芝麻信用和fico评分有什么差异(芝麻信用经验)-凯发网站
关注:96 发布时间:2021-11-21 07:48:01
如果你身为高富帅或者白富美,同时又是个剁手族,那你的阿里巴巴芝麻信用分一定很高。这样,当其他人还在焦急地等待签证消息时,你就可以潇洒地从限量版的包包里拿出iphone6s,支付宝,轻触芝麻信用,哇,你的芝麻信用分数是760!随后你任性地把护照和iphone6s扔在签证官面前,看着他/她在你护照上盖章,你微笑着说:please charge visa fee directly from my ant credit account (蚂蚁花呗)!
除了签证办理之外,其他许多生活方面的应用也离不开芝麻信用。如果你想免押金租车、租房,在酒店先入住后付款,都需要一定的芝麻信用分数;更不用说金融方面的信用贷款了……fico评分在中国的推广一直说不上热火朝天,可是在中国有芝麻信用分的人不说上亿,起码也有几千万吧。这么广泛的客户来源,再加上支付宝的强大覆盖力,fico评分这样的传统信用评分还有多大价值呢?会不会在不远的将来,就被芝麻信用分、腾讯征信评分取代映衬得黯然失色呢?
其实也不能一概而论。让我们先看看传统的fico评分和芝麻信用分是如何计算出来的吧:
fico评分是fair isaac公司开发的信用评分系统,也是目前美国应用得比较广泛的一种。fico评分系统得出的信用分数范围在300~850分之间,分数越高,说明客户的信用风险越小,它采集客户的人口统计学信息、历史贷款还款信息、历史金融交易信息、人民银行征信信息等,通过逻辑回归模型计算客户的还款能力,预测客户在未来一年违约的概率:
1. 人口统计学信息:如客户年龄、家庭结构、住房情况、工作类别及时间等;
2. 历史贷款还款信息:即过去6个月或12个月的付款方式、逾期次数等;
3. 历史金融交易信息:即过去6个月或12个月的平均月交易笔数、金额等;
4. 银行征信信息:如过去12个月中新开的账户总数、所有账户的总额度、账户是否逾期等。 的大数据征信比较终无法替换fico评分,而只是用来补充fico评分的不足。原因包括多个方面:
1. zestfinance 的大数据征信的体量不大,到现在只为10万美国人提供服务,对模型的有效性、准确性还很难做出有效的评价。 的大数据模型也给传统的风险管理带来挑战:传统的fico评分需要处理的变量比较少,对模型结果可以给出合理的解释,方便金融机构不同部门之间、金融机构与客户之间的沟通。而zestfinance 的基于大数据的数以千计的变量规模和多模型应用,使得数据的处理和模型的解释变得很复杂,在实际应用中会带来许多麻烦。 在利用个体消费者的大数据进行信用评估时,很多数据会涉及个人隐私,比如个人社交网络数据(微信朋友圈)、电商交易数据、通话记录等,所以涉及个人隐私的保护和合规性。
看,以上这些信息都是fico评分模型的自变量,比较终会通过逻辑回归模型输出比较终分数。不同的是,阿里巴巴推出的芝麻信用分则是以大数据分析技术为基础,采集多元化数据,包括传统的金融类交易、还款数据,第三方的非金融行为数据,互联网、移动网络和社交网络数据等,帮助贷款方从多个方面考察个体的还款能力、还款意愿,做出合理、全面的信用评分。
上图展现了基于大数据分析技术的机器集成学习法ensemble。不同于传统的逻辑回归模型,它采集了上万个数据项、从不同的层面(还款能力、还款意愿、欺诈可能性、稳定性等)对个体进行建模打分;再把这些单个层面的评分、结合个体的综合信息,给个体一个比较终的信用评分。
两种评分模型采用数据量的不同体现了其评分思路的区别。通常,fico评分模型只有十几个评分项,每一个评分项对目标变量(即是否违约)的预测性和影响力都很高。但是,在机器集成学习法中,比较终进入模型的评分项可能多达成千上万,而且每一个这样的评分项对目标变量的单独预测性可能都很小;ensemble就是利用机器学习法,把这么多微小的预测性汇总成为比较终对个体的违约可能性有很强预测性的评分。
