close
最近有很多朋友詢問我有關民間貸款利率的問題
因為我曾經有過這方面的經驗(貸款.卡債)
所以我決定寫一篇關於民間貸款利率的文章
如何向銀行貸款?民間貸款利率-本身貸款經驗分享
希望這篇文章能幫助你解決金錢上的問題
當今,互聯網化正帶動著許多行業、產業的組織變革和商業變革。在這一歷史性的進程中,互聯網技術的迅速發展也給金融領域的創新帶來了巨大活力,顯著提升了金融服務的水準。 首先,從銀行來說民間貸款利率,現在銀行已普遍通過互聯網管道開辦各類業務,銀行服務的成本有了下降(電子銀行每筆交易成本大約只有銀行櫃檯每筆交易成本的五分之一到六分之一);銀行傳統信貸的模式有了改變(例如工商銀行無人工參與的全流程線上的網路貸款已超過其網路融資的20%);銀行業務處理能力尤其是支付結算的能力和效率都有了提高(例如工商銀行現在每秒鐘業務交易量峰值已超過8700筆,在去年一年的電子銀行交易已占全部交易的88%,電子銀行交易金額達到了456萬億元,所有的異地支付早已實現即時完成。);各家銀行的服務模式都已越來越多地、越來越自然地融入商業場景之中,一個覆蓋和貫通金融服務、電子商務、社交生活的互聯網銀行架構正在不斷形成和完善。 其次,這些年來,各類互聯網企業從事金融業務的也越來越多,互聯網金融已從最初的電子商務、協力廠商支付等更多進入了資金募集、理財和借貸領域。如果說Paypal、ApplePay和支付寶等,是讓小額支付更便捷,民間貸款利率那麼P2P、眾籌包括餘額寶等則是對金融資源配置方式的一種有意義的探索,它給不少人提供了一種新的投資管道,也滿足了一些人籌集資金的需求。近來,一些人又已經開始把更多注意力放到了區塊鏈技術,不少人正在爭先恐後地進行基於區塊鏈的支付和記錄技術等方面的研究和開發。 這一切都是顯得那麼的令人振奮,令人欣喜。但我認為在看到互聯網金融快速發展所帶來的種種積極變化的時候,在繼續推進金融創新的過程中,似乎也應該注意兩個問題,一、金融創新的全部內容是不是金融的互聯網化;二、是否應該避免陷入技術至上、唯資料論的誤區。第一點比較容易理解,答案也應該是明確的。關於第二點想必看法不會完全一致。我想就此談談一己淺見。這可以從北京大學國家發展研究院沈豔教授最近的一篇文章說起。 沈豔教授的文章題目是《大資料分析的光榮與陷阱——從穀歌流感趨勢談起》。她在文章中講了一個故事,那就是穀歌公司在2008年11月啟動了一個“穀歌流感趨勢”(GoogleFluTrends,GFT)項目,這個項目曾被許多人認為是大資料分析優勢的一個證明。這個專案的團隊曾宣佈他們通過數十億搜索中45個可能涉及流感關鍵字的分析,就能夠比美國疾控中心提前預報流感的發病率,從而使人們可以有充足的時間提前採取預防措施以避免患上流感。 倘若真能如此,這個成果無疑具有重要的社會意義和經濟價值。可惜的是2014年,美國《科學》雜誌的有關文獻報導了GFT在2009年沒有能預測到有關流感的爆發,在2011年8月到2013年8月間的108周裡,有民間貸款利率100周預告不准(預測率是實際報告值的1.5倍多)。沈豔詰問道,為什麼傳說中充滿榮光的大資料分析會出現如此大的系統性誤差呢?