近年來,小微貸已逐漸成為中國影子銀行市場的一部分。據(jù)網(wǎng)貸之家數(shù)據(jù)顯示,截至2014年底,有1500多家P2P網(wǎng)絡(luò)平臺在運(yùn)營,幾乎是2013年的兩倍。2014年全年成交額超過2500億元人民幣,約為2013年的2.4倍。然而,由于缺乏科學(xué)的風(fēng)險(xiǎn)管理、運(yùn)營不當(dāng)以及相應(yīng)監(jiān)管缺位,于2014年倒閉和面臨嚴(yán)重問題的P2P平臺也高達(dá)275家,是2013年的3.6倍。
為提升風(fēng)險(xiǎn)管理,被熟知的FICO公司(費(fèi)埃哲,美國個(gè)人消費(fèi)信用評估公司)發(fā)布基于SaaS的信貸評分云平臺,日前,11家中國P2P、小微貸行業(yè)的領(lǐng)軍企業(yè)與該平臺簽約。
據(jù)公開數(shù)據(jù)統(tǒng)計(jì),這11家簽約機(jī)構(gòu)所代表的網(wǎng)貸交易金額已超過 620億元人民幣 (約合 100億美元 )。這些首批簽約機(jī)構(gòu)包括 : 宜信公司、有利網(wǎng)、搜易貸、合力貸、人人聚財(cái)、陽光保險(xiǎn)、安潤金融、網(wǎng)信理財(cái)、信用寶,以及戰(zhàn)略渠道合作伙伴好貸網(wǎng)。北京市網(wǎng)貸行業(yè)協(xié)會也與費(fèi)埃哲達(dá)成戰(zhàn)略合作。
費(fèi)埃哲中國區(qū)總裁陳建指出,中國的金融業(yè)已出現(xiàn)兩極化。一方面,已部署健全的風(fēng)險(xiǎn)管理技術(shù)的知名信貸機(jī)構(gòu)將繼續(xù)強(qiáng)者恒強(qiáng),另一方面,小微信貸機(jī)構(gòu)則迫切需要適合的風(fēng)險(xiǎn)方案。風(fēng)險(xiǎn)管理直接關(guān)系到資本和盈利,是所有信貸機(jī)構(gòu)的核心競爭力,也是決定小微貸機(jī)構(gòu)生死存亡的生命線。
“在過去的一年中,我們密切地關(guān)注小微貸行業(yè)的快速發(fā)展?,F(xiàn)在,我們基于高級分析技術(shù)推出了這項(xiàng)解決方案,它簡便易用,功能強(qiáng)大,可改善信貸商業(yè)模式的盈利狀況。”陳建補(bǔ)充。
費(fèi)埃哲咨詢事業(yè)部副總裁兼總經(jīng)理Robert Duque談到:“在傳統(tǒng)銀行體系之外,中國經(jīng)濟(jì)存在著大量的信貸行為。國際貨幣基金組織(IMF)預(yù)計(jì),影子銀行的社會融資在2015年將增長至GDP的35%左右。對尋求更高存款收益的投資者來說,影子銀行不失為一項(xiàng)有利可圖的選擇,由此形成的龐大信用基礎(chǔ)也刺激了經(jīng)濟(jì)發(fā)展。然而,隨著信貸業(yè)務(wù)從傳統(tǒng)銀行體系的流失,將會導(dǎo)致由于監(jiān)管機(jī)制薄弱而帶來的風(fēng)險(xiǎn)增加。
費(fèi)埃哲信貸評分決策云平臺,由費(fèi)埃哲全球業(yè)務(wù)咨詢與分析事業(yè)部和中國團(tuán)隊(duì)共同開發(fā),今年2月發(fā)布,有一套根據(jù)其獨(dú)特審批流程而定制的風(fēng)險(xiǎn)評分和決策系統(tǒng),允許客戶整合定制,確??焖偻顿Y回報(bào)。
費(fèi)埃哲團(tuán)隊(duì)已開展了該平臺的后續(xù)開發(fā),將包括更多大數(shù)據(jù)功能和中國消費(fèi)者的分析指標(biāo),以幫助小微貸機(jī)構(gòu)更細(xì)致地了解客戶的消費(fèi)模式,控制信用風(fēng)險(xiǎn)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。