那么,芝麻信用有哪些局限性呢?我们不妨参照已有的实例来进行横向对比分析。美国的互联网金融公司zestfinance从2009年就开始研发基于大数据的信用评估模型:融合多源信息,采用机器学习的预测模型和集成学习策略,进行大数据挖掘。他们收集了上千种来源于第三方的数据,比如水、电、煤账单,电话账单,房屋租赁信息,和传统的金融借贷、还款信息等;通过机器学习的方法寻找数据间的关联性并对数据进行必要的转换;在关联性的基础上将数据重新整合成不同的测量指标;每一种指标反映个体的某一方面特征,比如诈骗概率、长期和短期的信用风险和偿还能力;比较后,将所有指标按加权投票的原则,做成比较终的信用评分。
但是zestfinance的个体信用评分只适用于缺乏或没有信贷记录的人群,也就是说,这些人或者刚移民到美国,或者之前从来没有过贷款行为。所以zestfinance 的大数据征信比较终无法替换fico评分,而只是用来补充fico评分的不足。原因包括多个方面:
1. zestfinance 的大数据征信的体量不大,到现在只为10万美国人提供服务,对模型的有效性、准确性还很难做出有效的评价。
2. zestfinance 的大数据模型也给传统的风险管理带来挑战:传统的fico评分需要处理的变量比较少,对模型结果可以给出合理的解释,方便金融机构不同部门之间、金融机构与客户之间的沟通。而zestfinance 的基于大数据的数以千计的变量规模和多模型应用,使得数据的处理和模型的解释变得很复杂,在实际应用中会带来许多麻烦。
3. zestfinance 在利用个体消费者的大数据进行信用评估时,很多数据会涉及个人隐私,比如个人社交网络数据(微信朋友圈)、电商交易数据、通话记录等,所以涉及个人隐私的保护和合规性。
阿里巴巴的芝麻信用和zestfinance的大数据征信相似,也存在一定的问题,比如:芝麻信用覆盖的人群可能上亿,但是芝麻信用分的有效性和准确性还没有得到公认的评估;凭借高的芝麻信用分可以在支付宝开通蚂蚁花呗,类似信用卡的透支服务,但是芝麻信用在其他方面的应用还没有达到一定的规模。
当然,大数据信用评分终归是历史的趋势,目前fico公司和国外三大征信机构都已经开始了利用大数据分析技术来完善传统信用评估体系的前瞻性研究。比如,益百利experian已经投入研究团队关注社交网络数据对信用评分的影响;fico公司也已经开始了在线评估的信息工具和基于互联网的信用评估系统的项目研究。我们相信,随着理论与方法的完善和实践的深入,基于大数据分析的信用评分终有一天将占据主流地位,不过,市场上会不会出现有力的新竞争者、比较终赢家究竟是芝麻还是西瓜,仍需我们拭目以待。
芝麻信用分和fico是通过怎样的评分体系的出来的你知道了吗?芝麻信用分的用途越来越大,了解了他的评分体系就能更好的提高芝麻信用分啦!
更多关于芝麻信用分的提升方法请关注
新手开店相关经验
问为什么用支付宝里的芝麻信用骑小黄车,却没有红包小黄车在其app里骑行本身就有红包
支付宝小程序暂时不支持红包图。建议使用app全面体验所有功能
上一篇:
下一篇:
猜你喜欢
-
淘宝售后怎么申请22人支持
我们申请售后有一个必要条件就是交易已经关闭或者交易成功,正在交易中的物品是不能申请售后的,正在交易的物品只能选择申请退款。好了接下来我们详解下如何申请售后。我们先进入到已买到的宝贝里面。找到自己想要申请售后的物品,在售后那一栏可以看到有…
-
56人支持
一、手淘生活研究所达人入驻要求淘宝生活研究所已经开放达人申请,如果达人想引生活研究所的流量,那么达人入驻淘宝生活研究所的要求及处罚规则就一定要知道。1、达人入驻门槛(以下7条门槛全部满足后即可申请,审核通过后入驻)2、生活研究所达人能力要求1…
-
79人支持
一、活动范围:2018年11月11日-2018年11月17日期间的部分商品二、活动玩法:1、红包发放类型有两种:1)店铺预售返红包:活动期间,商品详情页带有“发货后得10元红包,见红包规则“的字样(参见下图),若消费者购买该类型活动商品,在商品发货后可获得10元的红包,该类…
-
67人支持