她認為如果在資料分析中只關心相關關係而不注意因果關係是不行的,必須避免模型對資料值作出“過度擬合”,她還指出尤需注意不能以為大資料可以完全替代小資料,她呼籲要防止墜入“大資料陷阱”,力戒“大數據自大”。我十分贊同沈豔的觀點。沈教授所指出的問題正是若干年來我們在推進互聯網金融發展中所一直十分注意和努力想解決的問題。 撇開銀行在產品研發、客戶行銷、員工及機構管理等方面的資料應用問題暫且不談,就說銀行最常見也最重視的風險管理,多年來許多銀行尤其是一些大中型銀行都在如何利用資料技術提升風險管控能力方面進行了很多的探索,做出了不懈的努力。例如,工商銀行在估算客戶的違約概率(PD)、違約損失率(LGD)的時候,十分注意把資料長度作為風險參數量化過程中的一個重要因素,堅持要求資料觀察期起碼必須涵蓋一個完整的經濟週民間貸款利率期,以努力避免簡單地以昨天的資料來說明今天和預測明天。現在工商銀行非零售業務和零售業務的客戶違約率、損失率資料積累長度均已超過12年。同時包括工商銀行在內的不少銀行還建立起了全行資料品質的管理標準和平臺,不斷進行內部評級的覆核驗證,以盡可能減少失真資料的幹擾和影響。 為了能夠對各種風險進行量化,在信用風險管理方面僅工行就開發了34個法人客戶評級模型,實現了對所有法人客戶違約概率(PD)的計量,開發了175個信貸產品的3類債項評級模型,實現了對違約損失率(LGD)的計量。對零售業務,民間貸款利率工行還開發了75個信用評分模型,覆蓋了個人客戶准入、帳戶信貸審批和業務管理的完整業務生命週期。在面對市場風險(因市場價格例如利率、匯率、債券股票價格、商品價格的不利變動,而使商業銀行表內和表外業務發生損失的風險)的防控方面,我們制定了16個辦法,開發了17個定價估值模型來進行風險價值(VaR)和壓力風險價值(SVaR)的計量,並且在實踐過程中每日實施返回檢驗,把模型計算所得的風險價值與發生的真實損益進行比較,以檢驗模型、方法的準確性和可靠性。在防控操作風險(主要是指由不完善或有問題的內部程式、員工行為和資訊科技系統,以及外部事件所造成的風險)方面,工行開發了操作風險損失事件管理系統,分別用於對操作風險高頻低損和低頻高損部分的計量。 為了達到上述的這種資料獲取、挖掘和應用水準,僅為積累有關資料、開發這些風險管控模型,工商銀行就先後花了將近15年時間,投入了巨大的人力和財力。儘管目前這一套風險識別和計量的方法、模型已經按照國際金融穩定理事會的有關標準,經過監管部門組織的多輪評估獲得通過,認定為合格,但坦率地說,我們從來也沒有認為這一切已經是完美無缺的了。面對不斷變化的社會經濟環境,隨著銀行業務日新月異的發展,在資料的管理利用方面確實還有許多問題需要解決,前面的路還很長。這也正是工商銀行近年來又推出了eICBC新發展戰略的一個重要原因。 我之所以不惜篇幅地介紹這些情況,主要想說的就是許多事確實不像想像的那麼簡單。面對互聯網金融大潮,在興奮激動之餘,我們還需要一種相對冷靜平和的心態。如果我們真的要搞金融大資料開發,真的要靠有關資料來辦互聯網金融,那確實就要認真思考一下自己所謂擁有的“大資料”真的足夠大了嗎?足夠長了嗎? 自己擁有的資料中的信噪比問題有效解決了嗎?自己擁有的資料分析模型如果對樣本內的資料分析還算準確的話,那它對樣本外的預測結果也能一樣有效嗎?