Cómo utilizar Internet para subvertir FICO
El lema de la empresa es "llevar los algoritmos de Google al campo de los informes crediticios". Utiliza aprendizaje automático y tecnología de big data para crear un conjunto de métodos de calificación crediticia que son diferentes de los modelos tradicionales y utilizan cientos de veces más variables de datos que los modelos tradicionales.
ZestFinance se fundó en 2010. El fundador de Zest Finance, Douglas Merrill, es exdirector de información y vicepresidente de ingeniería de Google. Otro fundador procedente del mundo financiero, Shawn Budde, estuvo a cargo del negocio de crédito de Capital One.
Los periodistas de Caixin entrevistaron a Merrill, el fundador de ZestFinance, quien creía que "ZestFinance puede reemplazar completamente los algoritmos utilizados actualmente por los bancos".
Sin embargo, Chen Jian, presidente de FICO China, dicho, está fuera de discusión. En los Estados Unidos, hay más de 65,438+0,000 oficinas de crédito locales que atienden a los consumidores, básicamente pertenecientes a las tres principales compañías de informes crediticios. Estas tres compañías de crédito cuentan con bases de datos que cubren todo el país, incluidos los registros crediticios de más de 65.438 millones de consumidores. Después de que las tres principales compañías de informes crediticios recopilan una gran cantidad de datos de informes crediticios personales, tienen que pasar por cálculos de modelos complejos para formar productos de informes crediticios. Los métodos y modelos de cálculo que utilizan actualmente estas tres compañías de crédito provienen de la misma empresa, FICO, conocida como el "gran jefe detrás de escena".
Cada vez más empresas emergentes como ZestFinance codician el territorio tradicional de Wall Street. Y su impulso, como el dominó, empuja constantemente la clave de la industria financiera tradicional.
Convierta los datos en tesoros
Hay una frase en el sitio web oficial de ZestFinance: "Todos los datos son datos crediticios". Esta frase simplemente condensa el trabajo realizado por ZestFinance: convertir miles de millones. de datos se convierten en tesoros y se utilizan en la calificación crediticia.
En sólo cuatro años, esta empresa ha recibido una financiación de hasta 65.438 dólares + 20 millones de dólares. Los inversores detrás de ella son todos conocidos capitalistas de riesgo de TI, incluidos FlyBridge, GRP, LightSpeed, Matrix et al. .
Las puntuaciones de crédito utilizadas actualmente por la mayoría de las instituciones financieras en Estados Unidos provienen del algoritmo modelo de FICO. Desde la década de 1960, la posición de FICO en el sistema de informes crediticios de EE. UU. nunca ha flaqueado.
En los Estados Unidos, después de ser compilados por las tres principales compañías de informes crediticios y calculados y calificados por FICO, los datos masivos de informes crediticios se han convertido en un informe limpio y hermoso con una puntuación que oscila entre 325 y 900. Los usuarios pueden comprar solo el informe o pueden comprar el informe + puntuaciones como un paquete.
Ewing, académico de la Academia China de Ciencias y profesor de la Universidad de Pekín, dijo a Caixin que el modelo de puntuación de FICO es insuperable, pero no es perfecto. La puntuación crediticia de FICO se refiere a menos de 50 variables de datos, por lo que muchas personas pueden "modelar el arbitraje" para aumentar su puntuación crediticia después de descubrir las variables en las que se centra FICO. Por ejemplo, una persona puede "ganar créditos" pidiendo prestados y devolviendo libros de la biblioteca repetidamente todos los días.
“En vista de las deficiencias de FICO, ZestFinance ha rediseñado un conjunto de modelos de evaluación crediticia. En comparación con las menos de 50 variables de referencia de FICO, ZestFinance hace referencia a decenas de miles de variables de datos y utiliza datos no lineales. más tecnología de punta para realizar análisis que eviten el 'arbitraje de modelos' y evalúen con mayor precisión los riesgos de crédito al consumo", dijo Ewing.
De hecho, ZestFinance supera con creces los límites de la variable FICO 50. La mayor parte del equipo de 65 personas en Los Ángeles son científicos de datos. Desarrollaron varios modelos de análisis de aprendizaje automático que utilizan decenas de miles de variables de datos. Miles de variables de datos son solo datos de información sin procesar. Con base en estos datos, el modelo puede obtener más de 70.000 indicadores que pueden juzgar el comportamiento crediticio. El modelo tarda menos de 3 segundos en ejecutar estos indicadores.
