互联网金融基于大数据分析的征信模型课件

1、基于大数据分析的征信模型主要章节：第一章：介绍征信的概念和目前国内外的征信方式。第二章：介绍大数据的概念和目前大数据在金融领域方面的应用。第三章：提出我们的基于大数据分析的集成学习模型。第四章：对征信行业进行分析和展望。第一章：有关征信的概念什么是征信？ 征信（Credit Checking或Credit Investigation）或称“授信”，可以简单视作为“对公司或个人的信用验证工作”。(维基百科) 征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。(中国人民银行征信中心)

2、 征信就是专业化的、独立的第三方机构为个人或企业建立信用档案，依法采集、客观记录其信用信息，并依法对外提供信用信息服务的一种活动，它为专业化的授信机构提供了一个信用信息共享的平台。（百度百科）第一章：有关征信的概念征信与信用的区别？ 信用，主要是指借钱还钱、先消费后付款等经济活动； 征信指的是专业化的信用信息服务，为了让大家更方便地借钱，通过第三方机构将每个人的信用信息集中起来，在需要的时候供您和信贷机构使用。第一章：有关征信的概念征信究竟是在征信什么？ 最常被征信提出来的架构就是5C、3F或5P。 第一章：国内的征信方式国内银行如何征信？ 银行的征信注重实物资产和债务水平，而互联网的征信注重

3、消费数据、频率和地位，一个是线下的，另一个是线上的。 从银行的数据结构来看，在电商平台以及其他互联网金融没有成熟之前，大多数交易数据还是通过银行渠道进行的，但是银行内部的IT后台系统并没有对这部分数据进行配比、分析和挖掘，在开展外部业务时往往是用相对简单的信贷审核方法：资产、债务、现金流水等，而大多数数据都躺在银行里面“睡觉”。 银行有一定开展数据征信的条件，但是自己没有用。第一章：国内的征信方式中国人民银行的征信系统是什么样子？ 包括企业信用信息基础数据库和个人信用 信息基础数据库。企业信用信息基础数据库始 于1997年，在2006年7月份实现全国联网查询。 截至去年底，该数据库收录企业及其

4、他组织共 计1000多万户，其中600多万户有信贷记录。个人信用信息基础数据库建设最早始于1999年，2005年8月底完成与全国所有商业银行和部分有条件的农信社的联网运行，2006年1月，个人信用信息基础数据库正式运行。截至去年底，该数据库收录自然人数共计6亿多人，其中1亿多人有信贷记录。第一章：国内的征信方式中国人民银行的征信系统是什么样子？ 中国人民银行征信系统通过专线与商业银 行等金融机构总部相连，并通过商业银行的内 联网系统将终端延伸到商业银行分支机构信贷 人员的业务柜台。目前，征信系统的信息来源 主要也是商业银行等金融机构，收录的信息包括企业和个人的基本信息，在金融机构的借款、担保等

5、信贷信息，以及企业主要财务指标。征信模式传统线下线上线下结合线上征信第一章：国内的征信方式企业如何征信？国内代表宜信人人贷拍拍贷第一章：国内的征信方式宜信如何征信？ 线上充当信息提供方，由线下审核完成全部借贷过程，且要求借 款方提供相应的担保物品。 依靠宜信分部在全国众多的线下网点。 一定程度上避免了资金亏损的风险，通常此类模式会有地域要求不够灵活，转型线上线下相结合。第一章：国内的征信方式拍拍贷如何征信？ 用户开发、信用审核、合同签订到贷款催收等整个业务主要在线上完成。 通过搭建数据模型来完成，利用模型对采集到的相关信息进行分析，从而对借款人给出一个合理的信用评级和安全的信用额度。 调用借款

6、人的网络社交圈数据，认为网络社区、用户网上的朋友圈也是其信用等级系统的重要部分之一。第一章：国内的征信方式人人贷如何征信？ 借贷交易环节主要放在线上，在线上主攻理财端，吸引投资人，并公开借贷业务信息以及相关法律服务流程。 将大部分借款来源、借款审查和贷后管理这样的环节放在线下，按照传统的审核及管理方式进行。 平台会通过所在城市的门店或代理商采取入户调查的方式审核（协助审核）借款人的资信、还款能力等情况第一章：国外征信的现状国内征信的现状： 此前，央行征信中心、上海资信、鹏元、国政通、安融惠众等几大征信公司组成了中国的征信业市场。 P2P网贷行业判断借款人信用评价的数据包含手机清单、个人收入证明