自己所擁有的資料處理模型是否完全建立在一種假定之上了,那就是以為人們的社交行為資料、那些非結構化資料都是真實的?坦率地說,我始終認為只要一些資料生成者知曉自己的行為資料可以影響自己的利益(例如可以獲得信譽、信用積分,可以獲得授信融資等),那對這部分資料的可靠性就有質疑的理由。這也許就是人文科學領域的“測不准原理”。現在各種花樣百出的水軍現象已經一再提示我們,真是“不能天真地認為資料使用者和資料生成機構都是無意識生產大資料的”(沈豔,2015)。 上述這些還沒有涉及諸如homes系統、高頻交易等技術在這一輪股市風波中的作用究竟應該如何認定的問題。儘管對此還可能有這樣那樣的看法,但可以確定的是,在某些條件下,所謂的技術中性在面對市場時是完全可能發生變異的。 總之,我認為金融的創新、互聯網金融的發展,除了技術,還需要一系列的條件支撐,包括營造一種良好的文化氛圍。在眼花繚亂之中,要力戒浮躁,腳踏實地。互聯網技術是時代進步的標誌,是現代文明的產物,它與那些江湖氣其實是不搭的。諸如“流量為王,就是要靠燒錢來吸引客戶”,“互聯網就是財富重分的過程,就是贏者通吃的遊戲”,“羊毛出在豬身上,猴數錢,牛買單”等說法,如果僅是開開玩笑,說說段子,那也未嘗不可,但作為一個要對投資者負責、對債權人負責、對債務人負責、對市場穩定負責的金融從業者來說,如果把這真的當成了自己的經營理念,那是萬萬不可的。(大陸國研網專供,作者:全國政協常委 中國工商銀行原行長 楊凱生) 【中央網路報】行政院近期正積極催生《企業資產擔保交易法》,新法將准許借貸雙方可以針對具未來收益的「無形資產」,約定價值並設定優先債權,如票箱收入、智慧財產權及公司前景等。新法將有助新創事業或網路型公司,可以拓寬融資管道。
行政院長張善政31日在行政院會聽取國發會「虛擬世界發展法規調適推動成果與未來展望」報告,確認虛擬世界法規調適第二波修法清單,包括近期將開放公司可以英文名稱辦理登記,及目前政院正加緊催生的《數位匯流五法》、《企業資產擔保交易法》等。
政務委員蔡玉玲會後表示,政院催生匯流五法及資產擔保交易法,已有一段時間,盼能趕在520之前,經行政院會通過,列入新舊政府交接清單。她提到,前天還與國內不少學者,討論修法到晚間九點半,「大家都很有熱忱,要推動這件事。」
她說,目前金管會旗下有個《動產擔保交易法》,主要針對「看得見」的動產,准許設定擔保,新法將進一步針對看不見的無形資產,特別是具未來收益者,准許借貸雙方可以約定價值、建立借貸關係。不過,保護第三人,兩人約定的對象與價值,將透過公示平台公開。
她舉例,如果現在有一家公司要辦理借貸,評估這家公司最多能借多少錢的方法,可能是看它擁有多少土地、廠房或是機器、設備,不過,像是臉書一般等無形資產居多數的公司,可能反而借不了什麼錢,因而限制住發展,真的很可惜。
她強調,新法不會勉強銀行一定要接受這種新型態的擔保關係,畢竟此類無形資產算是風險較高的信貸,「銀行要不要接受,可自行決定,」但對於一般的民間借貸雙方,若能允許以無形資產做擔保,將有助創業者取得更多第一桶金。
據了解,不少英美法系國家,如美、英、加拿大、澳洲等國家,均准許有形動產與無形動產,可設定擔保向銀行借錢,但是我國的動產擔保交易法,還停留在有形動產階段,尚未准許無形動產擔保。
小檔案/什麼是無形資產擔保?
