每日推荐

Upstart:轻资产的AI消费贷款平台

Upstart成立于2012年,总部位于美国加利福尼亚州,公司搭建线上借贷平台以撮合个人无抵押贷款,并且通过AI技术(Artificial   Intelligence, 人工智能)升级风控模型,在保障合作银行信用风险的基础上,为美国信用信息较少但实际还款能力较强的客群提供合意价格的贷款渠道。

公司于2020年上市伊始即享有远高于同业的估值定价,我们认为主要由于其独特的AI风控模型、区别于传统消费信贷公司的轻资产SaaS模式、以及通过收购汽车销售软件供应商Prodigy实现对汽车贷款市场的进军。上述策略可供国内消费信贷公司参考借鉴。

摘要

不断打磨的AI智能风控模型是Upstart的核心竞争力。目前在美国,FICO等打分卡模型是消费信贷公司较常使用决策工具,用以决定是否投放贷款、以何价格投放贷款等。而Upstart通过AI技术进一步量化借贷风险(AI技术的主要特征包括机器自动学习、自动迭代升级等),纳入更多维度的数据源,根据日频的信贷还款情况和违约情况不间断地学习并优化模型,帮助合作银行提高贷款审批通过率、降低坏账损失率,也帮助FICO评分不高但真实还款能力较强的个人获得合意价格的贷款。

Upstart采用区别于传统消费信贷公司的轻资产SaaS模式。美国传统消费信贷机构主要的收入来源为利息收入,提供的贷款记入资产负债表内并承担信用风险。而Upstart的轻资产SaaS模式依靠撮合贷款、提供技术服务获取费用收入,不提供贷款资金,因此不承担信用风险,市场普遍认为该模式风险调整后股权投资回报率更高,因此给予相比同业更高的估值定价。在Upstart的招股说明书中,创始人David明确表示Upstart未来的发展目标是做银行的伙伴,为其提供技术和软件服务,而非成为一家银行。

Upstart通过收购Prodigy快速进军汽车贷款市场。截至1H21,美国汽车贷款余额达到1.42万亿美元,在非住房个人消费贷款中占比34.8%,市场空间广阔。与此同时,汽车贷款申请人中约半数FICO评分在620分以下(次级),符合Upstart的目标客群定位。基于上述两项原因,汽车贷款市场对于Upstart很有吸引力。通过收购汽车销售软件供应商Prodigy,Upstart得以快速触达汽车经销商网络和汽车贷款申请人资源,汽车贷款覆盖的业务范围从4Q20的1个州拓展到1H21的47个州,促成的贷款数量和相关收入亦实现快速增长。

投资建议

关注中国类似模式的消费信贷平台机构之投资机会。 

风险

AI模型表现不及预期;后续业务扩张和盈利增长不及预期。

正文

以AI模型为核心,连接借款人和出资方的线上借贷平台

公司简介:模型进一步升级的AI线上借贷平台

Upstart成立于2012年,总部位于美国加利福尼亚州,公司搭建线上借贷平台以撮合个人无抵押贷款,并且通过AI技术(Artificial Intelligence, 人工智能)升级风控模型,在保障合作银行信用风险的基础上,为美国信用信息较少但实际还款能力较强的客群提供合意价格的贷款渠道。

AI借贷平台:目前在美国,FICO等打分卡模型是消费信贷机构较常使用的工具以决定是否投放贷款、以何价格投放贷款等,而Upstart通过AI技术进一步量化借贷风险(AI技术的主要特征包括机器自动学习、自动迭代升级等),纳入更多维度的数据源,根据日频的信贷还款情况和违约情况不间断地学习并优化模型,帮助合作银行提高贷款审批通过率、降低坏账损失率[1]。

核心客群定位:美国信用评分系统发达,但仍存在相当一部分有贷款需求、且还款能力和还款意愿较强、而信用记录较少因此申请不到贷款的客群。根据美联储2019年报告,22%的美国成年人(约6,300万)没有银行账户、或账户中余额不足以申请贷款、或缺少信贷抵押物[2],其中主要就包括了千禧一代人群,他们积蓄仍不充足、信贷记录仍较少,通常在传统的FICO评分中属于次级用户,难以申请贷款或贷款成本很高。对此,Upstart认为可以通过运用大规模非传统变量(包括招聘历史、教育等)研发出更为智能的信贷模型,在保障银行信用风险可控的前提下,帮助该部分人群获得价格实惠的贷款服务[3],该部分客户即为Upstart的目标客群。

创始人团队:值得一提的是,Upstart创始人团队多有科技背景。David Girouard(联合创始人&CEO)于2004年到2012年任谷歌部门总裁等职位,帮助谷歌在全球建立了云应用业务;Paul Gu(联合创始人&产品和数据科学负责人)拥有量化金融背景,于2011年在对冲基金D.E.Shaw从事风险分析工作;Anna M. Counselman(联合创始人&运营负责人)于2007年到2012年任职谷歌公司,曾领导Gmail消费者运营部门,期间用户数从1.5亿增长到4.5亿。

业模式:以AI模型为核心,构建借款人-撮合平台-出资方的三方生态

作为贷款撮合平台,Upstart以AI模型为核心,连接借款人与出资方。Upstart的商业模式,是通过自身搭建的AI平台连接借款人与出资方,即向银行推荐合适的贷款需求并收取费用。获客渠道以Credit Karma(提供信用评级和信贷产品测评的门户网站)和直邮为主。具体流程而言,借款人可通过Credit Karma、广告邮件、Upstart官网等方式进入贷款发起界面并填写基本信息(包括身份信息、教育信息、职业信息等),Upstart自身不提供贷款,而是通过AI模型分析数据进行风险定价后,推送合适的银行贷款产品供申请人选择,最终促成贷款。

