大型科技公司——大型科技公司的主要业务是数字服务——是进入金融(卡斯腾斯Zetzsche et al . 2017年,2018)。Facebook的天秤座的提议只是最近的一个例子的一个更广泛的趋势。在中国,像Ant这样的大科技公司金融和腾讯提供一系列的金融服务(谢et al . 2018年,Luohan学院报告2019)被越来越多地在其他市场上,特别是在亚洲其他地区,东部非洲和拉丁美洲。这些公司进入金融通常开始时支付。之后,很多人都跟着扩大活动的路线进提供信贷、保险、和对储蓄产品,直接或与现任合作金融机构。
大型科技公司的主要优势是他们能够利用他们现有的网络和现有所产生的大量的数据业务。他们的条目提出了一些重要的问题。例如,最好的经济力量是什么解释采用大型科技金融服务吗?做大型科技银行具有信息优势的获取用户的数据或从创新带来的技术优势加工方法,尤其是在与信贷评分吗?
司机的大型科技进入信贷市场
我们的新研究(霜et al . 2019年)解决这些问题。这表明FinTech公司扩展全球私人部门信贷的不到1%,但是他们的足迹增长(图1)。在许多国家在亚洲,拉丁美洲,欧洲,及北美,大型科技公司现在向数以百万计的中小企业放贷。
图1全球的新大型科技股和其他FinTech信贷
请注意:酒吧表示年度全球信贷流动大科技和其他FinTech公司在2013 - 2017。数字包括估计。1总FinTech信贷被定义为的和大型科技股和其他FinTech信贷流动。然后除以总学分的股票的私人非金融行业。2计算数据的国家被用于2013 - 2017。
来源:剑桥另类金融和研究中心的合作伙伴,大型科技公司的财务报表,作者的计算。
科技企业不同于大型银行至少两个关键方面。首先,他们有一个忠诚的客户基础用户的电子商务平台,消息传递服务,或搜索引擎。其次,他们使用先进技术,例如人工智能,分析大量的数据。大型科技银行可以利用他们的网络和机器学习所产生的数据调整价格和分发金融服务。通常会提供信贷和其他服务而无需人工干预。
使用数据从剑桥FinTech信贷另类金融中心(2017年劳,克莱森斯et al . 2018年)和hand-collected大型技术公司的数据,我们建立一个独特的数据集,包括大型科技信贷作为额外的类别的大宇宙FinTech信贷。我们发现的差异总FinTech信贷的发展反映了收入和金融市场结构的差异——更高的一个国家的收入和其银行体系竞争力,信贷活动FinTech越大。大型科技信贷好处更多来自这些因素(图2)。
图2司机的大型科技股和其他跨司法管辖区FinTech信贷量
请注意:酒吧想象估计变化在大型科技股和其他FinTech信贷量的变化相应的变量,基于估计系数显示在表3的第五纵队。1改变信贷和其他大型科技股FinTech信贷人均有一个标准偏差的变化选择变量。2美元名义GDP除以总人口。考虑到非线性的关系,改变计算的平均人均GDP水平。3监管严格构造成一个索引是基于世界银行的银行监管和监督调查。指数之间的一个值0(严格的)和1(最严格的)基于18关于银行资本金要求的问题,监管机构的法律权力,等。4一个标准偏差增加银行业Lerner指标(银行加价,因此市场力量)的指标。
源:作者的计算。
大科技信用评估:大数据和人工智能
然而,为了更好地了解更具体的驱动程序,包括大型科技的竞争力和比较优势,有必要详细了解贷款模式。特别是,我们需要了解贷款决策基于机器学习和处理大量的信息(大数据)改变信用评估。使用数据从梅尔卡多自由泳,梅尔卡多作为其贷款产品,我们根据他们的信用评分比较公司的违约与机器学习和大数据的电子商务平台(“内部评级”)和传统的信用局得分(图3中,左面板)。迄今为止,内部评级一直优于商业资信咨询机构预测违约(图3中,右面板)。然而,陪审团仍出去。任何判断大型科技信用得分的能力,以更好地确定信誉应该基于一个完整的周期,评估在压力的情况下违约的概率。
图3损失率的内部评级梅尔卡多自由与信用局
请注意:1损失率是贷款逾期超过30天的体积相对于发放体积。在其使用到目前为止,内部评级梅尔卡多自由能更好地预测损失。这段发放分成五个不同的风险组相比信贷局确定的三个集群。点的大小成正比的公司评级分布。2真阳性和假阳性利率利率借款人在不同阈值逻辑模型只有信贷局得分(I),物流模型局得分和借款人的特点(2),和机器学习模型梅尔卡多自由信用评分(III)。包括一个随机模型进行比较。ROC曲线表明,该机器学习模型具有优越的预测能力的信用局得分只有和借款人的信用局得分特征。
源:作者的计算基于梅尔卡多自由泳数据。
结论
大型技术在金融领域的快速增长将会带来两个好处和风险未来银行系统。大型科技公司增强竞争和金融包容性和可能导致金融服务的效率。相反,这些公司可能会进一步集中市场力量或产生新的系统性风险(BIS 2019)。总的来说,重要的是要了解大型科技公司适应当前的金融监管框架,并根据该原则规定应该是有组织的。这些都是有关方面在这一领域未来的研究。
引用
国际清算银行(2019),大科技金融:机遇和风险6月,年度经济报告,。
卡斯腾斯(2018),“大科技金融和公共政策的新挑战”,对英国《金融时报》银行业峰会上的演讲中,12月2。
克莱森斯,年代,J霜,G·特纳,朱和F (2018),“Fintech全球信贷市场:大小、司机和政策问题”,国际清算银行的季度回顾,9月。
黄霜J L Gambacorta Y, H S Shin和P Zbinden (2019),“BigTech和不断变化的金融中介结构”,国际清算银行工作报告。779年。
Luohan学院报告(2019年),数字技术和包容性增长、杭州。
劳,R(2017),“法律、信任、和集资”的发展”,剑桥大学工作。
刘谢,P、C邹和H (2018),“网络金融的基本原理和其在中国的政策影响”,中国经济日报9 (3):240 - 252。
Zetzsche D R巴克利,维阿恩,和J barberi (2017),“从FinTech TechFin:数据驱动的金融监管方面的挑战”,纽约大学法律和商业杂志》上。
