¿Puede el control de riesgos de big data salvar los préstamos en línea?

¿Puede el control de riesgos de big data salvar los préstamos en línea?

Desde su introducción en China en 2007, la industria P2P ha pasado ocho años en China. En 2013, la industria P2P entró oficialmente en una etapa de desarrollo explosivo. Al mismo tiempo, comenzaron a ocurrir eventos de riesgo a gran escala en la industria. Según datos de Wangdaizhijia, al 24 de septiembre de 2015, el número acumulado de plataformas problemáticas en la industria P2P alcanzó 653. Además, los datos revelaron que la tasa actual de morosidad en la industria P2P continúa aumentando, llegando a alcanzar el 5%. La frecuente aparición de eventos de riesgo ha provocado que la industria P2P sufra críticas durante su desarrollo, y el control de riesgos central se ha convertido en un problema no resuelto para toda la industria. Los préstamos en línea P2P se originaron en el Reino Unido y los Estados Unidos. Es un modelo de préstamos a extraños basado en Internet que luego se introdujo en China. El modelo P2P original se denominaba modelo puramente en línea, y toda la debida diligencia y revisión antes, durante y después del préstamo y los procesos relacionados se completaban en línea. Sin embargo, el requisito previo para el éxito de este modelo es un sistema crediticio sólido como base social. Como todos sabemos, los sistemas de crédito privados en el Reino Unido y los Estados Unidos son muy sólidos y hay muchas agencias de calificación crediticia maduras, lo que proporciona un terreno fértil para el desarrollo de la industria P2P. Sin embargo, el entorno de crédito social de mi país y la construcción del sistema de crédito privado son muy diferentes de los de los países británicos y estadounidenses. Por lo tanto, después de la introducción del P2P en nuestro país, para adaptarse al mercado interno, ha evolucionado desde el original puramente. modelo en línea a un modelo en línea y fuera de línea. Debido a la particularidad del modelo en línea + fuera de línea, es difícil para la industria P2P nacional seguir a los países occidentales en el establecimiento de modelos de riesgo y análisis de datos. En cambio, ha desarrollado métodos de control de riesgos para el financiamiento en línea y el control de riesgos fuera de línea. En la actualidad, el control de riesgos en la industria P2P nacional se fortalece principalmente en las dos etapas de prepréstamo y pospréstamo. 1. Prepréstamo: ¿Revisión de crédito? La revisión previa al préstamo se realiza principalmente fuera de línea. Requiere que el personal de control de riesgos o de crédito realice inspecciones in situ, investigue la vida real y el entorno comercial del prestatario y comprenda claramente sus ingresos. , pasivos y otros activos, prediciendo así la voluntad y la capacidad de pago del prestatario. Aunque P2P se basa en Internet, los métodos utilizados actualmente en la debida diligencia previa a un préstamo no son diferentes de los de las pequeñas empresas de préstamos tradicionales. Este modelo es relativamente maduro en el imperfecto entorno crediticio de mi país y los datos de diligencia debida tienen cierto valor de referencia. Sin embargo, sus desventajas también son obvias. En primer lugar, aumenta los costos humanos y financieros de la plataforma P2P. En segundo lugar, la evaluación y predicción de los prestatarios a menudo dependen del juicio subjetivo del personal de control de riesgos. proyectos de préstamo El control adecuado de los riesgos tiene cierta relación con la experiencia del personal. 2. Post-préstamo: ¿Garantía y mejora crediticia? Para las plataformas P2P, por un lado, debido a sus capacidades técnicas limitadas, por otro, están limitadas por severas barreras de información, por lo que al aprobar préstamos, es difícil monitorear las verdaderas condiciones operativas del prestatario y el flujo específico de ellos. fondos prestados, lo que resulta en proyecto La tasa de defectos sigue siendo alta. Para minimizar los riesgos, el 99% de las plataformas P2P fortalecerán los métodos de gestión de riesgos posteriores al préstamo, es decir, introducirán instituciones de garantía para la garantía de riesgos en la etapa final. La agencia de garantía se comprometerá a garantizar plenamente el capital y los intereses del proyecto prestado. Una vez que se produzca un evento de riesgo extremo, la agencia de garantía reembolsará el principal y los intereses al inversor y luego realizará trabajos de seguimiento, como la recuperación y el cobro. de proyectos vencidos e incobrables. Dado que los modelos actuales de control de riesgos comúnmente utilizados en la industria P2P se basan en métodos tradicionales y dependen demasiado del trabajo manual, es difícil evitar de manera efectiva el riesgo moral y los riesgos de fraude que los profesionales pueden encontrar durante el proceso de revisión crediticia. Por lo tanto, aunque las plataformas P2P exigen innovación en el control de riesgos, en realidad no han resuelto el problema central. En otras palabras, las cuestiones de control de riesgos siguen siendo una dificultad en el actual proceso de desarrollo de la industria. ¿Qué es el control de riesgos de big data? Con el desarrollo de la industria, la gravedad del problema de la acumulación de riesgos se ha vuelto cada vez más prominente. Cada vez más personas han comenzado a pedir a la industria que abandone el modelo tradicional de control de riesgos de predicción basado en la experiencia personal y, en cambio, profundice. la viabilidad del modelado de datos y el uso de datos para mejorar el crédito para resolver problemas de control de riesgos. Según la explicación de la entrada de Baidu: El control de riesgos de big data, es decir, el control de riesgos de big data, se refiere al uso de big data para construir modelos para llevar a cabo controles de riesgos y advertencias de riesgos para los prestatarios. Hasta ahora, el caso clásico de control de riesgos de big data en el campo de las finanzas de Internet no es otro que Alibaba Small Loans. Basándose en la enorme base de datos de Alibaba, Alibaba Small Loan analiza y procesa los datos de los usuarios a través de la computación en la nube y, en última instancia, genera datos crediticios de los usuarios. La base de datos de Alibaba tiene muchos tipos de datos y una gran capacidad, lo que permite a Alibaba Small Loan predecir con mayor precisión las probabilidades de incumplimiento del usuario a través de los datos existentes, juzgar rápidamente el crédito del usuario y lograr realmente un aplanamiento del crédito.

