| ||||||
越來越多類似ZestFinance的初創公司正在覬覦傳統華爾街的地盤，將新算法帶入徵信領域，篤信所有的數據都是信用數據◎ 財新記者 李小曉 文lixiaoxiao.blog.caixin.com 硅穀越來越多的科技企業開始向金融圈進軍。ZestFinance 就是其中之一。 這家公司打出的旗號是“將Google 算法帶入徵信領域”，其利用機器學習和大數據技術，創立了一套和傳統模式相異的信用評分方式，其中應用的數據變量是傳統模式的上百倍。 ZestFinance 創立于2010年， 創始人道格拉斯· 梅里爾（Douglas Merrill）是Google 的前信息總監兼工程副總裁，另一位來自金融圈的創始人肖恩· 布德（Shawn Budde）曾在第一資本公司（Capital One）負責信貸業務。 財新記者專訪了ZestFinance 的創始人梅里爾，他認為，“ZestFinance 完全可以取代銀行現在用的算法。”然而，美國個人消費信用評估公司（FICO）中國區總裁陳建表示，這不可能。在美國有1000多家當地信用局為消費者服務，基本隸屬於三大徵信公司。這三家徵信公司分別擁有覆蓋全美的數據庫，包含超過1.7億消費者的信用記錄。在三大徵信公司收集了海量個人徵信數據後，還須經過複雜的模型計算才能形成徵信產品。這三家徵信公司目前使用的計算方法模型都來自同一家公司，即被稱為“幕後大佬”的FICO。 越來越多類似ZestFinance 的初創公司正在覬覦傳統華爾街的地盤。而其勢頭如同多米諾骨牌，不斷推向華爾街的要害。 數據變廢為寶 在ZestFinance 的官網上有這樣一句話：“所有的數據都是信用數據。”這句話恰恰濃縮了ZestFinance 所做的工作——將成千上萬的數據“變廢為寶”，應用于信用評分。 這家公司在短短四年時間內，就先後獲得了高達1.2億美元的融資，其背後的出資人都是著名的IT 風投，包括FlyBridge、GRP、LightSpeed 以及Matrix 等。 目前，美國絕大部分金融機構使用的信用評分都來自FICO 的模型算法。 自上世紀60年代至今，在美國的徵信體系中，FICO 的地位從未被撼動。 在美國，經過三大徵信公司的整理和FICO 的計算評分，海量的徵信數據就變成了一份份整齊美觀的報告和325- 900分值區間的評分，用戶可以只買報 告，也可以報告+ 評分打包購買。 中國科學院院士、北京大學教授鄂維南對財新記者表示，FICO 的評分模型的確首屈一指，但並非十全十美。 FICO 信用評分參考的數據變量只有不到50個，因此很多人摸清了FICO 關注的變量後，就可以“模型套利”增加自己的信用評分，例如一個人可以每天反複在圖書館借書還書“刷信用”。 “針對FICO 的不足，ZestFinance 重新設計了一套信用評估模型。和FICO 的不到50條參考變量相比，ZestFinance 參考的數據變量多達上萬條，並採用非線性化的、更前沿的技術來進行分析，從而防止‘模型套利’的現象，更精准地評估消費者信用風險。”鄂維南表示。 的確，ZestFinance 遠遠超出了FICO 50條變量的界限。在這個位於洛杉磯的65人團隊中，大多是數據科學家，他們開發了多個機器學習分析模型，而在這個模型中使用的數據變量多達上萬條。上萬條數據變量僅僅是原始信息數據，在這些數據基礎上，模型可以得出超過7萬個可以判斷信貸行為的指標。 而模型跑完這些指標僅需要不到3秒鐘。 所謂機器學習，是讓計算機模擬或實現人類的學習行為，以獲取新的知識技能，在數據積累中不斷自我完善，可謂是人工智能的核心。ZestFinance 的模型之一Hilbert 就是成功地將機器學習進行商業應用的案例，讓機器承接7萬個指標的數據分析工作，尋找邏輯關 系，並不斷自我改善，人類只需要根據結果進行一些邏輯分析和判斷。 “ 多年來， 美國金融機構都在用50條數據變量來決定是否給一個客戶授信。問題在於，許多人並沒有完整的信用記錄，這導致在傳統信貸中他們不斷吃閉門羹，”梅里爾表示，“在ZestFinance，我們分析上萬條數據變量，借助更加廣泛的數據，從而對客戶的風險預判更加精確。”數據的類型亦極其廣泛：一個人的網頁瀏覽歷史、手機付費記錄、超市購物清單都可成為重要的參考依據，甚至在用戶填寫信貸申請表時是使用大寫字母還是小寫字母，也可以成為數據變量。 “很多數據都可以服務于信貸，例如申請人在我們的網站上停留的時間，就可以反映他對申請貸款的謹慎程度和還款誠意。”