轉(zhuǎn)賬截圖是否有法律效應(yīng)? 答:轉(zhuǎn)賬截圖有法律效應(yīng)。來自haohaoyun.com因?yàn)楦鶕?jù)現(xiàn)行法律規(guī)定,以下證據(jù)都可以做為法律依據(jù),具有法律效應(yīng),這些證據(jù)包括證人證言、文字記載、音像、圖像、及與事件有關(guān)的其他實(shí)物等等,轉(zhuǎn)賬截圖屬于圖像證據(jù),所以說,轉(zhuǎn)賬截圖有法律效應(yīng),但是,法律講究多種證據(jù)互證,所以,單憑轉(zhuǎn)賬截圖法律效應(yīng)顯得弱。 微信上發(fā)布貸款信息違法嗎 微信推麻袋是不犯法的,他今個微信經(jīng)過那個國家銀行銀監(jiān)會審核的,基本上是沒有什么問題,都是按正規(guī)手續(xù)來的。說明http://www.beachsiam.com/
在討論如何構(gòu)建微貸的信用風(fēng)險(xiǎn)評估模型前,我們首先要說簡單回顧微貸這項(xiàng)業(yè)務(wù)的主要特征: 一、總資產(chǎn)基本可分,也就是每一筆貸款占總貸款的比例很低,任何一筆貸款的風(fēng)險(xiǎn)都不足以對貸款整體質(zhì)量產(chǎn)生影響; 二、非系統(tǒng)性風(fēng)險(xiǎn)高度分散,簡單來說就是借款人和借款人間沒有私下關(guān)系,不存在一個借款人違約,一大批關(guān)聯(lián)借款人同時違約的情況; 三、信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)高度融合,簡單來說,評估欺詐風(fēng)險(xiǎn)就是把視角降低到每個借款個體的高度,觀察個體是否存在隱瞞材料或提交虛假材料的情況,評估信用風(fēng)險(xiǎn)則是把視角提高到整體貸款資產(chǎn)高度,觀察貸款資產(chǎn)的違約比例,當(dāng)欺詐風(fēng)險(xiǎn)無法識別的時候,自然就融入到了信用風(fēng)險(xiǎn)中。 有了業(yè)務(wù)的風(fēng)險(xiǎn)特征,推薦http://www.beachsiam.com/我們就可以大致來談?wù)勅绾螛?gòu)建微貸的信用風(fēng)險(xiǎn)評估模型。 通常來講,構(gòu)建信用風(fēng)險(xiǎn)包含三個層面的內(nèi)容,一是反欺詐,提升資產(chǎn)質(zhì)量,降低資產(chǎn)內(nèi)部關(guān)聯(lián)性;二是客戶群分層分類,降低整體樣本方差;三是產(chǎn)品定價,落實(shí)風(fēng)險(xiǎn)偏好要求和收益覆蓋損失原則。 對于第一層面,其包含反欺詐和降低資產(chǎn)內(nèi)部關(guān)聯(lián)性兩部分內(nèi)容。反欺詐,或稱反信息欺詐,主要通過多信息源交叉校驗(yàn)、信息自洽校驗(yàn)等分析模型來驗(yàn)證借款人提供信息的真?zhèn)涡?,簡單來說就是從借款人本人外的多個渠道收集借款人信息,進(jìn)而分析借款人提供的信息是否全面、是否存在隱瞞信息或提供虛假信息的問題,來自http://www.beachsiam.com/對造假問題突出且情節(jié)惡劣的借款人則直接篩選掉,提升貸款整體質(zhì)量。降低資產(chǎn)內(nèi)部關(guān)聯(lián)性,主要是通過人群關(guān)系網(wǎng)絡(luò)、小微企業(yè)集群等圖計(jì)算模型發(fā)現(xiàn)具有高度關(guān)聯(lián)性的借款,比如說家族類借款、企業(yè)主導(dǎo)員工消費(fèi)借款等,對相關(guān)貸款進(jìn)行合并統(tǒng)一管理,降低個體貸款之間的關(guān)聯(lián)性,保證非系統(tǒng)風(fēng)險(xiǎn)得到充分分散。這一層面的模型分析評估工作需要引入較多的第三方外部信息,對借款人信息進(jìn)行交叉檢驗(yàn),是整個微貸風(fēng)險(xiǎn)評估模型/架構(gòu)中的基礎(chǔ)部分。 第二層面客戶群分層分類,是目前信用風(fēng)險(xiǎn)評估模型中內(nèi)容最豐富的部分,其主要目的是根據(jù)用戶特征,包括客戶自行提供的信息、征信信息和金融機(jī)構(gòu)在前文提到的過程中收集的其他外部信息,對客戶群進(jìn)行風(fēng)險(xiǎn)等級分類,使每個客戶群的風(fēng)險(xiǎn)等級分布更加集中,或者通俗地說,就是讓好客戶分成一群,讓壞客戶也分成一群,不同層級的客戶區(qū)別管理。