
互联网大数据技术下的票据征信_数据分析师培训
国内票据业务领先者票据宝27日将在博鳌亚洲论坛首发其《中国票据信用评级报告》(下称《评级报告》)。这家在票据市场拥有超10年经验公司,此前两年一直致力于建立一套权威规范的票据信用评级体系。
根据人民银行《货币政策执行报告》显示,到2014年上半年,全国企业累计签发商业汇票11万亿元,承兑余额10.2万亿元,同比增长11.4%;同期全国金融机构累计贴现25.6万亿元,同比增长14.7%。
《评级报告》称,作为灵活的汇兑工具,尽管商票和银票市场规模日益庞大,在实际票据业务开展中,仍主要依赖于经验判断信用水平。而票据评级体系的建立,正是旨在将主观经验转换成客观的结果,帮助票据交易机构和个人,使用评级结果作为交易依据。
本次评级尝试的主导者,票据宝金融服务有限公司,以票据交易信息中介起家,并在近年设立了专业的互联网票据理财业务。通过旗下拥有的金融一网、票据网等票据垂直领域网站,票据宝在10年间积累了大量银行承兑汇票、商业承兑汇票数据,包括各种平台发行的票据产品的期数及融资总额,每期产品的承兑方、融资余额、投资期限、收益率、以及票据兑现延迟等。
评级主体方面,按照大中型银行、中小型银行的分类,《评级报告》以银行承兑汇票为敞口,将录入的183家银行给予了评级结果;同时,按照房地产、电信及科技、原材料、轻工业、能源、重工业6大分类,《评级报告》以商业承兑汇票为敞口,将录入的1299家企业给出评级。
票据宝官方表示,《评级报告》是基于互联网大数据技术完成的。互联网大数据技术为建立合理模型提供了数据和技术支持,通过票据宝的网络人际爬虫系统,突破地理距离的限制,捕捉和整合相关人际关系信息,并通过逐条规则的设立及其关联性分析得到风险评估结论。
对于机器返回的数据,票据宝称,整个评级过程中安排了相应的专家进行检查和调整,在互联网大数据的支持下,沉定下来的信用行为相关信息,为完成更加准备、真实、客观的评级结果提供了基础素材。
加入票据宝金融服务公司之前,和坚以及他的团队在评级公司穆迪任职多年,并负责金融机构内部评级、金融领域风控、数据建模和大数据分析。过去的两年多来,和坚一直担任《评级报告》的项目经理。
和坚表示,在覆盖183家银行和1299家企业的基础上,《评级报告》以区别能力为考量标准之一,建立了包含投资级和投机级共9个档位的评级主标尺,并对其中部分评级较为密集的档位做了进一步细分,共计21档。
《评级报告》的评级内容包括了流动性、短期偿债能力,长期负债能力,盈利能力,企业经营状况,发行票据的用途和目的。通过对定量模型和定型模型的指标转换,得出模型得分,并加上模型外调整,最终得出主体得分。其中,定量数据考核因素包括了杠杆比率、偿债能力、流动性、运营效率、盈利能力、成长性、规模。
除此之外,据票据宝官方介绍,结合票据自身的行业特点,票据宝还将票据特色指标引入评级模型。其中包括票据签发规模比例、票据兑付时效性、票据市场认可度等。
票据宝称,评级体系的数据分别来自于外部和内部,外部数据包括银行和企业财报及其他披露信息,金融数据库,互联网信息等,内部数据则包括票据宝、中国票据网、金融一网所收集积累的海量行业及业务信息,其中涉及票据业务的数据包括业内十余年中,各种平台发行的票据产品的期数及融资总额,每期产品的承兑方、融资余额、投资期限、收益率、以及票据兑现延迟等。
“票据特色是利用票据宝、金融一网数据方面的优势而引进的。”票据宝董事长李华军说。票据特色指标,补充了一般评级体系对银行表外业务的数据盲点,更加全面准备地对银行进行风险评价,更好地为包括票据业务在内的金融投资者提供参照标准。
《评级报告》从Aaa至D共有21档,从整体评级结果的分布看,其特点包括:银行整体评级好于工商企业;在银行评级中,大中型银行的评级分布优于中小型银行,大型商业银行的评级结果表现最优;在工商企业中,能源类企业的评级明细好于其他工商企业;评级的整体分布峰值出现在介于投资级与投机级附近,即Baa、Ba附近。
对于投资级和投机级的区分,《评级报告》指出,对评级使用者或投资者而言,某企业获得投资级别评级意味着该企业违约概率的抗经济周期能力较强。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01