目前,一般民眾與企業已可設定名下的動產或不動產債權,向銀行取得融資;無形資產擔保則是更進一步,准許看不見的未來收益,如票箱收入、尚未登記的智慧財產權或債權,甚至是企業發展潛力等,都能設定優先受償權。
舉例來說,拍片者可以拿還未開拍電影的票箱收入設定債權;某科技公司可拿研發中的技術或日後將取得的智慧財產權,爭取創投青睞;甚至地方政府打算蓋捷運,也能以未來票箱收入向銀行融資,減輕公預算支出當今,互聯網化正帶動著許多行業、產業的組織變革和商業變革。在這一歷史性的進程中,互聯網技術的迅速發展也給金融領域的創新帶來了巨大活力,顯著提升了金融服務的水準。 首先,從銀行來說,現在銀行已普遍通過互聯網管道開辦各類業務,銀行服務的成本有了下降(電子銀行每筆交易成本大約只有銀行櫃檯每筆交易成本的五分之一到六分之一);銀行傳統信貸的模式有了改變(例如工商銀行無人工參與的全流程線上的網路貸款已超過其網路融資的20%);銀行業務處理能力尤其是支付結算的能力和效率都有了提高(例如工商銀行現在每秒鐘業務交易量峰值已超過8700筆,在去年一年的電子銀行交易已占全部交易的88%,電子銀行交易金額達到了456萬億元,所有的異地支付早已實現即時完成。);各家銀行的服務模式都已越來越多地、越來越自然地融入商業場景之中,一個覆蓋和貫通金融服務、電子商務、社交生活的互聯網銀行架構正在不斷形成和完善。 其次,這些年來,各類互聯網企業從事金融業務的也越來越多,互聯網金融已從最初的電子商務、協力廠商支付等更多進入了資金募集、理財和借貸領域。如果說Paypal、ApplePay和支付寶等,是讓小額支付更便捷,那麼P2P、眾籌包括餘額寶等則是對金融資源配置方式的一種有意義的探索,它給不少人提供了一種新的投資管道,也滿足了一些人籌集資金的需求。近來,一些人又已經開始把更多注意力放到了區塊鏈技術,不少人正在爭先恐後地進行基於區塊鏈的支付和記錄技術等方面的研究和開發。 這一切都是顯得那麼的令人振奮,令人欣喜。但我認為在看到互聯網金融快速發展所帶來的種種積極變化的時候,在繼續推進金融創新的過程中,似乎也應該注意兩個問題,一、金融創新的全部內容是不是金融的互聯網化;二、是否應該避免陷入技術至上、唯資料論的誤區。第一點比較容易理解,答案也應該是明確的。關於第二點想必看法不會完全一致。我想就此談談一己淺見。這可以從北京大學國家發展研究院沈豔教授最近的一篇文章說起。 沈豔教授的文章題目是《大資料分析的光榮與陷阱——從穀歌流感趨勢談起》。她在文章中講了一個故事,那就是穀歌公司在2008年11月啟動了一個“穀歌流感趨勢”(GoogleFluTrends,GFT)項目,這個項目曾被許多人認為是大資料分析優勢的一個證明。這個專案的團隊曾宣佈他們通過數十億搜索中45個可能涉及流感關鍵字的分析,就能夠比美國疾控中心提前預報流感的發病率,從而使人們可以有充足的時間提前採取預防措施以避免患上流感。 倘若真能如此,這個成果無疑具有重要的社會意義和經濟價值。可惜的是2014年,美國《科學》雜誌的有關文獻報導了GFT在2009年沒有能預測到有關流感的爆發,在2011年8月到2013年8月間的108周裡,有100周預告不准(預測率是實際報告值的1.5倍多)。沈豔詰問道,為什麼傳說中充滿榮光的大資料分析會出現如此大的系統性誤差呢?她認為如果在資料分析中只關心相關關係而不注意因果關係是不行的,必須避免模型對資料值作出“過度擬合”,她還指出尤需注意不能以為大資料可以完全替代小資料,她呼籲要防止墜入“大資料陷阱”,力戒“大數據自大”。我十分贊同沈豔的觀點。沈教授所指出的問題正是若干年來我們在推進互聯網金融發展中所一直十分注意和努力想解決的問題。 撇開銀行在產品研發、客戶行銷、員工及機構管理等方面的資料應用問題暫且不談,就說銀行最常見也最重視的風險管理,多年來許多銀行尤其是一些大中型銀行都在如何利用資料技術提升風險管控能力方面進行了很多的探索,做出了不懈的努力。