梅里爾說。 鄂維南認為，信貸記錄屬於強變量，在強變量缺失的情況下，可參考多種弱變量，當這些弱變量組合起來，就可形成強變量，服務于信貸風控。“例如，孩子是一個家庭支出的源泉，那麼如果能推測出借款人孩子的年齡，就能預測 他的消費周期：嬰兒有奶粉等固定開銷、學生每到9月就要繳納學費等。只要能避開他的主要支出，就可控制壞賬。”鄂維南表示，在中國，由於徵信業歷史較短，缺乏足夠的信貸數據，就可以用許多弱變量數據來對一個人進行還款預測。目前，學界有許多人也在進行類似的課題研究。 對於這些“弱變量”的開發利用，陳建亦表示認同，“把數據的價值挖掘出來是不可避免的趨勢，大數據發展會越來越日新月異。”但他表示，從互聯網數據中挖掘價值，最早做的正是FICO。“銀行刷卡交易實時獲得數據，通過分析進行風險識別，FICO 十幾年前就發明瞭，現在90% 以上發達市場的銀行都在用FICO 這套系統。” 爭鋒FICO 的確，在當前ZestFinance 和FICO 尚不能同日而語。FICO 佔領著美國99% 的信用評分市場和絕大部分發達國家的信用評分市場，而ZestFinance 目前僅服務過10萬名美國人。 在中國，FICO 目前擁有80人的團隊，已經和15家商業銀行、30多家城商行和農商行建立了合作。ZestFinance 目前在美國以外的其他地區還沒有開展業務，但梅里爾告訴財新記者，目前正與多個中國金融機構洽談合作。 但從未來發展的空間而言，似乎新生事物總能贏得更多青睞。面對ZestFinance 等新型信用評分公司的誕生，美國主流媒體紛紛給予了報道——《經濟學人》雜誌寫道：“ZestFinance 比傳統評分方法讓違約率下降了40%。”CNBC 表示：“ZestFinance 讓 無賬戶人群不再被拒之門外。”這一切聲音，似乎都劍指FICO。 梅里爾表示，ZestFinance 採用了和FICO 截然不同的技術。FICO 是基於20世紀50年代創造的“邏輯回歸”模型，那時並無很多可供參考的數據變量。 但隨著互聯網時代來臨，數據開始爆發式增長，FICO 的評分方式並未改變。 梅里爾這位曾經的Google 人， 則將 Google 算法引入了徵信領域，走在了技術的前沿。“ZestFinance 完全可以取代銀行現在用的算法。”梅里爾自信道。 對於外界的質疑，FICO 表示很冤枉。陳建表示，外界對FICO 其實缺乏瞭解。FICO 並非只有一種算法，而是有幾百種算法。在美國僅註冊的算法專利就多達近200個。在不同的數據場景下，使用的數據變量和數量都不同。 陳建認為，數據變量並非越多越好。 “FICO 信用評分的候選變量其實有1000多個，只是具體到每個評分中，只使用其中的幾十個變量。”陳建表示，認為變量越多模型越好是幼稚的說法。 從統計學角度，模型計算一方面要抓住本質規律，一方面要避免過度擬合。 “變量太多會造成過度擬合的問題。 就好比做一雙鞋子，與你的腳100% 擬合，但別人都不能穿。FICO 不是給一個人做一雙鞋，而是要給全社會使用。 如果一些變量不是適用于每個人，就不適合放在模型中。”陳建說。 根據惠譽評級公司的研究結果，FICO 分數的影響力正在下降。現在美國各個銀行都有自己的模型，他們會用自己的模型去跑徵信原始數據，FICO 評分只是其中一個參考變量。例如美聯銀行（Wachovia）對FICO 評分的參考比重已經下降為零。 對此，陳建認為只是個別現象。“就我瞭解，目前美國銀行業99% 的資產組 合還是基於FICO 上，拿出1% 來試驗 新的東西是可取的，但這並非主流。”陳建表示，技術服務于產業，信用評分不是象牙塔里的空想，而是根基深入產業的積累。目前美國99% 的銀行都使用FICO 的評分系統，深厚的積累是其他公司難以比擬的。 陳建毫不掩飾他對FICO 的自信：“FICO 已經成為發達市場金融管理的肢體部分，不會有人想要卸掉自己原本的胳膊，換上一對高科技的塑料胳膊。” 為無賬戶人群服務 “金融包容”正在成為一個新興詞匯，它的含義是指讓沒有銀行賬戶或信用記錄不好的人群公平地享受金融服務。 萬事達公司CEO Ajay Banga 近日在一份關於金融包容的倡議書中表示，目前全球有25億成年人沒有享受過金融服務，其中大部分是婦女和年輕人，以及一些居住在鄉村的人。在美國，目前有4400萬人沒有銀行賬戶。“因此，金融包容需要在所有國家倡議，絕非僅僅 發展中國家。”