El llamado aprendizaje automático, que es el núcleo de la inteligencia artificial, consiste en permitir que las computadoras simulen o implementen el comportamiento de aprendizaje humano para adquirir nuevos conocimientos y habilidades, y mejorarse continuamente en la acumulación de datos. . Hilbert, uno de los modelos de ZestFinance, es un caso exitoso de aplicación comercial del aprendizaje automático. Permite a la máquina realizar análisis de datos de 70.000 indicadores, encontrar relaciones lógicas y mejorarse continuamente. Los humanos sólo necesitan realizar algunos análisis y juicios lógicos basados en los resultados.
“Durante años, las instituciones financieras estadounidenses han utilizado 50 variables de datos para decidir si conceden crédito a los clientes. El problema es que muchas personas no tienen historiales crediticios completos, lo que hace que sigan excluidos. del crédito tradicional", afirmó Merrill. "En ZestFinance, analizamos decenas de miles de variables de datos y utilizamos una gama más amplia de datos para predecir con mayor precisión los riesgos de nuestros clientes".
Los tipos de datos también son muy amplios: el historial de navegación web de una persona, pagos por teléfono móvil Los registros y las listas de compras de los supermercados pueden convertirse en referencias importantes, e incluso si los usuarios utilizan letras mayúsculas o minúsculas al completar solicitudes de crédito pueden convertirse en variables de datos.
“Muchos datos pueden servir de crédito.
Por ejemplo, el tiempo que un solicitante pasa en nuestro sitio web puede reflejar su cuidado y sinceridad al solicitar un préstamo. Merrill dijo.
E Weinan cree que el historial crediticio es una variable fuerte. En ausencia de variables fuertes, podemos referirnos a varias variables débiles. Cuando se combinan estas variables débiles, se pueden formar variables fuertes. control del riesgo crediticio "Por ejemplo, si los niños son una fuente de gastos del hogar, entonces si se puede inferir la edad del hijo del prestatario, se puede predecir su ciclo de consumo: los bebés tienen gastos fijos, como la leche en polvo, y los estudiantes tienen que pagar. tasas de matrícula en septiembre de cada año. Mientras pueda evitar sus gastos importantes, podrá controlar las deudas incobrables. "
Ewing dijo que en China, debido a la corta historia de la industria de informes crediticios y a la falta de datos crediticios suficientes, se pueden utilizar muchos datos variables débiles para predecir la situación de pago de una persona. En la actualidad, muchos También se están realizando investigaciones similares en el mundo académico.
Chen Jian también estuvo de acuerdo con el desarrollo y la utilización de estas "variables débiles": "La extracción del valor de los datos es una tendencia inevitable y el desarrollo de big data". cambiará con cada día que pasa. "Sin embargo, dijo que FICO primero extrae valor de los datos de Internet. "Los bancos obtienen datos de las transacciones con tarjetas de crédito en tiempo real e identifican los riesgos mediante análisis. FICO se inventó hace más de diez años y ahora más del 90% de los bancos de los mercados desarrollados utilizan FICO. ”
Luchando por FICO
De hecho, ZestFinance y FICO actualmente no son lo mismo. FICO ocupa el 99% del mercado de calificación crediticia en los Estados Unidos y la mayoría de los mercados de calificación crediticia en Estados Unidos. países desarrollados, mientras que ZestFinance actualmente solo atiende a 654,38 millones de estadounidenses.
En China, FICO cuenta actualmente con un equipo de 80 personas y ha establecido cooperación con 15 bancos comerciales, más de 30 bancos comerciales urbanos y rurales. Los bancos comerciales fuera de Estados Unidos no tienen negocios, pero Merrill Lynch le dijo a Caixin que actualmente está negociando cooperación con varias instituciones financieras chinas.
Pero a juzgar por el desarrollo futuro, parece que las cosas nuevas siempre ganarán. más favor El nacimiento de nuevas empresas de calificación crediticia como ZestFinance ha sido informado por los principales medios de comunicación de Estados Unidos: la revista The Economist escribió: "En comparación con los métodos de calificación tradicionales, ZestFinance ha reducido la tasa de impago en un 40%. "U.S. Consumer News and Business Channel dijo: "ZestFinance permite bloquear a personas sin cuentas.
Todas estas voces parecen apuntar a Fico.
Merrill Lynch dijo que ZestFinance utiliza una tecnología completamente diferente a FICO y se basa en la "regresión logística" creada en la década de 1950. Modelo, no había muchas variables de datos como referencia en ese momento, pero con el advenimiento de la era de Internet, los datos comenzaron a explotar y el método de puntuación de Fico no cambió. Merrill, un ex empleado de Google, introdujo los algoritmos de Google en el campo. informes crediticios, está a la vanguardia de la tecnología “ZestFinance puede reemplazar completamente los algoritmos que utilizan actualmente los bancos. Merrill dijo con confianza.
