大數(shù)據(jù)統(tǒng)計(jì)學(xué)實(shí)踐報(bào)告-在線瀏覽
2024-09-13 02:56本頁(yè)面
【正文】 數(shù)據(jù)的來(lái)源則很難追溯，由于大數(shù)據(jù)的來(lái)源一般為信息網(wǎng)絡(luò)系統(tǒng)，不具有很強(qiáng)的目的性，更是一切被人為記錄的信號(hào)( 盡管信號(hào)有其目的性，但多數(shù)為發(fā)散的) ，并且很難識(shí)別記錄者的身份。 （5）． 量化方式的變化。大數(shù)據(jù)時(shí)代主要面對(duì)的是非結(jié)構(gòu)化數(shù)據(jù)，F(xiàn)ranks 說(shuō)過(guò): “幾乎沒(méi)有哪種分析過(guò)程能夠直接對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，也無(wú)法直接從非結(jié)構(gòu)化的數(shù)據(jù)中得出結(jié)論”。（6）． 分析思維的改變。第一，傳統(tǒng)的統(tǒng)計(jì)分析過(guò)程分為三步，定性、定量、再定性。 其次對(duì)數(shù)據(jù)進(jìn)行量化、分直接從各種“定量的回應(yīng)”中找出有價(jià)值的、為我們所需要的數(shù)據(jù)，并通過(guò)分析找到數(shù)據(jù)的特征和數(shù)量關(guān)系，進(jìn)而據(jù)此做出判斷與決策。 最后根據(jù)結(jié)果得出結(jié)論。第二，傳統(tǒng)的統(tǒng)計(jì)實(shí)證分析，思路是“假設(shè)—驗(yàn)證”，即首先提出假設(shè)，接著按照統(tǒng)計(jì)方法進(jìn)行數(shù)據(jù)的收集、分析、展示，最后通過(guò)所得到的結(jié)論對(duì)假設(shè)進(jìn)行驗(yàn)證。大數(shù)據(jù)時(shí)代，實(shí)證分析的思路是“發(fā)現(xiàn)—總結(jié)”，為了更全面、深入地了解研究對(duì)象，需要對(duì)數(shù)據(jù)進(jìn)行整合，從中去尋找關(guān)系、發(fā)現(xiàn)規(guī)律，然后再加以總結(jié)、形成結(jié)論，這將有助于發(fā)現(xiàn)更多意外的“發(fā)現(xiàn)”?，F(xiàn)在，其過(guò)程變成了以實(shí)際分布為基礎(chǔ)，根據(jù)總體的特征進(jìn)行概率的判斷，在靜態(tài)或者動(dòng)態(tài)的某個(gè)時(shí)點(diǎn)，大數(shù)據(jù)所需處理的對(duì)象為總體數(shù)據(jù)，不需要根據(jù)分布理論推斷總體特征，而要根據(jù)計(jì)算方法進(jìn)行推斷。 傳統(tǒng)統(tǒng)計(jì)學(xué)以統(tǒng)計(jì)模型和軟件為基礎(chǔ)進(jìn)行數(shù)據(jù)分析處理，統(tǒng)計(jì)模型的作用在于對(duì)數(shù)據(jù)間的數(shù)量關(guān)系進(jìn)行構(gòu)建，統(tǒng)計(jì)軟件是分析和處理數(shù)據(jù)的工具，需要研究者自主輸入經(jīng)過(guò)處理的數(shù)據(jù)，以及統(tǒng)計(jì)模型的公式等。大數(shù)據(jù)所依賴的數(shù)據(jù)分析技術(shù)為非關(guān)系型的，以數(shù)據(jù)中心為基礎(chǔ)。 綜上所述，大數(shù)據(jù)時(shí)代的來(lái)臨，對(duì)傳統(tǒng)統(tǒng)計(jì)學(xué)的變革從樣本的定義方法一直到數(shù)據(jù)分析的思維與技術(shù)均有所體現(xiàn)。2． 實(shí)際意義：大數(shù)據(jù)在征信系統(tǒng)中的應(yīng)用近期，美國(guó)互聯(lián)網(wǎng)金融公司ZestFinance受到國(guó)內(nèi)互聯(lián)網(wǎng)金融專業(yè)人士的熱捧，其基于大數(shù)據(jù)的信用評(píng)估模型也越來(lái)越受到關(guān)注和效仿。