梅里爾表示，ZestFinance 正是要為這些沒有銀行賬戶以及信用記錄不好的人解決貸款問題。 “我最初的靈感來自我的小姨子。”梅里爾向財新記者追憶道，當時他的小姨子要貸款換一副汽車輪胎，然而銀行因她沒有足夠信用記錄而拒絕。“後來是我給她借了錢。如果我不借錢給她，她就只能去申請‘發薪日貸款’了。”梅里爾提到的“發薪日貸款”是指在發薪日之前兩周申請的小額個人貸款，借款人只需提供收入證明或政府救濟證明，承諾在自己發薪水後即償還貸 款。如果到期無法還清貸款本金和利息，可以提出延期。然而，這種貸款的費率極高，每100美元收取15美元利息，年化利息高達400%。相比之下，信用卡的年化費率則只有12%-30%。 近年來，特別是在金融危機後，華爾街和美國監管層不斷將目光投向“發薪日貸款”，認為這是高風險貸款，但屢禁不止。2014年6月5日，一批借款人向美國監管機構提起上訴，指出監管層將這些借款人列為“有聲譽風險”的群體是不公平的。按照訴訟內容，美國超過80家主流銀行都被監管層勒令中止和這些借款人的關係。 這些特殊借款人也引起了主流人群的同情。美國群衆自發組織了團體，推進針對無賬戶人群的金融包容。 “ZestFinance 的使命就是給這些無銀行賬戶或信用記錄不好的借款人創造透明公正的信用評分。”梅里爾表示，通過成千上萬的數據變量，每個人都可以擁有一份公正的信用評價。 此外，ZestFinance 還有另一個重要組成部分，即ZestCash 貸款平台。 ZestCash 類似一家小貸公司， 它的主要業務是給那些沒有銀行賬戶或者信用記錄不好的人提供小額貸款。 ZestCash 的借款中有90% 是為了採購生活必需品，比如修車和醫療保險。 梅里爾表示，ZestFinance 幫助信用記錄不好的人貸款主要通過兩種方式：一種是直接從ZestCash 對其發放貸款；一種是讓使用ZestFinance 評分系統的金融機構，通過ZestFinance 的評分結果對其發放貸款。“迄今為止，我們已經幫助超過10萬名沒有銀行賬戶或信用記錄不好的美國人獲得了貸款。”值得一提的是，ZestFinance 並沒有因為目標客戶是“風險人群”而導致高壞賬率。梅里爾表示，目前借助ZestFinance 獲得的貸款比銀行的“發薪日貸款”違約率低50%。“也就是說，在ZestFinance 算法的幫助下，‘發薪日貸款’可以節約一半的成本。” 競爭與風險 金融危機後，銀行信貸更加謹慎，而硅穀的IT 男們則不斷嘗到金融這塊蛋糕的甜頭，包括Prosper 和Lending Club 在內的P2P 借貸平台應運而生，類似ZestCash 的小額信貸公司也風生水起，包括Zebit、Avantcredit、Kreditech、DemystData 在內的公司都看准了銀行信貸這塊短板。這類公司的共同特點是利用大數據做信用分析，並且大多擁有自己的網絡信貸平台。 Zebit 創建的Lending Stream 網絡借貸平台，可以在4分鐘內獲得50-1500 美元的半年期個人信用貸款。 Avantcredit 打出的標語是“ 從這裡申請貸款不會影響你的FICO 信用分數”。該公司也是自建信用體系，針對 不同人的評分，給出的利率也是不同的。 Kreditech 位於德國漢堡，兩位自信的IT 男利用大數據分析手段評估借款人還錢的概率，他們不要求客戶提供信用證明，15分鐘內就能提供500歐元以內的小額貸款。和ZestCash 類似，Kreditech 希望用戶提供盡可能多的信息，連用戶的借貸申請是使用iPad 發送還是用老式電腦發送、輸入時出錯的概率、使用取消鍵的頻率等都考慮在內。 上述公司都獲得了風投的青睞，例如Kreditech2013年9月獲得了900萬美元A 輪投資，Avantcredit2013年8月獲得2000萬美元B 輪投資。 陳建認為，此類創新型公司和傳統的FICO 與銀行信貸並不衝突，可以成為傳統市場的補充。 當然，這類公司也並非可以為所欲為，也要受到美國監管的制約。其中，1975年通過的《平等信用機會法》（Equal Credit Opportunity Act） 中規定，貸款必須發放給所有資信可靠的申請人，不論種族、宗教信仰、性別、婚姻狀況、年齡和其他個人特徵。然而，隨著互聯網大數據的井噴，這些信息都隨著網絡社交信息一起被納入了ZestFinance 等公司的變量測算中。此外，由於所有的徵信數據都必須經本人允許採集，因此這種海量採集數據的方式還會面臨侵犯消費者隱私的風險。 | ||||||