【專題探索】邁向大數據時代：融資模式的突破與發展
范秉航 (2016/02/20) 《台經月刊第39卷第2期》
受網路科技發達所賜，近年社群網路、電子商務、O2O，以及物聯網應用等科技創新應用蓬勃發展，不但創造新型態的人際關係互動模式及交易方式，亦創造了大量且多元的數位資料與資訊。這些資料富含龐大的潛在價值，透過大數據分析技術進行加值分析與應用後，可激發出許多顛覆性的突破與創新，將我們帶入數據經濟時代(Data Economy)。在金融領域中，資金借貸市場也掀起了劃時代變化。
資金借貸首重信用風險之評估與管控，過去不論是個人或企業資金借貸之信用風險評估，多以其過往借款償還紀錄、信用卡繳款情形、擔保品、企業財報資料等「財務性」資料為依據。然而許多個人或中小型企業因缺乏完整的信用資料、足夠的擔保品以及健全的財報制度，無法有效評估其信用風險，信用資訊的不對稱使得資金的需求方與供給方隔著巨大的鴻溝。但在數位金融的發展下，大數據技術被應用至信用風險評估，衍生出「替代」（Alternative，或稱非傳統）的信用評估模式，亦使得許多新興借貸模式與平台出現，改變傳統的資金借貸方式。以下將分別由徵信模式與融資管道兩個面向，探討在數據經濟下，新興融資模式的發展。
數位金融與徵信體系的發展
在數位金融的時代，提升資訊效率的同時，用戶也在網路上留下大量訊息。若能有效利用將可擴大信用評估面向，讓尚未與金融機構往來(Unbanked)之無傳統信用紀錄者，增加其取得信用的機會。基於此，我國已有銀行正思索該如何利用大數據技術，有效掌握客戶信用資訊，發掘潛在的業務範疇。而站在借款者的角度，透過這些「非傳統」的信用指標或是財務融通管道，強化原有的傳統信用指標與評分，將有機會建立可靠的信用資料，提升金融機構授信的意願，成為銀行的放款標的。
非傳統（替代）信用評估資料係以「非財務性」資料作為評估依據，其中又可概略分為「主流替代資料」(Mainstream Alternative Data)以及「非主流替代資料」(Fringe Alternative Data)資料兩類(Robinson and Yu, 2014)。主流替代資料以「義務性」的繳款資料為主，如水電費、電話費、租金以及其他電子帳單等繳費資料，透過義務性繳費行為的履行狀況，作為個人／企業的間接信用評估資料。非主流替代資料則為社群資料、電子商務網站資料、拍賣網站評價資料、商品交易量資料、地區資料等。
雖然含括非傳統信用資料的信評模型建立相對困難，但在其效益上，國際間有諸多成功鑑別信用風險的案例。整體而言，增加非傳統信用評分指標，確實能在傳統信用評分系統上，進一步提升其鑑別客戶的違約機率。
首先，根據美國政經研究所(Political and Economic Research Council, PERC)於2015年5月發表之研究報告指出，信用卡(credit card)與現金卡(debit card)的持有人平均違約率為11.3%。然而，這群人中，過去兩年均定期支付水電與電信費用者，違約率僅4.5%，未定期支付者的違約率為47.7%。其次，Equifax（附注）結合客戶的義務性支付紀錄提出ISC (Insight Score for Credit)信用評分模型，並與傳統FICO (Fair Isaac Corporation)模型進行比較。其將傳統FICO模型評分落在590~619分者（平均違約率為31%）加以鑑別，發現ISC評分較低的族群（信用水準較佳），未來90天的違約機率為10%；反之，ISC評分較高的族群（信用水準較差），未來90天的違約機率超過20%。第三，Experian根據VantageScore的評分模型，結合租金支付紀錄，發現VantageScore落在600~699分內且具良好租金支付紀錄者，違約率為5.9%，紀錄不良者的違約率則為18.2%。最後，LexisNexis亦針對信用薄弱或無授信資料的客戶提供非傳統信用評分(RiskView score)。其納入評分的項目包含住址、資產狀況、商業往來紀錄、教育背景、前科紀錄等。分數為500~530分者違約率達51%，770分以上違約率則低於1%。
大數據金融、數位信貸、信用評估、非傳統授信、機器學習、P2P借貸、數位金融創新、風險鑑別、金融科技、數據經濟
分享：
