이 회사의 기치는' 구글 알고리즘을 징신 분야에 도입하다' 는 것이다. 기계 학습과 빅 데이터 기술을 활용하여 기존 모델과는 다른 신용 평가 방법을 만들어 냅니다. 이 방법은 기존 모델보다 수백 배나 더 많은 데이터 변수를 적용합니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 기계명언)
ZestFinance 는 20 10 에 설립되었습니다. Zest Finance 의 설립자인 더글라스 메릴 (Douglas Merrill) 은 구글의 전 정보 책임자이자 엔지니어링 부사장입니다. 금융계에서 온 또 다른 설립자인 숀 버드는 Capital One 에서 신용대출을 담당했습니다.
재신 기자는 ZestFinance 의 설립자인 메릴을 인터뷰했다. 그는 "ZestFinance 가 현재 은행에서 사용하는 알고리즘을 완전히 대체할 수 있다고 생각한다" 고 말했다.
그러나, FICO 중국구 총재 진건 회장은 이것이 불가능하다고 말했다. 미국에서는 65,438+0,000 개 이상의 서비스 소비자가 있는 지방신용기관이 기본적으로 3 대 신용회사에 속한다. 이 세 개의 신용회사는 654 억 38+0 억 7 천만 명이 넘는 소비자의 신용기록을 포함하여 전국을 포괄하는 데이터베이스를 보유하고 있다. 3 대 징신 회사는 대량의 개인 징신 데이터를 수집한 후 복잡한 모형 계산을 거쳐 징신 상품을 형성해야 한다. 이 세 신용회사가 현재 사용하고 있는 계산 방법과 모델은 모두 같은 회사, 즉 FICO 에서' 배후 사장' 으로 불린다.
점점 더 많은 ZestFinance 와 같은 신생 회사들이 전통적인 월스트리트 영토를 노리고 있다. 그것의 기세는 도미노처럼 전통 금융업계에 끊임없이 열쇠를 밀고 있다.
데이터가 보물로 변하다
ZestFinance 공식 홈페이지에는 "모든 데이터는 신용 데이터입니다." 라는 문구가 있다. 이 문장은 ZestFinance 가 한 일을 집중적으로 담았습니다. 수천 개의 데이터를 보물로 바꾸고 신용 점수에 적용했습니다.
이 회사는 불과 4 년 만에 654.38 달러+0 억 2 천만 달러의 융자를 받았으며, 그 뒤의 투자자들은 FlyBridge, GRP, LightSpeed, Matrix 등 유명 IT 벤처 투자자였다.
현재 미국의 대부분의 금융기관이 사용하는 신용점수는 FICO 의 모델 알고리즘에서 나온 것이다. 1960 년대 이후, 미국 징신 체계에서의 FICO 의 지위는 결코 흔들리지 않았다.
미국에서는 3 대 신용회사의 정리와 FICO 의 계산 점수를 거쳐 대량의 신용정보 데이터가 깔끔하고 아름다운 보고서와 325-900 구간의 점수로 바뀌었다. 사용자는 보고서만 구입하거나 보고서+점수를 포장할 수 있습니다.
중과원 원사, 베이징대 교수는 특히 재신에 대해 FICO 의 채점 모델이 손꼽히지만 완벽하지는 않다고 밝혔다. FICO 의 신용 점수는 50 개 미만의 데이터 변수를 참조하므로 많은 사람들이 FICO 의 관심 변수를 찾은 후' 모델 차익 거래' 를 통해 자신의 신용 점수를 높일 수 있다. 예를 들어, 한 사람은 매일 도서관에서 책을 빌려 책을 반납하여' 학점' 을 할 수 있다.
"FICO 의 부족으로 ZestFinance 는 신용 평가 모델을 재설계했습니다. ZestFinance 는 FICO 가 50 개 미만의 참조 변수보다 수만 개의 데이터 변수를 참조하고 비선형 및 최첨단 기술을 사용하여 분석하여' 모델 차익 거래' 현상을 방지하고 소비자 신용 위험을 보다 정확하게 평가합니다. " 유 는 말했다.