一、ZestFinance簡(jiǎn)介ZestFinance，原名ZestCash，是美國(guó)一家新興的互聯(lián)網(wǎng)金融公司，2009年9月成立于洛杉磯，由互聯(lián)網(wǎng)巨頭谷歌（Google）的前信息總監(jiān)道格拉斯卜德（ShawnBudde）（曾管理過(guò)收益超過(guò)10億美元的次級(jí)信貸業(yè)務(wù))聯(lián)合創(chuàng)辦。ZestFinance起 初是為傳統(tǒng)的發(fā)薪日貸款（PaydayLoans）提供在線替代的產(chǎn)品。由于美國(guó)傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估體系無(wú)法覆蓋全部的人群，大約15%的人因沒(méi)有信用評(píng)分而被銀行排斥在外，無(wú)法獲得基本的信貸需求。泰爾（PeterThiel）領(lǐng)投了ZestFinance的2000萬(wàn)美元融資。大致來(lái)看，美國(guó)個(gè)人消費(fèi)者信用評(píng)分人群分布狀況呈現(xiàn)兩頭小中間大的形態(tài)，信用分?jǐn)?shù)處于750～850的人群有40%之多，其中信用分?jǐn)?shù)在800～850大約占總?cè)藬?shù)的13%，在750～799超過(guò)總?cè)藬?shù)的25%，這是整個(gè)信用社會(huì)的中間階層，對(duì)應(yīng)于美國(guó)的中產(chǎn)階級(jí)。從圖1可以看出，還有大量的人群遠(yuǎn)低于平均的678分，如FICO評(píng)分在550～549的占8%，在500～549的占5%，小于499分的占2%。還有一種可能，那就是他們的貸款申請(qǐng)會(huì)被拒，無(wú)論是否事出有因。表1根據(jù)FICO評(píng)分將服務(wù)人群分為四個(gè)區(qū)間，并對(duì)應(yīng)不同的金融服務(wù)機(jī)構(gòu)。大數(shù)據(jù)征信應(yīng)用與啟示 wbr——以美國(guó)互聯(lián)網(wǎng)金融公司 wbrZestFinance為例 三、傳統(tǒng)信用評(píng)估模型信息維度比較單一 傳統(tǒng)的FICO評(píng)分模型的基本思想是比較借款人信用歷史資料與數(shù)據(jù)庫(kù)中的全體借款人的信用習(xí)慣，檢查借款人的發(fā)展趨勢(shì)跟經(jīng)常違約、隨意透支，甚至申請(qǐng)破產(chǎn)等各種陷入財(cái)務(wù)困境的借款人的發(fā)展趨勢(shì)是否相似。但隨著信貸業(yè)務(wù)的進(jìn)一步開(kāi)展，F(xiàn)ICO信用評(píng)分由于單一的標(biāo)準(zhǔn)、嚴(yán)苛的門(mén)檻和片面的評(píng)估結(jié)果而飽受詬病。但在大數(shù)據(jù)背景下個(gè)人消費(fèi)者出現(xiàn)許多信息維度，如電子商務(wù)、社交網(wǎng)絡(luò)和搜索行為等，傳統(tǒng)信用評(píng)估模型解決問(wèn)題的能力越來(lái)越受限。大數(shù)據(jù)征信應(yīng)用與啟示 wbr——以美國(guó)互聯(lián)網(wǎng)金融公司 wbrZestFinance為例 由于傳統(tǒng)的基于FICO評(píng)分的信用評(píng)估模型覆蓋人群窄、信息維度單一、時(shí)間上滯后，所以，在大數(shù)據(jù)時(shí)代，需要探索信用評(píng)估的新思路。 五、ZestFinance大數(shù)據(jù)信用評(píng)估的實(shí)踐 ZestFinance的基本理念是認(rèn)為一切數(shù)據(jù)都是和信用有關(guān)，在能夠獲取的數(shù)據(jù)中盡可能地挖掘信用信息。 （一）大數(shù)據(jù)采集技術(shù) ZestFinance以大數(shù)據(jù)技術(shù)為基礎(chǔ)采集多源數(shù)據(jù)，一方面繼承了傳統(tǒng)征信體系的決策變量，重視深度挖掘授信對(duì)象的信貸歷史。 