浅谈P2P评级背后的“大数据”_数据分析师考试
P2P的发展,给国内的金融市场带来了翻天覆地的变化,同时,也为国内金融市场衍生了许多需求,比如第三方支付,比如担保公司,再比如评级。
据响当当从第三方了解的行业数据显示:截至2015年4月,全国有1819家运营平台,成交量达551.45亿元。去年4月份,运营平台数量为1073家,成交量为148.92亿元。可见,在过去的一年中,P2P行业的成交量翻了近4倍。
P2P平台数量迅速膨胀,他们在享受行业盛宴的同时,也饱尝残酷竞争之苦。“增信”是他们需要完成的重要任务,有的P2P平台大肆宣传自己与第三方支付公司的资金托管合作;有的平台打出自己与银行的“亲密关系”或干脆直接“抱大腿”;有的则狐假虎威的直接将一些机构的“评级结果”亮出来。
无疑,在跑路潮这个人心惶惶的P2P行情下,投资者面对鱼龙混杂的P2P平台,真正需要的是一些投资的指导和意见。而一份可靠公正的评级报告则是对平台的“雪中送炭”,而为平台加分不少。在过去的一段时间里,很多机构发布了各种各样“排名”、“黑名单”等评级报告。据了解,这些机构大多是自掏腰包完成报告的,他们“赔本赚吆喝”的背后是希望借助评级掌握P2P的行业话语权。
当前,P2P评级主要是针对平台的整体评级。有的评级机构会对平台进行深入调查,包括对平台自身的调查和向其他平台了解情况,但这样的机构并不多。不少机构采用的数据主要来自各种公开信息和P2P平台自行报送,这些数据的真实性和准确性有待考察。以坏账核算为例,目前各家平台对于坏账率的界定标准和计算方式差距较大。一般来说,P2P平台采用坏账总额除以贷款总额的方式核算坏账。逾期时间大多分为三个月、六个月、九个月、一年不等,各家平台逾期时间的选择并无统一标准,一些平台为了拉低坏账率故意设定较长的逾期时间。很多时候,评级机构并未对数据进行核实,或对平台实地调查,因此不少评级结果缺乏可信度和公信力。
其实,P2P评级面临的最大问题是数据获取。坏账率、利润、产品这些内容属于P2P平台的敏感数据,评级机构没有权利要求强制披露,只能基于信息可获取、可量化两个标准评出平台发展指数。在数据缺失的前提下,评价平台的安全性是比较困难的。
更为重要的是,P2P评级目前来说,很难形成可持续发展的商业模式。为什么呢?按照国外和债券市场的经验,评级应由被评价主体付费,即P2P平台自己来付评级费。但国内目前P2P平台很少主动要求做评级,其一,网贷平台不愿公开真实数据;其二,网贷平台不愿花这笔“冤枉钱”。而后出现的情况也就在意料之中了:很多P2P评级报告都是评级机构自己掏腰包做的,他们占领话语权、炒作提高知名度的诉求成为其他商业机会和利润来源。
很多人没有意识到这个问题的严重性,事实上这是一个很现实的问题。在此借用“没有买卖就没有杀害”好像不太恰当,但却很贴切。有供必有求。评级机构需要生存,所以找到买单者至关重要。响当当风控总监从业界内了解到内幕:“一些所谓的评级机构会追着平台做评级,只要平台花几万块钱,就能获得想要的排名。还有一些机构有"敲诈"嫌疑,平台如果不花钱,就给你弄个类似"黑名单"的东西。”也就是说,这些评级机构一边靠P2P公司养活,一边又给他们评级。这又爱又恨的关系使得这些公司或者机构在评级时很容易“感情用事”。
归根结底,鉴于国内的金融环境,P2P发展的核心始终取决于自身运营模式及风控手段。相较于其他互联网理财平台,响当当首创三重风控,典当兜底的风控模式,一切债券均有实物抵押,即使借款人对响当当逾期还款,典当行的“绝当品变现”机制,也能完美的避免响当当平台对投资人的违约。响当当典当合作,实物理财的互联网金融新模式,无疑在目前的P2P行业乱象内“出淤泥而不染,濯清涟而不妖。”
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28