사실, ZestFinance 는 FICO 50 변수의 한계를 훨씬 넘어섰다. 로스앤젤레스라는 65 명 팀에서는 대부분 데이터 과학자입니다. 그들은 수만 개의 데이터 변수를 사용하는 몇 개의 기계 학습 분석 모델을 개발했다. 수천 개의 데이터 변수는 원시 정보 데이터일 뿐입니다. 이 데이터를 바탕으로 모델은 신용행동을 판단할 수 있는 7 만 개 이상의 지표를 얻을 수 있다. 모델이 이러한 표시기를 실행하는 데 3 초도 채 걸리지 않습니다.
기계학습이란 인공지능의 핵심이다. 컴퓨터가 인간의 학습행동을 시뮬레이션하거나 실현하여 새로운 지식과 기술을 얻고 데이터 축적에서 끊임없이 자신을 보완할 수 있도록 하는 것이다. ZestFinance 의 모델 중 하나인 Hilbert 는 기계가 상용화 응용 프로그램을 배우는 성공 사례로, 기계가 7 만 개의 지표에 대한 데이터 분석을 담당하고, 논리적 관계를 찾고, 끊임없이 자신을 보완할 수 있도록 했다. 인간은 결과에 따라 논리적 분석과 판단만 하면 된다.
"수년 동안 미국 금융 기관은 50 개의 데이터 변수를 사용하여 고객에게 신용을 제공할지 여부를 결정했습니다. 문제는 많은 사람들이 완전한 신용 기록이 없어 전통 신용대출에 의해 계속 거절당하는 것이다. "라고 메릴린치는 말했다. "ZestFinance 에서는 수만 개의 데이터 변수를 분석하고 광범위한 데이터를 사용하여 고객의 위험을 보다 정확하게 예측했습니다. ""
데이터 유형도 광범위합니다. 한 사람의 웹 브라우징 기록, 휴대전화 지불 기록, 슈퍼마켓 쇼핑 목록은 모두 중요한 참고 근거가 될 수 있습니다. 심지어 사용자가 신용대출 신청서를 작성할 때 대문자나 소문자를 사용해도 데이터 변수가 될 수 있습니다.
"많은 데이터가 신용에 도움이 될 수 있습니다. 예를 들어, 신청인이 우리 웹사이트에 머무는 시간은 그가 대출을 신청할 때의 신중함과 성의를 반영할 수 있다. " 메릴이 말했습니다.
오위난은 신용기록이 강변수라고 생각한다. 강변수 없이 우리는 각종 약변수를 참조할 수 있다. 이러한 약한 변수를 결합하면 신용 위험 통제 서비스를 위한 강력한 변수를 형성할 수 있습니다. "예를 들어, 아이가 가계지출의 한 원천이라면, 대출자 아이의 나이를 추론할 수 있다면, 그의 소비주기를 예측할 수 있다. 유아는 분유 등 고정지출이 있고, 학생은 매년 9 월에 학비를 내야 한다. 그가 그의 주요 지출을 피할 수만 있다면, 그는 나쁜 빚을 통제할 수 있다. "
특히 중국에서는 징신업계의 역사가 짧고 충분한 신용데이터가 부족하기 때문에 한 사람의 상환상황을 예측하는 데 많은 약변수 데이터를 사용할 수 있다고 한다. 현재 학계의 많은 사람들도 비슷한 연구를 하고 있다.
이러한' 약변수' 의 개발과 활용에 대해 진건도 "데이터 발굴의 가치는 필연적인 추세이며, 큰 데이터의 발전은 나날이 새로워질 것" 이라고 인정했다. 그러나 그는 FICO 가 먼저 인터넷 데이터에서 가치를 발굴하는 것이라고 말했다. "은행 신용 카드 거래는 실시간으로 데이터를 수집하여 분석을 통해 위험을 식별합니다. FICO 는 10 여 년 전에 발명되었으며, 현재 선진 시장의 90% 이상이 FICO 를 사용하고 있다. "
피코 쟁탈전
사실, 현재 ZestFinance 와 FICO 는 같은 말을 할 수 없다. FICO 는 미국 신용점수시장의 99% 와 대부분의 선진국의 신용점수시장을 점유하고 있으며, ZestFinance 는 현재 65438 만+만 미국인만 서비스하고 있다.
