20150226-招商证券-互联网金融_产业链研究一-从Zestfinance_芝麻信用看网络征信崛起_14页_998kb

网络征信崛起与互联网金融发展分析总结

核心内容概述

本文探讨了互联网征信在金融领域的崛起及其对传统征信体系的冲击与影响。随着互联网技术的发展，尤其是大数据和云计算技术的成熟，网络征信行业正迎来爆发期。文章重点分析了ZestFinance和芝麻信用两个典型案例，指出网络征信通过多源数据采集与多元评估模型，提高了征信效率与准确性，降低了信贷成本，并为普惠金融发展提供了基础设施支持。同时，文章强调了网络征信在未来互联网金融中的重要地位，并推荐了一些相关公司作为投资关注对象。

主要观点

• 网络征信的兴起：互联网征信通过数据来源的多样化与评估模型的创新，显著提高了征信效率，降低了成本。
• 需求驱动：随着电商交易额、P2P平台数量及互联网金融业务的快速增长，对网络征信的需求大幅上升。
• 技术支撑：大数据与云计算技术的发展为网络征信提供了强大的技术基础，使得数据挖掘、分析和应用成为可能。
• 数据来源广泛：网络征信的数据涵盖用户行为、社交关系、支付记录等，相较于传统征信更具时效性与全面性。
• 模型优势：ZestFinance和芝麻信用均采用了机器学习等先进模型，提高了信用评估的准确性和效率。
• 行业前景广阔：中国网络征信行业具有巨大发展空间，相关公司有望从中受益。

关键信息

互联网征信的优势

1. 多源数据采集：数据来源不仅包括传统金融数据，还包括电商、社交、支付等非传统数据。
2. 多元评估模型：采用机器学习等技术，对用户进行全面、动态的信用评估。
3. 高效与低成本：相比传统征信，互联网征信处理效率更高，营销成本更低。
4. 普惠金融支持：为信用记录不足或不良的用户提供了新的信用评估方式，促进了普惠金融发展。

案例分析

ZestFinance

• 成立于2009年，由谷歌前信息总监创办。
• 数据来源包括结构化与非结构化数据，如法律记录、社交行为等。
• 信用评估模型包含7万个变量，使用机器学习算法进行分析，效率与准确性远超传统FICO模型。
• 提供多种信用评估模型，如催收评分、市场营销评分等。
• 首贷违约率显著低于传统模式，且处理效率提升近90%。

芝麻信用

• 依托于支付宝与阿里巴巴的平台优势，数据来源广泛。
• 数据涵盖信用历史、行为偏好、履约能力、身份特质、人脉关系五大维度。
• 信用评分模型采用线性回归、逻辑回归、决策树、神经网络等技术。
• 评分区间为350-950分，分值越高，信用越好。
• 通过拓展商业场景，如租车、签证等，提升信用数据的应用价值。

行业数据与趋势

• 2014年中国电商交易额达12.3万亿元，P2P平台数量超过1500家，成交量达2528亿元。
• 由于征信体系缺失，P2P平台普遍面临信用风险和流动性风险。
• 网络征信作为互联网金融的基石，发展潜力巨大。
• 建议关注飞利信、银之杰、安硕信息、中科金财、东方财富等公司。

风险提示

• 政府对互联网金融的政策变化可能影响行业发展。

投资评级

• 强烈推荐-A：公司长期竞争力高于行业平均水平。
• 审慎推荐-A：公司长期竞争力与行业平均水平一致。
• 中性：公司长期竞争力低于行业平均水平。

财务指标与估值对比

结论

网络征信的崛起为互联网金融特别是网络信贷的发展提供了基础设施支持，未来将成为金融行业的重要组成部分。随着技术进步和数据积累，网络征信行业将快速发展，相关公司有望显著受益。建议投资者关注具备大数据能力、平台资源及技术优势的公司，如飞利信、银之杰、安硕信息、中科金财、东方财富等。同时，需注意政策变化等潜在风险。