7、、社保信息、家属身份信息、驾照信息等多达34个信息类别。这一现象充分显示了央行征信系统的局限性，因此，一直备受关注的P2P行业大数据征信再次引发关注。第一章：国外征信的现状国内征信的现状： 从网上银行，手机银行到微信银行，网上商城；从券商机构改革到网上开户的过程；从基金的传统线下销售，到余额宝，百发等线上互联网平台的销售，不论是产品还是结构，金融机构都开始了互联网化的过程，以实现业务转型，为用户提供更好的服务。而随着网络化的加快，网络平台成熟过程中所积累数据和信用就成为了其业务发展的下一个重要领域：数据征信。第一章：国外征信的现状国内征信的现状： 据了解，目前国内共有5000多家P2P平台，但

8、只有不到200家平台接入了互联网金融征信系统。 “目前互联网金融征信系统已经开始对后续想要接入的P2P平台实行限流，控制在每月20家左右，对于小平台来说，必须通过审核、排队之后才有机会接入此征信系统。” 央行征信中心副主任王晓蕾直接指出，中国的征信系统目前覆盖了8亿人，但其中5亿人从来不向银行借贷，换言之，这5亿人对于金融部门来说是陌生人，这对于所有的放贷机构都是机会。第一章：国外征信的现状全球较为常见的三种征信方式： 一是以欧洲大陆国家为代表的政府主导模式的个人征信体系，在欧洲，欧盟成员国德国、法国、意大利、西班牙、奥地利、葡萄牙和比利时等国家采用以中央银行建立的中央信贷登记系统为主体的社会

9、信用管理模式，该模式由中央银行建立中央信贷登记系统，主要由政府出资，建立全国数据库，组成全国性的调查网络；第一章：国外征信的现状全球较为常见的三种征信方式： 二是以美国为例的市场主导模式的个人征信体系，“美国模式”是典型的市场主导型。在美国，保障信息自由流通是征信立法的基本价值取向之一，其中，对于个人信息隐私的保护，公共机关采取分散式立法模式，私人机构采取行业自律的方式；第一章：国外征信的现状全球较为常见的三种征信方式： 三是以日本为例的行业主导模式的个人征信体系。日本的个人信用信息机构的建立要晚于欧洲和美国1973年，由东京银行家协会建立了第一个地区性个人信用信息中心。经过40年的发展，这种

10、行业协会主导型的模式已经比较成熟，几乎涵盖了一个人的日常生活、工作和消费。第一章：国外征信的现状FICO如何征信？ 成熟的征信系统诸如美国征信技术服务提供商FICO，其信用成果不仅包括做信用评分，还研发出了申请评分、行为评分、反欺诈评分等多种评分技术。在欧美等信用制度健全的国家，个人交通违章、房屋租赁、电话费水电费的缴纳、司法判决、纳税等行为都会被纳入个人信用记录。该信用记录涉及到人们吃穿住行生活中的各个方面。 FICO信用分已成为美国金融机构评价个人信用的关键指标，其数据主要由美国三大征信局提供。第一章：国外征信的现状FICO如何征信？ FICO个人信息信用信息公共信息信用查询姓名，生日，s

11、sn，驾照号码，雇主，地址等信息最近7年的所有信用账户的信息，比如房贷，车贷，信用卡等的额度，每月是否按时还款等是否破产，法律诉讼，纳税相关的信息最近两年的hard pull，和soft pull第一章：国外征信的现状ZestFinance如何征信？ ZestFinance，原名ZestCash，是美国一家新兴的互联网金融公司。 ZestFinance专注于提供信用评估服务，旨在利用大数据技术重塑审贷过程，为难以获得传统金融服务（Underbanked）的个人创造可用的信用，降低他们的借贷成本。第一章：小结当前的征信方式： 国内的阿里金融和其他电商：苏宁、腾讯、京东等，不管是自己开展小贷业务，