ZestFinance的數(shù)據(jù)來(lái)源十分豐富，依賴于結(jié)構(gòu)化數(shù)據(jù)的同時(shí)也導(dǎo)入了大量的非結(jié)構(gòu)化數(shù)據(jù)。類似地，非常規(guī)數(shù)據(jù)是客觀世界的傳感器，反映了借款人真實(shí)的狀態(tài)，是客戶真實(shí)的社會(huì)網(wǎng)絡(luò)的映射。 如圖4所示，ZestFinance的數(shù)據(jù)來(lái)源的多元化體現(xiàn)在：首先，對(duì)于ZestFinance進(jìn)行信用評(píng)估最重要的數(shù)據(jù)還是通過(guò)購(gòu)買或者交換來(lái)自于第三方的數(shù)據(jù)，既包含銀行和信用卡數(shù)據(jù)，也包括法律記錄、搬家次數(shù)等非傳統(tǒng)數(shù)據(jù)。此外社交網(wǎng)絡(luò)數(shù)據(jù)也是大數(shù)據(jù)征信的重要數(shù)據(jù)源。為了證明自己的還款能力，用戶會(huì)有詳細(xì)、準(zhǔn)確回答的激勵(lì)，另外用戶還會(huì)提交相關(guān)的公共記錄的憑證，如水電氣賬單、手機(jī)賬單等。 （二）大數(shù)據(jù)分析模型大數(shù)據(jù)征信應(yīng)用與啟示 wbr——以美國(guó)互聯(lián)網(wǎng)金融公司 wbrZestFinance為例 圖5展示了ZestFinance的信用評(píng)估分析原理，融合多源信息，采用了先進(jìn)機(jī)器學(xué)習(xí)的預(yù)測(cè)模型和集成學(xué)習(xí)的策略，進(jìn)行大數(shù)據(jù)挖掘。其次，尋找數(shù)據(jù)間的關(guān)聯(lián)性并對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換。然后將這些較大的變量輸入到不同的數(shù)據(jù)分析模型中去。 其中，ZestFinance開(kāi)發(fā)了10個(gè)基于機(jī)器學(xué)習(xí)的分析模型，對(duì)每位信貸申請(qǐng)人的超過(guò)1萬(wàn)條數(shù)據(jù)信息進(jìn)行分析，并得出超過(guò)7萬(wàn)個(gè)可對(duì)其行為做出測(cè)量的指標(biāo)，在5秒鐘內(nèi)就能全部完成。這種機(jī)制的決策性能遠(yuǎn)遠(yuǎn)好于業(yè)界的平均水平。 如表2所示，將這種將基于大數(shù)據(jù)技術(shù)的信用評(píng)估體系和傳統(tǒng)信用評(píng)估（以美國(guó)的征信體系為例）相比，發(fā)現(xiàn)主要的區(qū)別有以下幾個(gè)方面。 （2）從數(shù)據(jù)源來(lái)說(shuō)，這種新的信用風(fēng)險(xiǎn)評(píng)估體系大量采用非傳統(tǒng)的信用數(shù)據(jù)，包括互聯(lián)網(wǎng)上的行為數(shù)據(jù)和關(guān)系數(shù)據(jù)，傳統(tǒng)的信用數(shù)據(jù)（銀行信貸數(shù)據(jù)）的比重僅占到了40%，甚至完全不用傳統(tǒng)的信貸信用數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評(píng)估。而新的信用評(píng)估體系更看重用戶現(xiàn)在的信息，致力于橫向拓展。 六、對(duì)中國(guó)互聯(lián)網(wǎng)金融和信用評(píng)估的啟示 利用大數(shù)據(jù)技術(shù)的信用評(píng)估方法在現(xiàn)實(shí)中有著很大的市場(chǎng)需求，如國(guó)內(nèi)快速發(fā)展的互聯(lián)網(wǎng)金融中的風(fēng)險(xiǎn)管理問(wèn)題。信用風(fēng)險(xiǎn)評(píng)估是
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1