Fico dijo que se sentía muy avergonzado por las dudas del mundo exterior. Chen Jian dijo que el mundo exterior en realidad no entendía que FICO tiene más de un algoritmo, pero cientos de algoritmos. Hay casi 200 patentes de algoritmos registradas solo en los Estados Unidos. Se utilizan diferentes variables y cantidades de datos en diferentes escenarios de datos.
Chen Jian cree que cuantas más variables de datos, p>
. “El puntaje de crédito FICO en realidad tiene más de 65,438+0,000 variables candidatas, pero solo se utilizan unas pocas docenas para cada puntaje. "Chen Jian dijo que es ingenuo pensar que cuantas más variables, mejor será el modelo. Desde un punto de vista estadístico, el cálculo del modelo debe comprender las leyes esenciales por un lado y evitar el sobreajuste por el otro.
“Demasiadas variables pueden causar problemas de sobreajuste. Es como hacer un par de zapatos que se ajustan al 100% a tus pies, pero que nadie más puede usarlos. FICO no fabrica un par de zapatos para una sola persona, sino que fabrica un par de zapatos para toda la sociedad. Si algunas variables no se ajustan a todos, no se ajustan al modelo. ", Dijo Chen Jian.
Según los resultados de la investigación de Fitch Ratings, la influencia de las puntuaciones FICO está disminuyendo. Ahora todos los bancos en los Estados Unidos tienen sus propios modelos y utilizarán sus propios modelos para ejecutar Los datos crediticios originales son solo una de las variables de referencia. Por ejemplo, el índice de referencia del puntaje FICO de Wachovia ha caído a cero. En este sentido, Chen Jian cree que esto es solo un fenómeno aislado. El porcentaje de la cartera de activos de la industria todavía se basa en FICO. Dar el 1% para probar cosas nuevas es deseable, pero no es algo común. ”
Chen Jian dijo que la tecnología sirve a la industria y que la calificación crediticia no es una fantasía en la torre de marfil, sino la acumulación de una base profunda en la industria. Actualmente, el 99% de los bancos en los Estados Unidos. utilice el sistema de puntuación de FICO, que tiene una profunda La acumulación no tiene comparación con otras empresas.
Chen Jian no ocultó su confianza en FICO: “En los mercados desarrollados, FICO se ha convertido en una parte integral de la gestión financiera. y nadie está dispuesto a quitarles los brazos originales, reemplazándolos por un par de brazos de plástico de alta tecnología. ”
Servir a personas sin cuentas bancarias.
“Inclusión financiera” se está convirtiendo en una palabra nueva, lo que significa que las personas sin cuentas bancarias o antecedentes crediticios deficientes pueden disfrutar de las finanzas de manera justa.
El director ejecutivo de Mastercard, Ajay Banga, afirmó recientemente en una propuesta sobre inclusión financiera que actualmente hay 2.500 millones de adultos en el mundo que no disfrutan de servicios financieros, la mayoría de los cuales son mujeres y jóvenes. Algunas personas viven en zonas rurales. áreas. En Estados Unidos, 44 millones de personas no cuentan actualmente con servicios bancarios. "Por lo tanto, es necesario iniciar la inclusión financiera en todos los países, no sólo en los países en desarrollo".
Merrill Lynch dijo que ZestFinance resuelve el problema de los préstamos para aquellos que no tienen cuentas bancarias y tienen malos antecedentes crediticios.
"Mi inspiración inicial vino de mi cuñada". Merrill recordó a los periodistas de Caixin que su cuñada quería obtener un préstamo para reemplazar un par de neumáticos de automóvil, pero el banco se negó. porque no tenía suficiente historial crediticio. "Más tarde, le presté dinero. Si no le prestaba dinero, ella tendría que solicitar un 'préstamo de día de pago'".
El "préstamo de día de pago" de Merrill Lynch se refiere al préstamo anterior al día de pago. Solicitud de préstamo personal en dos semanas. Los prestatarios sólo necesitan presentar prueba de ingresos o ayuda gubernamental y prometer pagar después de pagar los salarios. Si no puede pagar el capital y los intereses del préstamo a su vencimiento, puede solicitar una extensión. Sin embargo, la tasa de interés de este préstamo es extremadamente alta, con un interés de $65,438+05 por $65,438+000, y la tasa de interés anual llega al 400%. En comparación, las tasas anualizadas de las tarjetas de crédito son sólo del 12% al 30%.
En los últimos años, especialmente después de la crisis financiera, Wall Street y los reguladores estadounidenses han centrado su atención en los "préstamos de día de pago", que se consideran préstamos de alto riesgo pero que han sido prohibidos repetidamente. 2065438 + El 5 de junio de 2004, un grupo de prestatarios apeló a los reguladores estadounidenses, afirmando que los reguladores clasificaban injustamente a estos prestatarios como "riesgos para la reputación". Según la demanda, los reguladores ordenaron a más de 80 empresas bancarias importantes de Estados Unidos que suspendieran sus relaciones con estos prestatarios.
