【编者按】技术的迭代给金融创新带来了新机会,但前景向好的同时也伴随着种种隐忧,近年来,科技对金融的作用是否被高估?人工智能是否能为我们带来更智能更安全的金融服务?未来的金融投资真的能完全 "智能化" 吗?FT 中文网近期组织 "金融科技的未来" 专题,编辑事宜,联系闫曼 man.yan@ftchinese.com
金融科技的浪潮贯穿了 2017 年的金融市场.从人工智能,区块链,一直到智能投顾等,这些前沿技术与金融行业的融合成为被讨论的热点话题.以资产证券化为例,去年,百度,京东等陆续推出了智能化的 ABS 产品.那么,人工智能与区块链等技术真的能够完成 ABS 的整个流程么?
在资产证券化领域,科技金融的应用主要采用了对大数据风控的把握以及区块链技术的应用.这些技术的应用体现在筛选符合标准的底层资产来进行之后的资产证券化业务.从大数据风控的角度来说,它无法完成筛选评估资产,进行风险评估的任务,因为目前为止还没有出现完全能够替代人脑来完全理解金融的算法,金融是个有人参与的需要理解力的过程.
比如说在消费金融 ABS 领域通常采用的信用积分方法,它的局限性体现在如下方面.
消费金融贷款是典型的小额贷款.它的违约率特征在一定程度上区别于大额度贷款,例如住房贷款或者车贷,对其违约率的计算方式也有所区别.例如我们上面提及的信用积分方法,它就不是建立在量化的基础上来计算其违约率,而是基于借贷人的行为举止,来进行打分积分.这就相当于给人的行为举止进行评估,所以在严格意义上讲,它只是一个估计方法.举例来说,人们通常采用的用来评判的行为举止指标有:贷款重复申请查询,被信贷机构查询记录,逾期记录查询,个人担任高管情况,银行卡消费分析等行为.
首先,这些指标缺乏统一标准,不同人感受不同,给出的指标高低也有区别,因为它们是人行为的特征,不是能够被准确无误量化的,所以在一定程度上缺乏量化方面的科学性.
此外,在小额度贷款领域,人们的举止同文化以及法治环境严格相关.在欺诈多发,法治环境较差的地区,小额贷款的违约率要相对从程度上更高于法治环境优良的地域.所以,在不同的地区,即便是使用信用积分的方法,也要对积分进行地域与文化相关的调整.而这个调整是建立在一定期限的观察基础上的,不能够被照搬来用,它需要有一定的历史数据做支持.
再者,采用信用积分方法来评估小额贷款,其结果更容易被伪造,因为借款人的行为举止非量化指标,所以更容易被人操纵.
综合来说,影响 FICO 评分的主要因素有以下几类:偿还历史,信用账户数,使用信用的年限,正在使用的信用类型以及新开立的信用账户.但是在中国,通过区块链技术以及中国现在的网购平台,实际上获得的数据并不一定能够达到模型本身对数据质量的要求.
偿还历史要求有各种信用账户的还款记录.以信用卡为例,目前为止的中国网购平台并不一定有能力拿到这些信用卡信用数据.目前为止的进行消费金融 ABS 打包的行为主体,大多数获得不了这些模型本身所需求的数据.
来源: http://www.ftchinese.com/story/001075970#adchannelID=2100