12、还是和银行合作开发信贷产品，所利用的也无非是电商平台上的客户数据，因为这部分数据是开展类银行业务的征信的最好范本。 传统的FICO模型只使用50个变量来衡量一个人的信用评分，ZestFinance模型应用变量上万个，更难以被人刷信用评分。 数字资源丰富除了结构化数据、还有非结构化数据甚至非常规数据。借款人的房租交纳记录，典当行行为，网络信息数据，是否阅读网上借款申请说明文字等等。第一章：小结当前的征信方式： 大数据分析的重要性第二章：有关大数据的概念大数据的解释： 大数据（英语：Big data或Megadata），或称巨量数据、海量数据、大数据，指的是所涉及的数据量规模巨大到无法通过人工，在

13、合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。（维基百科） 大数据技术(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。（百度百科）第二章：有关大数据的概念大数据的特性： 大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、value（价值）。 在总数据量相同的情况下，与个别分析独立的小型数据集（data set）相比，大数据将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、

14、避免疾病扩散、打击犯罪或测定实时交通路况等；这样的用途正是大型数据集盛行的原因。第二章：国外大数据在金融领域的应用绿盾征信如何应用？ 绿盾征信（北京）有限 公司创建的11315全国企业 征信系统，在2002年已经进 入征信领域，经过十余年的 积累，系统内采集了3000多 万家企业的信用数据，涉及 到政府各职能部门依法公开 的数据达十亿多条，这些具 有法定意义的权威信息构成 了11315信用档案的基础。第二章：国外大数据在金融领域的应用财付通（腾讯）如何应用？ 财付通相关团队，从设计、应用、机器学习、数据建模上，全面建立征信体系的算法。 为保证征信体系的客观性，财付通相关团队，从设计、应用、机器

15、学习、数据建模上，全面建立征信体系的算法。这个征信评分，会进行排名、区间、违约维度，帮助金融机构分辨风险能力的信息。 在互联网征信的背后，腾讯有即时通讯的信息，有消费、有社交、有媒体行为，这些数据都是通过丰富的产品渠道在和用户进行互动，这就保证了收集数据的准确性和可靠性，这是征信的基础。第二章：国外大数据在金融领域的应用财付通（腾讯）如何应用？ 腾讯所做的征信，基于腾讯的数据有非常多的维度，有支付，也有社交，还有一些金融数据，将这些数据集合在一起，发现其内在的规律，对个人的风险来进行评价，这不同于央行做的体系，通讯更多的是做一个信息的补充。 目前，每天发生在腾讯平台上的数据量已远远超过了金融机

16、构和社会上的信息量，腾讯可以用自己的方法去分析这些数据，而且腾讯的用户覆盖量超过8亿人，包括有央行信用报告和没有央行信用报告的人，腾讯可以提供一个新的角度来评估他们的风险。在使用这些数据时，一定会征得信息主体的同意，不会涉及用户隐私的问题。第二章：国外大数据在金融领域的应用证监会如何应用？ 在打击违法犯罪上，证监会依靠大数据挖出投资经理“老鼠仓”。正是“大数据”的技术手段。它将基金公司的账户交易记录和沪深交易所的所有交易记录进行全方位比对，然后查出在基金公司下单前，有哪些账户提前下单。锁定那些交易金额较大，或者多次和基金公司“同步”操作的账户，再通过银行、公安和通信等相关信息网络进行筛查，最终

17、 确定嫌疑对象。 相比过去依靠举报，大规模突击检查等获得线索的方式，“大数据”不仅快捷、高效，而且获取 的证据也更加确凿，涉事方根本无从抵赖。第二章：国外大数据在金融领域的应用其他应用： 2014年11月18日，金融服务公司汇付天下与征信机构上海资信有限公司（以下简称上海资信）签署战略合作协议，宣布将共同发展互联网金融征信业务，这意味着拥有大规模存量网贷数据的金融机构正式介入互联网金融征信领域。 九次方金融大数据公司即将推出的“黑匣子”产品，利用公司自有的大数据挖掘、数据清洗技术，集成社会信用体系，打造中国互联网金融的超级“防火墙”。第二章：国外大数据在金融领域的应用ZestFinance：第