Estos prestatarios especiales también despiertan la simpatía de la población en general. Los estadounidenses organizan grupos autoorganizados para promover la inclusión financiera de personas sin cuentas.
“La misión de ZestFinance es crear calificaciones crediticias transparentes y justas para estos prestatarios que no tienen cuentas bancarias o un historial crediticio deficiente”. Merrill Lynch dijo que a través de miles de variables de datos, todos pueden tener una calificación crediticia justa.
Además, ZestFinance también tiene un componente importante, la plataforma de préstamos ZestCash.
ZestCash es similar a una empresa de microfinanzas. Su negocio principal es otorgar pequeños préstamos a personas que no tienen cuentas bancarias o tienen malos antecedentes crediticios. El 90% de los préstamos en efectivo se utilizan para comprar artículos de primera necesidad, como reparaciones de automóviles y seguro médico.
Merrill Lynch dijo que ZestFinance ayuda principalmente a las personas con malos antecedentes crediticios a obtener préstamos de dos maneras: una es otorgar préstamos directamente de ZestCash y la otra es permitir que las instituciones financieras que utilizan el sistema de puntuación de ZestFinance aprueben los préstamos de ZestFinance; se les entregará en función de los resultados de la puntuación. "Hasta la fecha, hemos ayudado a más de 654,38 millones de estadounidenses sin cuentas bancarias o con un historial crediticio deficiente a obtener préstamos".
Vale la pena mencionar que ZestFinance no genera altas tasas de morosidad debido a sus objetivos. un “grupo de riesgo”. Merrill Lynch dijo que los préstamos obtenidos con ZestFinance tienen actualmente una tasa de incumplimiento un 50% menor que los préstamos bancarios de día de pago. "En otras palabras, con la ayuda del algoritmo ZestFinance, los 'préstamos de día de pago' pueden ahorrar la mitad del coste."
Competencia y riesgo
Después de la crisis financiera, el crédito bancario se ha convertido en Más cautelosos, el personal de TI de Silicon Valley sigue saboreando las dulzuras del pastel financiero. Han surgido plataformas de préstamos P2P como Prosper y Lending Club, y también están en auge las pequeñas empresas de préstamos como ZestCash. Empresas como Zebit, Avantcredit, Kreditech y DemystData han analizado detenidamente las deficiencias del crédito bancario. La característica común de estas empresas es el uso de big data para el análisis crediticio, y la mayoría de ellas cuentan con sus propias plataformas de crédito online.
La plataforma de préstamos entre pares Lending Stream creada por Zebit le permite obtener un préstamo de crédito personal a medio año de entre 50 y 1500 dólares estadounidenses en 4 minutos.
El lema de Avantcredit es "Solicitar un préstamo desde aquí no afectará su puntaje crediticio FICO". La empresa también construye su propio sistema de crédito y las puntuaciones de diferentes personas dan diferentes tipos de interés.
Kreditech está ubicada en Hamburgo, Alemania. Dos informáticos confiados utilizan el análisis de big data para evaluar la probabilidad de que los prestatarios devuelvan su dinero. No exigen a los clientes que presenten certificados de crédito y pueden conceder pequeños préstamos de menos de 500 euros en 15 minutos. Al igual que ZestCash, Kreditech quiere que los usuarios proporcionen la mayor cantidad de información posible, incluido si la solicitud de préstamo del usuario se envía desde un iPad o una computadora antigua, la probabilidad de errores de entrada, con qué frecuencia se usa la tecla cancelar, etc.
Todas las empresas mencionadas anteriormente han sido favorecidas por capitalistas de riesgo, como Kreditech2013, que recibió 9 millones de dólares en inversiones Serie A en septiembre, y Avantcredit2013, que recibió 20 millones de dólares en inversiones Serie B en agosto. .
Chen Jian cree que este tipo de empresas innovadoras no entra en conflicto con el FICO y el crédito bancario tradicional, y pueden servir como complemento al mercado tradicional.
Por supuesto, estas empresas no pueden hacer lo que quieran y también deben estar sujetas a la supervisión de Estados Unidos. Entre ellas, la Ley de Igualdad de Oportunidades de Crédito aprobada en 1975 estipula que los préstamos deben otorgarse a todos los solicitantes solventes sin distinción de raza, religión, sexo, estado civil, edad y otras características personales. Sin embargo, con la explosión del big data de Internet, empresas como ZestFinance han incluido esta información en cálculos de variables junto con la información de las redes sociales. Además, dado que toda recopilación de datos crediticios debe obtener mi permiso, este método de recopilación de grandes cantidades de datos también correrá el riesgo de infringir la privacidad del consumidor.