浅析芝麻信用分征信体系

在互联网大佬中,能将未雨绸缪之功力炼至极致的非马云莫属了,其所扔下的每一个棋子都会前思三招,后推九步,每一步商业布局都像是一枚运气极佳的的种子总能找到温润肥沃的土壤而后破土而发,十年遮风,百年纳凉。马老板曾苦心孤诣费尽心机地想把淘宝由一家广告公司转化为科技公司,现看来此梦想已日渐成形,待他日浪潮一起,便可将马云的阿里帝国继续推高一层。

在马云打的诸多牌中,有一张小牌,至少现在是一张小牌,但日后极有可能成为一张挟天子以令诸侯,盘活整个阿里帝国根基的砥柱王牌,它就是芝麻信用分。

本文暂不谈芝麻信用分业务布局、战略方向等宏观意义,而是从微观角度剖析芝麻信用分的征信体系的建立方法和形式评估。

一、 芝麻信用分的数据来源

相比较美国征信体系的完善性,我国信用体系仍处于一种群雄割据的战国时代,暂无统一数据来源和计算方法,大部分平台都是利用自身数据进行粗略评估,在此乱世之中,只有拥有全面而庞大的生态系统才可盘踞一方,而阿里因为其电商业务、互联网金融业务、云业务、互动娱乐业务等盘根错节的业务体系令其具有丰富的用户数据,作为盘活这些数据的芝麻信用分便应运而生。

现阿里巴巴涉及用户数据的业务可分为以下几个部分:

(1)电商平台:主要包括C2C平台淘宝网、B2C平台天猫、团购平台聚划算、跨境零售平台AliExpress、国内批发平台1688、以及跨境批发平台Alibaba等;

(2)互联网金融:阿里巴巴近年来业务发展重点,主要有支付、小额贷款、担保、金融零售(理财+保险)四大业务。其中,支付业务以支付宝为核心,以第三方身份为消费者提供资金安全服务;贷款业务主要是面向阿里巴巴卖家、天猫卖家、以及淘宝卖家的阿里小贷;担保业务由商城融资担保有限公司向平台卖家提供融资担保业务;金融零售业务由保险和理财两部分组成,其中,保险业务由众安保险提供针对商家和消费者的保险服务,理财业务主要以支付宝为载体,向普通用户售卖理财类产品。

(3)阿里云:阿里云已经成长为一个集合弹性计算、数据储存、大规模计算、安全与管理、应用服务的综合性技术平台。阿里云已将其服务对象扩充至全网,并开始关注细分行业,推出移动云、游戏云、金融云等服务,与诸多省份合作的智慧城市、大数据方面的业务也为阿里提供了大量的用户行为数据。

(4)互动娱乐:阿里的非核心业务,目前主要通过收购股权进入已获得市场地位的应用来实现。阿里巴巴的泛娱乐业务由影视、游戏、音乐、阅读等板块构成。

二、 芝麻信用分征信评估维度

芝麻信用釆用“FICO”分的评分体系,从信用历史、行为偏好、履约能力、身份特质、人脉关系等方面综合评分,分数分为五个级别:较差(350-550)、中等(550-600)、良好(600-650)、优秀(650-700)、极好(700-950)。芝麻信用虽然参考了 “FICO”分模型,但是,作为基于互联网用户行为数据的评估体系,芝麻信用有自己的特点。

芝麻信用的评估维度分为:身份特质、信用历史、行为偏好、履约能力、人脉关系五个维度。

(1)身份特质:指用户的年龄、性别、职业、家庭状况、婚姻情况、收入水平等基本信息;

(2)信用历史:指用户在过往发生的债务活动中的表现,主要是过往信用卡的还款记录以及信用账户历史;

(3)行为偏好:指用户在购物、缴费、转账、理财等活动中的偏好及稳定性;

(4)履约能力:指用户在进行各类信用服务中的屐约表现,如使用打车应用最终是否完成和司机的约定,预定酒店后是否按时到店等;

(5)人脉关系:用户好友的信用等级以及用户和好友的互动程度。

三、 芝麻信用分征信评估指标

由于芝麻信用拥有较为丰富的评估数据来源,因此其评估指标也非常多样,经过分析,我们把芝麻信用的评估指标分为基本信息、消费偏好、支付和资金、人脉关系、黑名单信息等五类,详细情况如下:

1、基本信息类指标。主要包括用户的身份信息和注册信息两方面,其中,身份信息有用户的年龄、性别、家庭状况、职业等指标,注册信息包括用户在芝麻信用注册时的注册方式、是否实名认证、注册时长等指标。基本信息指标主要是反映用户的大致形象,让授信机构对用户的身份特质有初步了解;