买家购买分析 :人们买东西,不管是产品还是服务,是因为这个东西能解决他的问题.但都不会从需要解决这个问题的角度去看待这个问题.比如一个顾客要买一件衣服,通常是想打扮自己,所以来购买.当我们向顾客推荐商品时,我们的难点是:怎么确定他会花多少钱来…
-
105人支持
12月19日上午,第十二届全国人大常委会第二十五次会议在京召开,首次审议《中华人民共和国电子商务法(草案)》。长期受到关注的电子商务法,终于首次揭开了面纱。全国人大财政经济委员会副主任委员、电商法起草组组长吕祖善介绍,电子商务法的立法旨在促进电…
-
14人支持
一、招商规则是什么?1)卖家为淘宝网卖家;符合《淘宝网营销活动规则》;2)本自然年度内,不存在淘宝出售假冒商品违规的行为;未因发布违禁信息或假冒材质成份的严重违规行为扣分满6分及以上;3)店铺信用等级为一心及以上;未涉及廉正调查;4)店铺绑定的支付…
-
32人支持
淘宝直播由不同“直播间”组成,若干个内容主题一致的直播间都可以投稿某个“栏目”,同一个场景或类目的栏目又组成了“频道”。即直播间∈栏目∈频道。d2选品机制是针对每个不同栏目的主题要求,限制符合主题要求的商品才可以出现在投稿的淘宝直播间宝贝…
-
98人支持
双11店铺红包——50元面额以上增发需求贴,是真的吗?小编今天在逛淘宝论坛的时候也是无意中看见的,顶贴的人不多,所以看到的人不是很多。但这个消息还是希望让有需要的人看到!接下来让我们一起回顾一下往年的双11红包设置规则。一、“收藏送红包-淘宝双1…
-
41人支持
钻展有以下位置:淘宝凯发网站首页1屏banner淘宝凯发网站首页2屏右侧大图淘宝凯发网站首页3屏通栏淘宝凯发网站首页焦点图listing页面右侧旺旺每日弹窗焦点图有关凯发网站首页的图片尺寸都是宽度在1920,高度看店铺情况而定。其它的都是以750*750为基本。女装钻展图怎么做好?(一)文案再好也需搭配…
-
16人支持
日前,国家新闻出版广电总局下发《关于加强网络视听节目直播服务管理有关问题的通知》,通知重申广电总局的有关规定,即直播平台必须持有《信息网络传播视听节目许可证》(以下简称《许可证》),未取得许可证的机构和个人不能从事直播业务。 中国传媒大学网…
-
71人支持
1月:清冬装,春节前一个月要开始上春装,大概50%;2月:春节之后,上另外30%款春装3月:上最后20%春装,夏装开始上架;下旬开始清春装4月:大量上夏装;5月:继续上夏装6月:上部分夏装,下旬夏装开始清仓7月:夏装最后上完,7月底考虑上秋装8月: 清仓夏装, 秋装上架;9月:秋装上旬…
-
55人支持
目前,用户是不可以进行设置的,都是平台搭配好的音乐,大家在收到相关的代付信息时,就会有对应的提示音及短信信息来提示大家需要进行相关代付操作了。为什么不能代付?淘宝亲情账号是可以代付的,无法代付可能有如下原因:1.部分交易暂不支持代付,请以实际页面…
热门十大品牌
- 2021年我国十大黄金品牌排行榜31002人
- 眼镜品牌十大排行榜前10名26363人
- 十大证券公司排行榜前10名23243人
- 2021年我国杂志排行榜前10名20056人
- 我国十大杂志排行榜前10名16359人
- 2021我国十个宜居城市排行榜前11489人
- 男士裤子品牌十大排行榜前10名11187人
- 2021十大火热电脑游戏排行榜前11059人
- 十大卫生巾品牌排行榜前十名8849人
- 我国十大袜子品牌排行榜前十名8373人
微商营销
- 九星微客新零售为什么这么火400关注
- 新手微商起步技巧,做好微商必470关注
- 微商推销产品,要懂得几个关键596关注
- 想代理微商去哪找货源?436关注
- 微商如何让客户放心购买你的475关注
- 谈谈微店经历和未来趋势350关注
- 如何维护好老客户?让他们继续328关注
- 化工品供应商哪家好?382关注
- 微商如何选择一个完美的团队396关注
- 单月销售额破5000万!这个90后383关注
- 做微商不懂引流?实用引流小技587关注
- 微商发朋友圈晒单技巧!561关注