܄ 

金融科技&大数据产品推荐:AXIS——资产交易智能扫描平台

【数据猿导读】 资产交易智能扫描平台V1.0是由中诚信征信独立自主研发的资产智能扫描系统,在资产端,可以为主体信用不足但资产信用良好的资产方做到间接增信;在资金端,可以帮助投资者减少逆向选择的风险,增加优质的资产标的

金融科技&大数据产品推荐:AXIS——资产交易智能扫描平台

本产品为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动(查看详情)第一部分的文章/案例/产品征集部分;感谢 中诚信征信 的产品投递


1、产品名称

资产交易智能扫描平台(AXIS)V1.0

2、所属分类

金融科技·智能投顾

3、产品介绍

资产交易智能扫描平台(AXIS)V1.0是由中诚信征信独立自主研发的资产智能扫描系统,在资产端,可以为主体信用不足但资产信用良好的资产方做到间接增信;在资金端,可以帮助投资者减少逆向选择的风险,增加优质的资产标的。对于整个消费金融ABS市场,可以打通从借款人到ABS投资人的信息流和资金流,降低信息成本和资金成本。

4、应用场景/人群

解决由于消费金融资产信用信息不透明,投资人对底层资产“看不清、管不住”,难以准确衡量投资风险,导致优质的资产方无法对接到优秀的投资人。

面对人群:资产方、投资人(资金方)

5、产品功能

1.资产筛选:结合特定消费场景引入独立第三方信用评估,对资产进行智能化评估筛选,对单笔贷款的欺诈风险和信用风险进行智能化评估,帮助资产方和投资人从源头上把控资产信用情况,基于大数据和机器学习模型的方法,在消费金融资产证券化领域打通个人信用和资产信用的关联。

2.资产包信息披露:基于第三方大数据,自动化跟踪底层资产的信用风险,对资产包质量的变化情况进行跟踪监控,并且与其他资产包同期表现进行对比;在纵向(时间轴)和横向(其他资产包)两个维度对资产包质量的变化情况进行评估,对严重的风险信息进行及时的预警,逐笔资产风险的展示和分析;。

3.现金流测算:基于中诚信征信的机器学习与现金流模型,对资产端和证券端的现金流做出预测,资产端上基于转移矩阵的方法论,不仅能够预测是否违约,还可以预测何时违约;证券端上可以对市面上各种消费金融ABS交易结构进行证券端的现金流测算,用于ABS投资人的收益分析。

4.定制化模型:基于我们的大数据方法论,我们采用的是我们第三方的征信数据、申请数据、平台获取数据等等,然后在我们的机器学习管理模型的情况下,以及我们对于信用的理解,结合具体的场景来进行一个定制化的建模。

6、产品优势

1.中诚信征信立足独立第三方的市场定位,致力于在大数据能力的专业化建模、分析和解读的信用科技公司。

2.首批获准开展个人征信业务准备工作的8家征信机构之一。

3.基于多年对信用和风险管理的经验,不断提升机构的风险控制能力,打造全方位的信用风险解决方案。

4.对ABS产品深刻的理解,在实践中,利用独立第三方优势及大数据征信能力,打通资产方和资金方的信息不对称。

7、服务客户/使用人数

目前有十余家客户,例如车300、前隆金融、中顺易金服等。

8、市场价值

充分运用第三方大数据能力逐笔扫描提升每笔资产,并进行交叉检验,交叉对比,提升消费金融ABS市场上资产包主要依靠强主体增信的局面,让消费金融ABS产品以本身的资产质量为其增信。

9、所属企业及介绍

中诚信征信成立于2005年,是经中国人民银行批准首批获准开展个人征信业务准备工作的八家征信机构之一,同时也是首家获得企业征信备案资质的征信服务机构。在个人征信、企业征信、商业信息服务、市场调研咨询、社会信用体系建设等领域,拥有十余年的丰富经验。作为中国领先的征信服务机构,中诚信征信拥有实时、准确的征信数据库和具有资深数据洞察力的技术与模型团队,公司始终坚守中立、客观、公正的理念,秉持专业、诚信、严谨的操守,做市场认可的独立第三方征信服务机构。


作为整体活动的第二部分,2017年10月25日,数据猿还将在北京举办千人规模的“2017金融科技价值——数据驱动金融商业裂变”峰会本次论坛详情第一届回顾第二届回顾】并将在现场举行文章、案例、产品的颁奖典礼。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据正成为新消费时代零售业胜负手
大数据正成为新消费时代零售业胜负手
金融科技&大数据产品推荐:票据贷——到期银行承兑,安全稳健之选
金融科技&大数据产品推荐:票据贷——到期银行承兑,安全稳健之...
金融科技&大数据产品推荐:亲密加——多一份爱,多一份财富
金融科技&大数据产品推荐:亲密加——多一份爱,多一份财富

我要评论

精品栏目

[2017/07/27]

大数据24小时

More>

[2017/07/24-28]

大数据周周看

More>

[2017/07/24-28]

大数据投融资

More>

[2017/07/24-28]

大咖周语录

More>

[2017/07/24-28]

大数据周聘汇

More>

[2017/07/24-28]

每周一本书

More>

返回顶部