借款人逾期,众安保险将在T+2日内自动赔付,成为整个中国互联网金融行业最高标准的安全标杆。值得关注的是,在四年时间里,小赢未发生一例不赔付情况。

事实证明,对网贷小白来说,在各种判断平台安全性的标签中,“信用保证保险”是坚挺度过几次行业风波,不受丝毫影响的标签,也是保障性最直接最强的标签。小赢科技在良好的安全口碑下,一步一个脚印走到现在。据官网信息披露,截至今年7月31日,小赢网金累计撮合借贷金额686.8亿元,借贷笔数611.3万笔,借贷余额160亿元,已经稳稳站在行业头部。四年时间,小赢科技从创业公司的“一张白纸”成长为“百里画卷”。

小赢科技总裁成少勇在用户见面会上讲话
小赢科技总裁成少勇在用户见面会上讲话

小赢的启程

小赢起步绝对算不上早,甚至说算晚的。2014年8月28日,平台刚刚入局,此时行业中大平台百舸争流,恰是各方争雄热火朝天的时候。

成少勇有超过20年的大型金融机构风险管理经验,在 Capital One、汇丰银行等任职,在认准了金融科技领域机会后,决定回国发展。彼时,多家互联网金融公司向成少勇抛出了橄榄枝,但最后被“一张白纸”的小赢科技“拿下”。

成少勇曾说过,“市场上当时有很多发展起来的公司都是自带场景和客户的,但是这种公司有各种各样存量的问题,你很难重新去设计已有的系统、流程以及管理方式等,一张白纸的话,反而好设计。”成少勇透露,另一个原因是小赢创立之初就开创了引入保险合作的模式,以及比较强大的股东背景。

在小赢这张白纸上,成少勇按照 Capital One 的模式从零开始进行商业流程设计。“我知道什么岗位需要请什么人,做什么事,不管是IT、风险还是运营,管理流程和管理制度都是按照以前 Capital One 的数据驱动业务模式来做。”成少勇说,“从一开始,这就是一个彻底的互联网数据驱动模式,小赢科技也是一家数据导向的科技公司、金融公司,没有传统金融、零售或者互联网公司本身的文化和模式的影响。”

建立稳固的避风港

在刚刚上线的一年里,小赢尝试在群雄割据的行业中寻找属于自己的业务方向,除了有面向小微企业经营的小赢优贷、个人消费信用卡代偿的小赢卡贷两个产品外,小赢也做过房产抵押贷或者与金融机构合作了一些产品,慢慢有了一番天地。

2015年10月15日,小赢理财(小赢科技前身)正式宣布与众安保险达成深度战略合作关系,由众安保险为其平台上的借款标的承保“信用保证保险”,在资本市场上,银行、保险公司的保障,是最高级别的保障。同时,小赢公布已获得周大福A轮6000万美金投资。彼时小赢理财平台上线一年多,交易额就突破了70亿,投资余额接近20亿元,已经初具第一集团军模样。

既然提到了是深度战略合作,就不仅仅是提供信用保证保险这么简单,双方进一步将风控流程与数据管理无缝对接,联合进行风控审核,而且小赢的借款标的都会在经过众安的风控审核之后,众安保险才会出具信用保证保险保单。

小赢投入近2亿元,独自研发的 WinSAFE 智能风控系统,依靠数据引擎、反欺诈模型、信用价值模型、抵押物估值模型与AI学习引擎构成的大数据风控系统,来分析借款用户价值、还款能力和还款意愿,依靠强大的数据处理与建模能力确保用户的资金安全。风控体系相关数据资料可以与数十个第三方数据源交叉验证,而且通过自动识别、秒级人脸识别与人脸分析等技术,可以带给用户更加智能化的体验。

信用保证保险模式以及高度自动化的风控系统给小赢带来了巨大的发展机遇。2017年3月2日,小赢宣布获得10亿元人民币B轮融资,并将小赢理财和小赢普惠刚刚升级为小赢科技。此次B轮融资的新增投资方有多个产业巨头的身影,涉及娱乐、地产、建筑、健康等多个领域,包括苏州金螳螂企业(集团),上海城市地产等。

厚积薄发

2015年和2016年是互联网金融平台合规升级重要的两年,这两年间,小赢科技停掉并出清了房产抵押贷等不符合监管方向的业务,开始将更符合传统金融补充定位,小额分散普惠金融方向的信贷产品小赢卡贷、小赢优贷作为主要发力方向。

小赢科技副总裁高鼎表示,在合规方面小赢一直走在全国前列,是全国少数在2018年4月前存量和增量业务完全符合国家颁布的各项法规规定的平台,并且已经拿到合格会计师事务所出具审计报告、律师事务所出具法律意见书;目前小赢科技的银行存管在上海华瑞银行,此前有银行属地化的要求,但目前这个要求有一些变化,改为存管银行需是网贷银行存管白名单银行,不过该名单还未公布,各位投资人也不需要担心,小赢科技也有接触深圳的银行,以便在有具体要求时,能尽快完成相关合规工作。

在讲完各项合规细节后,高鼎表示,“实际上,今天说的各项合规相关工作只是和投资人做一个简单的汇报,合规只是基础工作,是我们必须完成的工作,也是我们按照满分要求在做的工作”。

技术基底打好,合规工作也已做好,产品便呼之欲出,经过两轮融资的小赢科技在2017年开始加速。

找准方向的小赢科技发展可谓火速,厚积薄发的能量超乎想象,创造了业内神话。截2018年7月31日,小赢网金累计撮合借贷金额686.8亿元,借贷笔数611.3万笔,借贷余额160亿元,站稳行业头部位置;而标的投资金额按笔数分布,1万元以下的占81.2%、1-5万元的占17.03%、5-10万元的占0.56%、10万元以上的占1.21%,相较之前服务借款需求继续下沉并扩大服务范围,落实普惠金融。

满分要求的合规工作、自动化且有效的风控系统、众安保险提供的信用保证保险,敬畏风险打造高水准安全护城河,稳步向前,温馨的用户见面会让投资者更加了解这家金融科技企业,也让人们看到了小赢科技的未来。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值