¿Puede P2P lograr el control de riesgos de big data? Un famoso "director" en el campo de las finanzas de Internet afirmó una vez claramente que "el control de riesgos de big data es ineficaz para la industria P2P". Las razones se resumen brevemente de la siguiente manera: primero, la imprevisibilidad de la situación económica. la situación económica es demasiado grande, las instituciones financieras no podrán La primera es la imprevisibilidad de la situación económica. Una vez que la presión a la baja sobre la situación económica sea demasiado grande, las instituciones financieras desaparecerán. Una vez que la presión a la baja sobre la situación económica sea demasiado grande, las instituciones financieras desaparecerán. En segundo lugar, todavía es difícil para la industria P2P cumplir con el estándar lógico de big data: un tamaño de muestra suficientemente grande. En otras palabras, ¿la población cubierta está lejos de cumplir con los requisitos de tamaño de muestra para big data en la industria P2P? Por lo tanto, aunque el concepto de big data ha sido popular durante mucho tiempo, pocas plataformas P2P pueden aplicarlo. Recientemente, Guoshu Wealth hizo un anuncio de alto perfil sobre la introducción de tecnología de control de riesgos en la nube para realizar auditorías crediticias de los prestatarios, lo que una vez más puso en primer plano el tema del control de riesgos de big data. factibles en la industria P2P se han vuelto rampantes. El punto de vista del autor es que P2P controla los riesgos de big data. Aunque el modelo de comercio electrónico no se puede copiar, se puede probar dentro de un alcance apropiado. Suponiendo que la plataforma P2P pueda recopilar una determinada base de datos de usuarios reales, puede establecer una base de datos de cierta capacidad como núcleo del modelo de datos. Primero, el modelo de calificación crediticia. La plataforma puede estimar la puntuación de riesgo crediticio del prestatario evaluando los ingresos históricos, los activos, la ocupación, la edad y otra información del usuario, prediciendo así su riesgo de incumplimiento. Sin embargo, la limitación de este modelo es que la puntualidad y referencia de los datos históricos son muy limitadas, por lo que la plataforma necesita monitorear y actualizar periódicamente las variables de datos del usuario. En segundo lugar, el modelo de probabilidad de incumplimiento. En comparación con las probabilidades de predicción de experiencias artificiales tradicionales, las plataformas P2P pueden acumular datos históricos de los usuarios y extraer la probabilidad de incumplimiento de los prestatarios. En resumen, es innegable que la aplicación de big data en el control de riesgos en la industria P2P no solo tiene amplias perspectivas, sino que también tiene cierta importancia en términos de viabilidad. Por un lado, los big data pueden ayudar a las plataformas P2P a deshacerse del alto costo de la revisión manual, por otro lado, la unificación y estandarización de los modelos de datos pueden mejorar la situación actual de control de riesgos de predecir los riesgos del proyecto basándose en la experiencia personal. Desde esta perspectiva, a corto plazo, la importancia del control de riesgos de big data para las plataformas P2P es mejorar el nivel de control de riesgos, reducir los costos de control de riesgos y establecer un mecanismo eficiente de control de riesgos. Esta es también una de las razones por las que Guoshu Wealth introdujo la tecnología de control de riesgos en la nube. Solo presenta informes de datos de los usuarios a bajo costo para ayudar a la plataforma a verificar la solvencia de los usuarios y los riesgos de incumplimiento.

Lo anterior es lo que he compartido con usted sobre si el control de riesgos de big data puede salvar los préstamos en línea. Para obtener más información, puede seguir a Global Green Ivy para compartir más información.