例如,工商銀行在估算客戶的違約概率(PD)、違約損失率(LGD)的時候,十分注意把資料長度作為風險參數量化過程中的一個重要因素,堅持要求資料觀察期起碼必須涵蓋一個完整的經濟週期,以努力避免簡單地以昨天的資料來說明今天和預測明天。現在工商銀行非零售業務和零售業務的客戶違約率、損失率資料積累長度均已超過12年。同時包括工商銀行在內的不少銀行還建立起了全行資料品質的管理標準和平臺,不斷進行內部評級的覆核驗證,以盡可能減少失真資料的幹擾和影響。 為了能夠對各種風險進行量化,在信用風險管理方面僅工行就開發了34個法人客戶評級模型,實現了對所有法人客戶違約概率(PD)的計量,開發了175個信貸產品的3類債項評級模型,實現了對違約損失率(LGD)的計量。對零售業務,工行還開發了75個信用評分模型,覆蓋了個人客戶准入、帳戶信貸審批和業務管理的完整業務生命週期。在面對市場風險(因市場價格例如利率、匯率、債券股票價格、商品價格的不利變動,而使商業銀行表內和表外業務發生損失的風險)的防控方面,我們制定了16個辦法,開發了17個定價估值模型來進行風險價值(VaR)和壓力風險價值(SVaR)的計量,並且在實踐過程中每日實施返回檢驗,把模型計算所得的風險價值與發生的真實損益進行比較,以檢驗模型、方法的準確性和可靠性。在防控操作風險(主要是指由不完善或有問題的內部程式、員工行為和資訊科技系統,以及外部事件所造成的風險)方面,工行開發了操作風險損失事件管理系統,分別用於對操作風險高頻低損和低頻高損部分的計量。 為了達到上述的這種資料獲取、挖掘和應用水準,僅為積累有關資料、開發這些風險管控模型,工商銀行就先後花了將近15年時間,投入了巨大的人力和財力。儘管目前這一套風險識別和計量的方法、模型已經按照國際金融穩定理事會的有關標準,經過監管部門組織的多輪評估獲得通過,認定為合格,但坦率地說,我們從來也沒有認為這一切已經是完美無缺的了。面對不斷變化的社會經濟環境,隨著銀行業務日新月異的發展,在資料的管理利用方面確實還有許多問題需要解決,前面的路還很長。這也正是工商銀行近年來又推出了eICBC新發展戰略的一個重要原因。 我之所以不惜篇幅地介紹這些情況,主要想說的就是許多事確實不像想像的那麼簡單。面對互聯網金融大潮,在興奮激動之餘,我們還需要一種相對冷靜平和的心態。如果我們真的要搞金融大資料開發,真的要靠有關資料來辦互聯網金融,那確實就要認真思考一下自己所謂擁有的“大資料”真的足夠大了嗎?足夠長了嗎? 自己擁有的資料中的信噪比問題有效解決了嗎?自己擁有的資料分析模型如果對樣本內的資料分析還算準確的話,那它對樣本外的預測結果也能一樣有效嗎?自己所擁有的資料處理模型是否完全建立在一種假定之上了,那就是以為人們的社交行為資料、那些非結構化資料都是真實的?坦率地說,我始終認為只要一些資料生成者知曉自己的行為資料可以影響自己的利益(例如可以獲得信譽、信用積分,可以獲得授信融資等),那對這部分資料的可靠性就有質疑的理由。這也許就是人文科學領域的“測不准原理”。現在各種花樣百出的水軍現象已經一再提示我們,真是“不能天真地認為資料使用者和資料生成機構都是無意識生產大資料的”(沈豔,2015)。 上述這些還沒有涉及諸如homes系統、高頻交易等技術在這一輪股市風波中的作用究竟應該如何認定的問題。儘管對此還可能有這樣那樣的看法,但可以確定的是,在某些條件下,所謂的技術中性在面對市場時是完全可能發生變異的。 總之,我認為金融的創新、互聯網金融的發展,除了技術,還需要一系列的條件支撐,包括營造一種良好的文化氛圍。在眼花繚亂之中,要力戒浮躁,腳踏實地。互聯網技術是時代進步的標誌,是現代文明的產物,它與那些江湖氣其實是不搭的。諸如“流量為王,就是要靠燒錢來吸引客戶”,“互聯網就是財富重分的過程,就是贏者通吃的遊戲”,“羊毛出在豬身上,猴數錢,牛買單”等說法,如果僅是開開玩笑,說說段子,那也未嘗不可,但作為一個要對投資者負責、對債權人負責、對債務人負責、對市場穩定負責的金融從業者來說,如果把這真的當成了自己的經營理念,那是萬萬不可的。(大陸國研網專供,作者:全國政協常委 中國工商銀行原行長 楊凱生) 【中央網路報】
文章標籤
全站熱搜
留言列表