2、消费偏好类指标。主要包括消费场景、消费层次、是否进行消费分享等指标。其中,消费场景是指用户网络消费时购买的商品或服务的类型,如出行是乘坐飞机还是火车、预定什么星级的酒店、购买服饰的种类等;消费层次是指用户一定时间段内(周、月、年)的消费总额,以此来反映用户的经济水平以及其经济能力的变化情况;

3、支付和资金类指标。主要包括信用卡数量、信用卡开户时长、银行卡数量、银行卡种类、信用卡额度等,通过这些指标来反映用户的资产状况以及还款能力。

4、人脉关系类指标。主要包括人脉圈信用度,即社交圈内其他用户的信用水平,微博活跃度,微博粉丝数,微博影响力,即微博转发评论数量等指标。人脉信息类指标是互联网征信独有的评估维度,人脉关系指标可以反映用户的社会资产状况;

5、黑名单信息类指标。主要包括是否有过公检法不良记录、信用卡是否有逾期还款行为、网络消费时是否存有过欺诈行为、水电气缴费是否及时、预约酒店出租车是否有违约行为等,主要用来反映用户的个人品行及履约能力。

芝麻信用分最大的核心价值之一在于其繁复的信用评估体系,如此重要的核心体系怎是我等非内部人员所知之秘密?所以阿里内部针对芝麻信用分信用评估体系必定进行强保密制度,非涉内人员必定难知一二,所以很遗憾的告诉大家其内部的复杂计算方式笔者无法获知,但即使白壁仍有微瑕,芝麻信用分完美的保密制度之下仍有可解之处。中国互联网的发展凭借模仿同领域鼻祖的后发优势方才争得一席之地,芝麻信用分便是典型之一,其复杂的信用评估体系正是来自美国官方信用评分体系FICO评分系统的灵感和指引,在FICO科学家的参与下完成的,虽融入中国国情,但其精髓万变不离其宗。故下文将通过解析FICO征信评估体系的曲线救国方式来方便大家对于芝麻信用分信用评估体系的理解。

一、FICO信用评分体系解析

影响 FICO 评分的主要因素 FICO 评分模型中所关注的主要因素有五类 , 分别是客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户。

在芝麻信用评级的系统里面,个人评级的方法,与 FICO 体系极为类似。

(一) 偿还历史

影响得分的最重要的因素是客户的信用偿还历史, 大约占总影响因素的35%。支付历史主要显示客户的历史偿还情况, 以帮助贷款方了解该客户是否存在历史的逾期还款记录, 主要包括:各种信用账户的还款记录、公开记录及支票存款记录、逾期偿还的具体情况(包括逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等)。

(二) 信用账户数

该因素仅次于还款历史记录对得分的影响, 占总影响因素的30%。对于贷款方来讲, 一个客户有信用账户需要偿还贷款, 并不意味着这个客户的信用风险高。相反地, 如果一个客户有限的还款能力被用尽, 则说明这个客户存在很高的信用风险, 有过度使用信用的可能, 同时也就意味着他具有更高的逾期还款可能性。该类因素主要是分析对于一个客户,究竟多少个信用账户是足够多的, 从而能够准确反应出客户的还款能力。

这类因素具体包括 :仍需要偿还的信用账户总数、仍需要偿还的分类账户数、信用账户的余额、总信用额度的使用率、分期付款账户偿还率。

(三)使用信用的年限

该项因素占总影响因素的15%。一般来讲, 使用信用的历史越长, 越能增加信用得分。该项因素主要指信用账户的账龄, 既考虑最早开立的账户的账龄, 也包括新开立的信用账户的账龄, 以及平均信用账户账龄。

(四)新开立的信用账户

该项因素占总影响因素的10%。在现今的经济生活中, 人们总是倾向于开立更多的信用账户, 选择信用购物的消费方式, 评分系统也将这种倾向体现在信用得分中。据调查, 在很短时间内开立多个信用账户的客户具有更高的信用风险, 尤其是那些信用历史不长的人。该项因素主要包括 :新开立的信用账户数、新开立的信用账户账龄、目前的信用申请数量、贷款方查询客户信用的时间长度 、最近的信用状况。

(五)正在使用的信用类型

该项因素占总影响因素的10%, 主要分析客户的信用卡账户、零售账户、 分期付款账户、金融公司账户和抵押贷款账户的混合使用情况, 具体包括 :持有的信用账户类型和每种类型的信用账户数。

二、 芝麻信用征信模式的不足

相比较FICO征信体系,芝麻信用分在取其精华的基础上必定会结合中国国情及各项数据指标来进行综合评析,现总结芝麻信用分的四点不足如下文:

