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 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