중국에서 FICO 는 현재 80 명의 팀을 보유하고 있으며 15 개 상업은행, 30 여개 도시상사, 농업업체와 협력하고 있습니다. ZestFinance 는 미국 밖에서는 업무가 없지만, 메릴린치는 재신에게 현재 몇 개의 중국 금융기관과 협상을 진행하고 있다고 말했다.
그러나 미래의 발전으로 볼 때, 새로운 것들이 항상 더 많은 주목을 받을 수 있는 것 같다. ZestFinance 등 신종 신용평가사의 탄생을 앞두고 미국 주류 언론들은' 이코노미스트' 잡지에 "ZestFinance 는 기존 채점방식에 비해 위약률이 40% 낮아졌다" 고 보도했다. 미국 소비자 뉴스와 상업 채널은 "ZestFinance 는 계좌가 없는 사람들이 거절당하지 않도록 했다" 고 말했다.
이 모든 소리는 피코를 가리키는 것 같다.
메릴린치는 ZestFinance 가 FICO 와는 전혀 다른 기술을 채택했다고 밝혔다. FICO 는 1950 년대에 만들어진' 논리적 회귀' 모델을 기반으로 한 것으로 당시 참고할 수 있는 데이터 변수가 많지 않았다. 하지만 인터넷 시대가 도래하면서 데이터가 폭발하기 시작했고, 피코의 채점 방법은 변하지 않았다. 메릴, 전 구글인, 구글 알고리즘을 징신 분야에 도입하여 기술의 최전방을 걷고 있다. "ZestFinance 는 현재 은행에서 사용하는 알고리즘을 완전히 대체할 수 있다." 메릴은 자신있게 말했다.
피코는 외부의 의문에 대해 매우 난감하다고 말했다. 첸 지안 (Chen Jian) 은 외부 세계가 실제로 FICO 에 대한 이해가 부족하다고 말했다. FICO 의 알고리즘은 한 개가 아니라 수백 개이다. 미국에만 등록된 알고리즘 특허는 200 건에 육박한다. 서로 다른 데이터 장면에서 서로 다른 데이터 변수와 수량을 사용합니다.
진건은 데이터 변수가 많을수록 좋다고 생각한다.
"FICO 신용 점수에는 실제로 65,438+0,000 개 이상의 후보 변수가 있지만 점수당 수십 개의 변수만 사용됩니다." 진건은 변수가 많을수록 모델이 좋아질수록 순진하다고 말했다. 통계적으로 볼 때, 모형 계산은 본질적인 법칙을 파악해야 하고, 다른 한편으로는 과맞춤을 피해야 한다.
"변수가 너무 많으면 맞춤 문제가 발생할 수 있습니다. 신발 한 켤레를 만드는 것과 같습니다. 발 100% 가 발에 맞지만 다른 사람은 입을 수 없습니다. FICO 는 한 사람을 위해 신발 한 켤레를 만드는 것이 아니라 사회 전체를 위해 신발 한 켤레를 만드는 것이다. 일부 변수가 모든 사람에게 적합하지 않으면 모형에 적합하지 않다. " 첸 지안 는 말했다.
혜예 등급 연구 결과에 따르면 FICO 점수의 영향력이 떨어지고 있다. 이제 미국의 모든 은행에는 자체 모델이 있으며 자체 모델을 사용하여 원본 신용 데이터를 실행합니다. FICO 점수는 참조 변수 중 하나일 뿐입니다. 예를 들어, Wachovia 의 FICO 점수 참조 비율은 0 으로 떨어졌습니다.
이와 관련하여 진건은 이것이 단지 개별적인 현상일 뿐이라고 생각한다. "제가 알기로는 현재 미국 은행업의 99% 자산 포트폴리오는 여전히 FICO 를 기반으로 하고 있습니다. 1% 를 꺼내서 새로운 것을 테스트하는 것은 바람직하지만, 이것은 주류가 아니다. "
진건은 기술은 업계를 위해 봉사하는 것이고, 신용평점은 상아탑의 환상이 아니라 업계의 깊은 기초 축적이라고 말했다. 현재 미국 은행의 99% 가 FICO 의 채점 시스템을 사용하고 있으며, 그 깊은 축적은 다른 회사와 비교할 수 없다.
