【专栏】信而富Thomas:中国的信用体系就像有很多星的晚上

孙爽 · 零壹财经 2017-05-16 阅读:1729

(文/孙爽)信而富成立于2013年,是专注于撮合个人消费贷款的上海老牌P2P网贷平台,曾于2014年11月联合腾讯发布中国首款移动社交平台小额信贷产品“现金贷”,又于2015年10月联合百度发布“现金贷”产品,堪称当前国内大火的现金贷产品技术的先驱,近期在纽交所上市。

信而富将自己的客群定位为“正在崛起的经常使用手机的中产消费者(Emerging Middle-Class Mobile Active Consumers,EMMA)”,其特征为在央行征信中心没有信贷记录、职业稳定、高度依赖互联网、喜欢网购……。

近日,零壹财经和信而富硅谷大数据实验室首席科学家Thomas Wang(以下简称“Thomas”)进行了对话。以下是对话精选。

零壹财经:信而富硅谷大数据实验室是如何运作的?

Thomas:
我们跟斯坦福和麻省理工学院有合作,我们向他们咨询技术,也会向他们提供数据。我们使用的数据大部分来自中国,也会用美国数据(比如网贷平台Lending Club和政府的)来做对比研究。

零壹财经:您认为美国数据和中国数据有何不同?

Thomas:
美国的数据非常干净,我是说很结构化。中国的信用数据体系就像在晚上,你会看到很多星星,但是它们散落于各处,你要把这些“星星”都拼起来才能决定要不要给一个人放款。

零壹财经:关于信贷,您现在的想法是怎样的?

Thomas:
用人工智能、机器学习使信贷决策和反欺诈自动化。不过无监督模型应用于信贷,不是很robust(显著),因为信贷决策的环境经常改变。但是我们会继续尝试这种方法,我们知道的谷歌的AlphaGo应用的就是无监督学习,因为人没办法看很多数据,无监督学习能自己预测、自己判断。

零壹财经:关于您个人,您以前的经历是怎样的?

Thomas:
芝加哥大学毕业后,我在华尔街做过一段时间高频交易。总体来讲,我认为美国监管很严格,在中国就可以做很多事情,有很多数据。

零壹财经:您现在的经历和以前的有什么不同?

Thomas:
以前在华尔街做模型用三四十个变量。现在用机器学习,会用几千个变量,大部分有噪音,但是有用的还是比以前的多得多。

0

相关文章

我来评论

评论“信而富Thomas:中国的信用体系就像有很多星的晚上”

取消 提交 请输入内容!

评论

  • 解码金融科技上市潮

    解码金融科技上市潮

  • 中国贷后风险管理及资产处置峰会

    中国贷后风险管理及资产处置峰会

  • 零壹数据新金融排行榜

    零壹数据新金融排行榜

耗时 2229ms