目前對客戶群分層有非常多的模型和手段,比較常用的有神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等復(fù)雜模型,比較偏傳統(tǒng)的有Logistics回歸模型、LDA算法等統(tǒng)計(jì)學(xué)習(xí)模型,比較老的則有打分卡模型和專家認(rèn)定流程(不能稱為模型了)等。不過從各家微貸金融機(jī)構(gòu)和商業(yè)銀行個人金融業(yè)務(wù)的反饋來看,老的打分卡模型仍舊是客戶群分層分類工作的中流砥柱,無論是K-S值(描述模型分類準(zhǔn)確性的一個統(tǒng)計(jì)值)還是模型的預(yù)測穩(wěn)定性,打分卡模型都要暫時好于其他相對“先進(jìn)復(fù)雜”的機(jī)器學(xué)習(xí)(統(tǒng)計(jì)學(xué)習(xí))模型,這也說明風(fēng)險(xiǎn)評估模型并不見得越復(fù)雜、越高級就會越有效。 第三層面產(chǎn)品定價,是信用風(fēng)險(xiǎn)評估模型最核心最重要的部分,也是決定評估模型最終是否能夠?yàn)榻鹑跈C(jī)構(gòu)帶來盈利的部分。金融機(jī)構(gòu)需要對不同層級的客戶群,根據(jù)歷史借還款信息建立相應(yīng)的貸款損失分布,并根據(jù)損失分布確定一個合理定價水平,這個定價既要滿足“收益覆蓋損失”的要求,原文http://www.beachsiam.com/又要對該層級的客戶群具有足夠的吸引力。 舉個例子,對于無逾期記錄信用卡借款用戶群體,假設(shè)其12個月借款的歷史損失率為1.2%,標(biāo)準(zhǔn)差為1%,非銀行金融機(jī)構(gòu)的放款融資成本是7%,如果將貸款利率定為9.88%,則可以保證有95%的概率不會虧錢;如果將貸款利率定為12.2%,雖然可以保證有99%以上的概率不會虧錢,但由于貸款價格過高,而相應(yīng)客戶群因?yàn)樾庞玫燃壿^好,有更多的選擇空間,貸款產(chǎn)品在市場上就會比較缺乏吸引力。 對于不同的客戶群,風(fēng)險(xiǎn)等級越高則貸款資產(chǎn)收益率越高,金融機(jī)構(gòu)需要根據(jù)自身的風(fēng)險(xiǎn)偏好進(jìn)行篩選,選擇適合自身風(fēng)險(xiǎn)承受能力的客群,保證既有足夠風(fēng)險(xiǎn)帶來的資產(chǎn)收益率,同時風(fēng)險(xiǎn)水平不超出自身能承受的最大范圍。需要注意的是,這一部分評估模型所需的損失分布函數(shù)是很難通過純粹的模型分析和設(shè)計(jì)來解決的,必須通過一定量的初始數(shù)據(jù)積累來形成不同客戶群損失分布參數(shù),這也就是為什么一些老牌金融機(jī)構(gòu)可以進(jìn)行更為準(zhǔn)確的、更具有吸引力但更安全的產(chǎn)品定價。 總體來說,微貸類業(yè)務(wù)的信用風(fēng)險(xiǎn)評估是一個多視角的工作:既要包括從微觀視角出發(fā)的借款個體行為精準(zhǔn)評估,也要包括從宏觀視角出發(fā)的借款群體定價覆蓋損失;既要包括利用專家經(jīng)驗(yàn)建立客戶分層模型的“預(yù)設(shè)模型法”,也要包括利用歷史損失數(shù)據(jù)形成損失分布模型的“統(tǒng)計(jì)模型法”。而具體選擇哪個視角,或者更多偏向于哪個視角進(jìn)行風(fēng)險(xiǎn)評估,則要綜合考慮提升風(fēng)險(xiǎn)識別能力帶來的增益收入和需要額外投入資源的邊際成本。 微信借款留言記錄能當(dāng)作證據(jù)嗎 可以做證據(jù)使。
1、我們可以提供與案件相關(guān)的證據(jù)材料,能否作為證據(jù)使用,需要判斷其是否符合“證據(jù)三性”,微信聊天記錄能夠作為證據(jù)使用; 2、雖然能夠作為證據(jù)使用,但不能僅僅此就進(jìn)行認(rèn)定,需要與其它證據(jù)相互印證,比如轉(zhuǎn)賬記錄。 朋友用微信向我借了錢,用不用再讓朋友打借條? 不用打欠條了吧!現(xiàn)在微信轉(zhuǎn)賬來往都有聊天記錄,來自haohaoyun.com也是一種證據(jù)。朋友沒提,如果在專門讓他打欠條,有可能傷了和氣,一般愿意借給朋友錢,說明這個朋友比較要好。 借錢給別人微信轉(zhuǎn)賬記錄能做為證據(jù)嗎? |
通過鍵盤前后鍵←→可實(shí)現(xiàn)翻頁閱讀
|
文章來源網(wǎng)絡(luò),版權(quán)歸屬原作者,未注明作者均因傳閱太多無從查證。本站為公益性非盈利網(wǎng)站,在本網(wǎng)轉(zhuǎn)載其他媒體稿件是為傳播更多的信息,此類稿件不代表本網(wǎng)觀點(diǎn)。如果本網(wǎng)轉(zhuǎn)載的稿件涉及您的版權(quán)、名益權(quán)等問題,請盡快與我們聯(lián)系,我們將第一時間處理!
|