진건은 FICO 에 대한 자신감을 숨기지 않았다. "선진 시장에서 FICO 는 이미 재무관리의 실체가 되었으며, 아무도 그들의 원래 팔을 제거하고 하이테크 플라스틱 팔로 바꾸려 하지 않았다."
계좌번호가 없는 사람을 위해 봉사하다.
금융 혜택' 은 새로운 단어가 되고 있는데, 이는 은행 계좌나 불량 신용 기록이 없는 사람들이 금융 서비스를 공평하게 즐길 수 있다는 것을 의미한다.
마스터 카드 CEO 인 Ajay Banga 는 최근 금융 혜택에 대한 제안에 따르면 현재 전 세계 25 억 명의 성인이 금융 서비스를 받지 못하고 있으며, 그 중 대부분은 여성과 젊은이, 일부는 농촌지역에 살고 있다고 밝혔다. 미국에서는 현재 4 천 4 백만 명이 은행 계좌를 가지고 있지 않다. "따라서, 금융 보조금은 개발도상국뿐만 아니라 모든 나라에서 시작되어야 한다."
메릴린치는 ZestFinance 가 은행 계좌가 없고 불량 신용 기록이 있는 사람들을 위해 대출 문제를 해결한다고 밝혔다.
"나의 첫 영감은 나의 형수에게서 온 것이다." 메릴은 재신 기자에게 그의 형수가 자동차 타이어 한 쌍을 대출하려고 했지만, 은행이 거절했다. 왜냐하면 그녀는 충분한 신용기록이 없었기 때문이다. \ "나중에, 나는 그녀에게 돈을 빌려 주었다. 만약 내가 그녀에게 돈을 빌려주지 않는다면, 그녀는' 월급날 대출' 을 신청해야 한다. "
메릴린치의' 월급날 대출' 은 월급 2 주 전에 신청한 소액 개인대출을 말한다. 대출자는 소득 증명서나 정부 구제만 제공하면 되고, 임금 지급 후 상환을 약속하면 된다. 만기가 되면 대출 원금을 갚을 수 없다면 연장을 제안할 수 있다. 그러나 이런 대출의 금리는 65,438+000 달러당 이자는 65,438+05 달러, 연간 이자는 400% 에 달한다. 반면 신용카드 연년률은 12%-30% 에 불과하다.
최근 몇 년 동안, 특히 금융위기 이후 월스트리트와 미국 규제 기관들은 고위험 대출로 여겨지는' 월급날 대출' 에 눈을 돌리고 있지만, 이는 여러 차례 금지되어 있다. 2065438+2004 년 6 월 5 일, 한 무리의 대출자들이 미국 규제 기관에 호소하여 규제 기관이 이러한 대출자들을' 평판 위험' 으로 분류하는 것은 불공평하다고 지적했다. 소송 내용에 따르면 미국 80 여 곳의 prime Bank Corporation 은 규제 당국에 의해 이들 대출자와의 관계를 중단하라는 명령을 받았다.
이 특별한 대출자들도 주류 사람들의 동정을 불러일으켰다. 미국인들은 자발적으로 단체를 조직하여 계좌가 없는 사람들의 재정적 포용성을 촉진한다.
"ZestFinance 의 임무는 은행 계좌나 불량 신용 기록이 없는 대출자들을 위한 투명하고 공정한 신용 점수를 만드는 것이다." 메릴린치는 수천 개의 데이터 변수를 통해 누구나 공정한 신용평가를 받을 수 있다고 밝혔다.
또한 ZestFinance 에는 ZestCash 대출 플랫폼이라는 중요한 구성 요소가 있습니다.
ZestCash 는 소액 금융 회사와 유사합니다. 주요 업무는 은행 계좌가 없거나 불량 신용기록이 있는 사람에게 소액 대출을 제공하는 것이다. ZestCash 대출의 90% 는 자동차 수리 및 의료 보험과 같은 일상용품을 구매하는 데 쓰인다.