18、二章：国外大数据在金融领域的应用ZestFinance：第二章：国外大数据在金融领域的应用ZestFinance：第二章：小结大数据在金融领域应用的小结： 随着互联网和移动互联网的越来越普及，我们的行为被数字化的越来越多。通过数字化的行为，能够采集到很多信息，无论是我们的身份信息、位置信息、交易信息、社交信息，还有行为习惯的信息，都被采集和被处理。 在这种情况下，所有数据都是信用数据，而不像传统观点，只有金融交易的行为、一些社会公共的信息，个人身份的信息才是征信信息。这就是所谓的大数据和互联网发展所带来的机会。第二章：小结大数据在金融领域应用的小结： 各个企业也是通过各种机器学习的方法对大数据

19、进行分析、建模，从而客观地得出一个评判信用的标准，进而对未知的人或企业进行评判。第三章：机器学习相关的概念什么是机器学习？ 机器学习这门学科所关注的问题是：计算机程序如何随着经验积累自动提高性能。 机器学习一般被定义为一个系统自我改进的过程。 目前机器学习主要包括：概念学习、决策树、神经网络、贝叶斯学习等方面。第三章：机器学习相关的概念机器学习靠谱吗？ 25年前，通过机器学习，实现了在高速公路上自动驾驶汽车。 23年前，通过机器学习，实现了以接近人类世界冠军的水平对弈西洋双陆琪。 20年前，通过机器学习，NASA实现了自动分类太空观察中的所有天体。 现如今，机器学习变得更加强大！第三章：我们的

20、模型我们的模型是什么样的？ 首先，我们通过目前应用广泛并且效果较好的三种机器学习方法：神经网络、SVM和决策树分别对已有的数据库进行分析建模。 其次，对于每一个测试样例，我们再利用集成学习的方法，对新的数据实例进行分类的时候，通过训练好多个分类器（即我们的训练好的三个模型），把这些分类器的的分类结果进行某种组合（比如投票）决定分类结果，以取得更好的结果。第三章：我们的模型如何利用神经网络？ 神经网络模型本质上是逻辑回归模型的推广，两者对比有以下特点第三章：我们的模型神经网络学习算法（正向传播+逆向传播）： 1）网络初始化： 给链接权值W赋一个区间（-1,1）之间的随机数，设定初试误差函数e，给

21、定计算精度值和最大学习次数。 2）正向传播算法,计算每一层节点的输出a。第三章：我们的模型神经网络学习算法（正向传播+逆向传播）： 3）对输出层的节点i ： 4）对隐含层l的节点i求第三章：我们的模型神经网络学习算法（正向传播+逆向传播）： 5）计算W、b的偏导数 ： 第三章：我们的模型神经网络学习算法（正向传播+逆向传播）： 6）更新权值W、b： 第三章：我们的模型训练完神经网络模型该怎么使用？ 1）获取到要进行征信的借款人P的所有需要的特征。 2）将特征输入神经网络根据W、b权值做正向传播运算。 3）输出层就能输出借款人P的信用评分，根据评分就能判断是否能贷款给借款人P第三章：我们的模型特

22、征1特征2特征3特征4神经网络的具体模型： 输入层 隐含层 输出层神经网络如左图所示：最左边一排是输入层，我们做信用评分所需的各种特征（工资收入、工作情况等）就通过输入层输入网络最后经过神经网络的预测从输出层输出该借款人的信用评分结果信用评分第三章：我们的模型什么是SVM？ 支持向量机（SVM）是非常强大且流行的算法，在一些情况下，支持向量机能面向一些复杂非线性问题提供比逻辑回归或神经网络更加简洁的分类方案。 相比逻辑回归和神经网络的特点： 适合训练有较大训练数据量的非线性模型 代价函数为凸函数，不存在局部最优值 运算量适中第三章：我们的模型如何使用SVM？ 设数据集个数为m，特征个数为n，可

