《杜野-网络借贷以及征信.pdf》由会员分享，可在线阅读，更多相关《杜野-网络借贷以及征信.pdf（16页珍藏版）》请在三一文库上搜索。
1、杜野 西南财经大学金融工程系 全国人大财经委副主任吴晓灵： “我认为只有网络借贷和众筹资金会有广 阔的发展前景，它的融资量不会高于传统 金融，但它服务的人群会有极大的扩展空 间。” 给予贷款人多少信用额度？ 收取贷款人多少利息？ 贷款人的违约概率是多少？ Payment History, 35% Amounts Owed, 30% Length of credit history, 15% New Credit, 10% Type of credit used, 10% FICO Payment History Amounts Owed Length of credit history New
2、 Credit Type of credit used FICO使用的数据量非常有限 新的观点：所有的数据都可能是信用数据； 特别是互联网为信用评级提供了丰富的数 据 比如：申请人填写申请表所花的时间是申 请人风险类型的一个指标 电子商务交易数据（网络购物信息、送货信息等） 网络借贷数据（贷款额度、还款记录等） 移动运营商数据（电话费、数据费、手机定位信 息等） 商旅出行数据（乘坐交通工具信息、下榻酒店信息 等） 个人金融数据（信用卡、储蓄卡、第三方支付等） 社会网络数据（微博、微信等社交媒体数据） Logistic regression: 只能处理10-15个变量； 需要每个变量的值都存在并且准确 Decision tree: 需要假设能够把所有的申请 人划分在互斥的类别中 高维的机器学习算法：和搜索引擎的排序 算法类似 Whitewashing: 当信用记录变差以后，使用 新的账号 Incorrectly report information: 不汇报或者汇 报虚假的信息 Phantom feedback: 使用一系列的新账户来 增加某一个账户的信用