1、线上个人信息安全和隐私保护存在较大风险隐患

一是采集的个人信息不合规。芝麻信用采集的数据来源于互联网的大数据,这些数据是否包含禁止采集或限制类信息不得而知,且采集的数据显然未经过本人授权。

二是个人信息保护存在风险。即使平台要求与芝麻信用开展合作的商家在每次根据用户芝麻分情况提供金融产品和信用服务之前都应第一时间推送给个人以进行授权,但在手机或电脑上简单地点击确认授权无法辨别该授权人是否为信息主体本人,或是否为信息主体本人自愿授权,个人信息和隐私保护存在较大风险。

2、数据采集维度不够完整,信用评分难以反映信息主体真实信用状况

一是数据来源以本行业内数据为主,数据采集维度不够完整。芝麻信用采集的信息数据虽然规模很大,但其所获取的数据集中于其所处的行业领域,“阿里体系”内数据仍是芝麻信用采集信息的主渠道,其他行业或领域的数据维度不够完整。例如芝麻信用对个人社交信息数据采集相对较少。

二是缺少金融机构的信贷数据作为支撑。目前芝麻信用未能接入央行征信系统,导致芝麻信用分的计算中缺少对个人银行信贷信息的衡量,这使得芝麻信用在个人信用评分结果的准确性上存疑。

3、个人信用信息主体异议处理和救济难度大

目前,芝麻信用通过支付宝向公测用户推送芝麻信用分, 但并未告知用户对芝麻信用分存在异议时的救济手段。特别是目前支付宝用户的身份验证还存在较多问题的情况下,支付宝仅表示相关用户可以提供身份证、驾驶证、户口薄等身 份证件对冒用账户进行停用,并不能提供有效的解决异议信息的方案。一旦信息主体对芝麻信用分结果产生异议,很难找到异议或投诉的渠道,造成信息主体维权难。

4、 “刷信用”行为和互联网低门槛可能加剧信用违约风险

一是信用评分结果易产生“刷信用”的逆选择。芝麻信用的信用评分结果由五个维度共同决定,并声明不能通过某一两项行为来提高信用评分,避免了用户恶意作弊反向套取积分。但根据芝麻信用公测期间,体验用户“晒出”的芝麻分值对比分析,芝麻信用分高的用户往往都是阿里体系的“高频”用户,反映出芝麻信用分以阿里巴巴旗下淘宝、天猫等电商平台的消费额度以及蚂蚁金服旗下支付宝、余额宝服务如信用卡还款、转账、互联网理财等为重要评分标准的现实情况,这就给用户通过在阿里体系内人为地增加资金往来频率,“刷信用”以提高芝麻信用分带来可能,这种评分结果必然会增大信用违约风险。

二是互联网的低门槛或将增加信贷违约风险。由于互联网消费和服务的群体广泛,芝麻信用分的评分主体中包括无收入能力或稳定收入来源的人群,目前芝麻信用分已涉足个人消费金融领域,这类群体通过芝麻信用分获取个人金融服务也会使违约风险有所增加。


  • 6
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
进化算法(Differential Evolution,DE)是一种基于种群的随机搜索算法,具有以下优缺点: 优点: 1. 高效性:DE算法具有良好的全局搜索能力和快速的收敛速度,尤其在高维问题中表现较为出色。 2. 简单易实现:DE算法的思路简单,易于理解和实现,且不需要对目标函数进行任何假设或限制。 3. 对初始值不敏感:DE算法对初始值不敏感,能够在不同的初始值下得到相似的优化结果。 4. 适用性广泛:DE算法适用于多种优化问题,如函数优化、组合优化、机器学习等领域,具有广泛的应用前景。 缺点: 1. 参数设置困难:DE算法中需要设置种群大小、变异因子、交叉概率等多个参数,参数选择对算法效果具有较大的影响,需要进行反复试验和调整。 2. 易陷入局部最优:DE算法在搜索过程中可能会陷入局部最优解,特别是在目标函数具有多个峰值或存在大量噪声时。 3. 算法复杂度高:DE算法的计算复杂度较高,需要进行大量的重复计算和比较操作。 4. 需要大量的迭代次数:DE算法需要进行大量的迭代计算,因此在处理大规模问题时,计算时间会比较长。 综上所述,DE算法具有高效性、简单易实现、适用性广泛等优点,但也存在参数设置困难、易陷入局部最优、算法复杂度高、需要大量的迭代次数等缺点。需要根据具体问题的特点和要求,选择合适的优化算法进行求解。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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