23、以依照以下方法选择模型： 1） 如果相较于m而言，n要大许多，即训练集数据量不够支持我们训练一个复杂的非线性模型，我们选用逻辑回归或者不带核函数的支持向量机。 2） 如果n较小，m大小适中，如n在1-1000之间，而m在10-10000之间，使用带高斯核函数的支持向量机。第三章：我们的模型SVM的两种模型： 不带核函数的支持向量机 带核函数的支持向量机，以带高斯核函数的支持向量机为例。第三章：我们的模型如何使用SVM？ 3） 如果n较小，m较大时，如n在1-1000之间，而m大于5000，则支持向量机会变慢，可以通过增加特征个数来解决，然后选择逻辑回归或者不带核函数的支持向量机。第三章：我们的

24、模型SVM的训练步骤： 1) 准备工作，选择分类模型，数据预处理，征信特征选择等。 2) 用分类器将所有样本集的特征分类 。 3) 根据选定的核函数分别计算每个分类器中每个特征向量的有关值。 4) 根据这些特征相关值计算协方差矩阵空间，依旧协方差矩阵空间进行参数调优。 5) 获得模型参数，即获得最终模型第三章：我们的模型什么是决策树学习？ 决策树学习是一种逼近离散值目标函数的方法，在这种方法中学习到的函数被称为决策树。第三章：我们的模型决策树学习的适用问题有哪些？ 实例是由“属性-值”对表示的。 目标函数具有离散的输出值。 可能需要析取的描述。 训练数据可以包含错误。 训练数据可以包含缺少属性

25、值得实例。 该方法是最流行的归纳推理算法之一，已经被成功地应用到了学习评估贷款申请的信用风险中。第三章：我们的模型决策树学习是如何进行学习的？ 1）准备一个训练决策树模型的样本集合S1。 2）生成一个集合S2，包含所有未添加到树中的属性。 3）对S2中的属性进行遍历，利用算法A找出最好分割点。 4）对该分割点可能的取值分别进行分支。 5）对每个分支执行 2）至4）的操作，直至满足结束条件C。 6）每个叶子节点对应着该路径下所得到的结论或者权值。第三章：我们的模型决策树学习最终学习到的模型是什么样的？第三章：我们的模型决策树学习模型如何应用到征信方面？ 1）准备一个训练决策树模型的样本集合S1。

26、 2）确定用来表示一个人的所有特征变量。 3）生成S2，用来表示所有未加入到树中的特征。 4）对S2中的特征进行遍历，利用最大熵找出最好分割点。 5）对该分割点所有可能的取值分别进行分支。 6）对每个分支执行 2）至4）的操作，直至S2为空。 7）每个叶子节点对应着该路径下是否予以贷款。第三章：我们的模型生成完决策树学习模型该怎么使用？ 1）获取到要进行征信的人P的所有需要的信息。 2）根据模型，按照将P的个人信息会生成一条路径。 3）按照该路径叶子节点所对应的信息得出是否予以贷款。第三章：我们的模型集成学习是什么？ 集成学习的思核心思想是在对新的数据实例进行分类的时候，通过训练好多个分类器，

27、把这些分类器的的分类结果进行某种组合（比如投票）决定分类结果，以取得更好的结果。集成学习方法要满足以下两个条件： 1）基分类器要有差异（我们采用了三种不同的分类器，满足此条） 2）每个基分类器的分类正确率必须大于0.5（经过实际测试这三种分类器分类正确率都比较高可以超过70%，也满足此条） 第三章：我们的模型集成学习的模型：第三章：我们的模型集成学习方法是如何进行最后的抉择？ 1）将训练数据分成10等份。 2）依次训练三个分类器，每次训练数据随机从10份取出9份。 3）在做预测时，通过三个分类器可以得到三个预测结果。 4）对三个结果，采用少数服从多数策略，选出最终结果。即三个结果中出现次数最多的类别就是最后的结果，如果3个类别为1，三个类别为0，再随机选取一个结果。 第四章：总结征信行业的现状： 由于大型银行喜欢简单、粗暴、有效的工作方式，所以大型银行在放贷时更倾向于大型企业而非中小型企业或者个人