清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

近些年来,随着“替代数据”的广泛应用,以及计算机算法和机器学习的深入普及,不少美国消费者获得了一种区别于传统系统的信用评分方式,这在某些情况下能够帮助他们从其他角度展示还款能力等信息,降低获得信贷的难度和成本。

2017年,美国消费者金融保护局(Consumer Financial Protectoion Bureau,后文简称CFPB)发布了有关“在信贷过程中使用替代数据和建模技术的信息请求”。这份信息请求(Request for Information)指出,虽然替代数据和计算模型能够为消费者带来不少潜在益处,但是其背后也存在一定的风险。相关机构就上述请求进行了回复,内容涉及替代数据的具体使用形式、预期相关的潜在积极消极后果以及特定法律法规的应用等。随后CFPB表示,可能会在未来鼓励负责任的替代数据使用,减少不必要的发展壁垒。

Upstart Network Inc.是一个美国在线平台,通过传统数据、替代数据和机器学习将结合的方式,进行信贷承销和定价。

2017年晚些时候,CFPB向Upstart Network Inc.发送了不采取行动函(No-Action Letter,简称NAL),并在其中援引了《平等信用机会法》(Equal Credit Opportunity Act,简称ECOA)及其实施条例B相关条款。

按照不采取行动函的相关要求,过去22个月里,Upstart针对消费者面临的风险、替代数据和机器学习的实际影响、传统与替代承保定价模式的区别等内容进行了测试,希望在信贷获取难易以及公平性方面得到答案。

测试结果显示,在所有参与测试的不同种族、性别和年龄段人群中,替代数据信用评分模型都有效提升了信贷审批通过率,同时也降低了贷款人的年利率(大约为16%)。

比如,替代数据模型的整体审批通过率要比传统模型高27%,而25岁以下申请人的获批率则要高出32%,年收入低于5万美元的申请人获批率也要高出13%。

据CFPB统计,目前全美共有2600万人属于“信用隐形”,也就是说在全国性消费者报告记录中没有信用记录,另有1900万人的信用记录已经过时或者不足以在现有评分模型中获得信用评分。而没有足够的信用记录可能会增加消费者获得信贷的难度和成本。CFPB鼓励各相关机构开发创新公平的信用评分模型,帮助信用隐形和信用不足人群减低贷款申请难度,同时积极进行合规管理。

同时,CFPB仍将致力于利用《多德·弗兰克法案》提供的各类监管工具,解决好美国信贷市场面临的各类问题,推动信贷市场健康发展。目前,CFPB正在对其不采取行动函、试用信息披露项目和产品监管沙盒政策进行审核复议。

 

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!首图来自图虫创意。

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!首图来自图虫创意。

本文版权归原作者所有,如有侵权,请联系删除。首图来自图虫创意。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。