메릴린치에 따르면, ZestFinance 는 주로 두 가지 방법으로 불량 신용기록이 있는 사람들이 대출을 받을 수 있도록 돕는다. 하나는 ZestCash 에서 직접 대출을 제공하는 것이다. 하나는 ZestFinance 채점 시스템을 사용하는 금융기관이 ZestFinance 의 채점 결과를 통해 대출을 받을 수 있도록 하는 것이다. "지금까지 우리는 은행 계좌나 불량 신용 기록이 없는 6 억 5438 억 명이 넘는 미국인들이 대출을 받도록 도왔다."
ZestFinance 는 대상 고객이' 위험 집단' 이기 때문에 높은 악액률을 초래하지 않았다는 점은 주목할 만하다. 메릴린치는 현재 ZestFinance 로 받은 대출 위약률이 은행의' 월급날 대출' 보다 50% 낮다고 밝혔다. 다시 말해, ZestFinance 알고리즘을 통해' 월급날 대출' 은 비용의 절반을 절약할 수 있다. "
경쟁 및 위험
금융위기 이후 은행신용대출은 더욱 신중해졌고 실리콘 밸리의 it 사람들은 금융케이크의 단맛을 계속 맛보았다. Prosper, Lending Club 등 P2P 대출 플랫폼이 등장했고, ZestCash 등 소액 대출 회사도 번창하고 있다. Zebit, Avantcredit, Kreditech, DemystData 를 포함한 회사들은 모두 은행 신용의 짧은 판을 잘 살펴보았다. 이들 회사의 공통된 특징은 큰 데이터를 이용한 신용 분석이며, 대부분 자체 인터넷 신용 플랫폼이 있다는 것이다.
Zebit 이 만든 Lending Stream 지점 간 대출 플랫폼은 4 분 이내에 50- 1500 달러의 반기 개인 신용 대출을 받을 수 있습니다.
Avantcredit 의 슬로건은 "여기에서 대출을 신청하면 FICO 신용 점수에 영향을 미치지 않는다" 는 것이다. 회사도 자건신용체계여서 사람마다 점수가 주는 금리도 다르다.
Kreditech 는 독일 함부르크에 위치하고 있습니다. 두 명의 자신감 있는 IT 인은 큰 데이터 분석을 통해 대출자가 돈을 갚을 확률을 평가한다. 그들은 고객에게 신용증명서를 요구하지 않고 15 분 이내에 500 유로 이내의 소액 대출을 제공할 수 있다. ZestCash 와 마찬가지로 Kreditech 는 사용자가 iPad 또는 구형 컴퓨터로 대출 신청을 보냈는지 여부, 입력 오류 확률, 취소 키 사용 빈도 등 가능한 많은 정보를 제공하기를 원합니다.
이들 회사는 모두 벤처투자자들의 사랑을 받았다. 예를 들어 9 월 900 만 달러 A 라운드 투자를 받은 크리디트 CH 2013, 8 월 2 천만 달러 B 라운드 투자를 받은 Avantcredit20 13 이 있다.
진건은 이런 혁신적인 회사와 전통적인 FICO 가 은행 신용대출과 충돌하지 않아 전통 시장을 보완할 수 있다고 생각한다.
물론 이런 회사도 하고 싶은 대로 할 수 있는 것도 아니고 미국의 규제를 받아야 한다. 이 가운데 1975 가 통과한' 평등신용기회법' 은 인종, 종교, 성별, 혼인상태, 나이 및 기타 개인적 특징에 관계없이 신용이 신뢰할 수 있는 모든 신청자에게 대출을 지급해야 한다고 규정하고 있다. 하지만 인터넷 빅 데이터의 분출로 이 정보는 소셜네트워크서비스 정보와 함께 ZestFinance 와 같은 회사에서 변수 계산에 포함됐다. 또한 모든 신용 데이터 수집은 내 허가를 받아야 하기 때문에, 이러한 대량 데이터 수집 방식도 소비자의 프라이버시를 침해할 위험에 처하게 됩니다.