Upstart的营业收入分为以下三种,均来自于银行。Upstart最大的银行客户为Cross River Bank(CRB),是一家位于新泽西州的互联网社区银行,2019年末该银行对于Upstart的营收贡献占比89%,随着Upstart合作银行的增加,1H21末下降至60%。其余合作银行包括FinWise银行、第一联邦堪萨斯城银行、奥马哈第一国民银行等,均为中小型银行。

推介费:当借款人在Upstart平台发起申请并决定获取银行贷款时,也就意味着upstart成功的将贷款推介给了银行合作伙伴,Upstart会向银行收取贷款本金3%-4%的推介费。

平台费:当银行合作伙伴通过Upstart平台成功发起贷款时,还会向Upstart支付贷款本金2%的平台费,以换取使用AI贷款平台的资格,平台的功能包括收集贷款申请数据、承保信用风险、验证和欺诈检测以及交付电子贷款报价和相关文件等。

服务费:当借款人还款后,银行会向Upstart缴纳本金0.5%-1%的年化服务费,以换取Upstart在整个贷款期限内的服务,包括对还款进行收取、处理和对账、提供投资者报告等。

Upstart主要通过Credit Karma和直邮广告获取客户。Credit Karma是一家个人信用评分公司,用户可以免费在线查询其信用积分,2008年成立于美国旧金山。围绕着信用评级,Credit Karma构建连接个人-金融机构的金融平台,提供包括个人贷款推荐、信用卡推荐、住房贷款推荐等一系列推介业务,Credit Karma会根据用户需求在网站上罗列用户可以选择的信用卡、贷款产品供用户挑选,其中包括Upstart的合作银行。Upstart的主要获客流量即来自于Credit Karma网站,大数据分析后通过邮件触达潜在消费者是第二大获客来源,其余方式包括Upstart官网、广播营销等。

历史沿革:从教育贷款ISA业务出发,向无抵押个人贷款推荐转型

Upstart成立于2012年,逐渐从ISA(Income Share Agreement)模式下的教育贷款业务向个人贷款推荐模式转型,但商业模式的核心壁垒从未改变,创始人在2012年创立Upstart伊始即希望以AI风控作为核心能力,与传统FICO为核心的风控体系相区别:

起步阶段(2012-2014):教育贷款ISA业务起家,创立之初即试图摆脱FICO分数:2012年Dave Girouard从Google离职,与另外两名合伙人Anna和Paul成立了Upstart。同年4月,Upstart发布ISA薪资收入分享协议产品,旨在协助学生找寻创业资金[4]。由于学生人群大多数没有高质量的信用分数,Upstart力求通过GPA、成绩单等教育数据而非信用数据进行放贷,着力打造一个去信用评分的风控模型[5]。经过两年的探索,Upstart在ISA模式下形成了一部分粘性客群,但是意识到ISA模式回报周期长、监管态度不明朗,因此于2014年4月宣布转型,Dave Girouard意识到ISA风控中Upstart积攒下来的教育数据训练成果同样可以用于无抵押个人贷款的风控模型。

成长阶段(2015-2018):转向个人无抵押贷款推荐,AI算法持续改进,自动化水平不断提高:在此阶段,Upstart不断精进AI模型,公司也愈发受到投资人青睐。2015年Upstart完成第一个基于自身交易数据而投放的贷款,先后于2015年7月和2016年3月分别完成由Third Point Ventures领投的3500万美元C轮融资和由Rakuten领投的3250万美元D轮融资。2016年底,Upstart实现第一笔完全自动化的贷款。2017年9月,Upstart成为第一家收到消费者金融保护局(CFPB)No Action Letter的公司[6]。同年12月,Upstart与BankMobile建立了首个“Powered by Upstart”SaaS业务合作伙伴关系。

拓展阶段(2019-至今):丰富合作伙伴,2021年汽车贷款成为业绩增长新飞轮:2019年以来,Upstart业务持续扩张,公司陆续和First National Bank of Omaha, First Federal Bank of Kansas City 以及 Accion Chicago建立SaaS业务合作伙伴关系。2020年6月,Upstart宣布将业务拓展至汽车贷款,同年12月,公司于纳斯达克上市。2021年,Upstart收购汽车销售软件供应商Prodigy助力汽车贷款业务,同时人工智能匹配系统Upstart Referral Network 全面上线。

纵观美国消费信贷市场,Upstart相比同业享有高估值

美国消费信贷市场格局概览

美国消费信贷市场参与机构分为综合性的消费信贷提供者(如传统商业银行),以及专营某细分领域的互联网借贷平台。按照产品类型划分,有的互联网借贷平台提供类似于银行的综合消费信贷产品,也有专营教育贷款、住房贷款、汽车贷款的互联网借贷平台,还有提供无抵押个人贷款推荐服务的互联网借贷平台(Upstart属于此类)。

类银行的综合消费信贷平台:与其他细分领域深耕某类贷款的机构不同,类银行的综合消费信贷平台中产品更加丰富、包含了几乎所有类型的贷款,提供更加类似于银行的服务,包括存款管理、线下网点办理贷款等业务。代表性的企业如Synchrony Financial、Enova、Curo等。

除类银行的综合消费信贷平台外,各个细分领域均有深耕多年的品牌。教育类贷款中代表性企业包括Sallie Mae、Navient、Nelnet,汽车贷款中代表性企业包括Credit Acceptance、Santander等,住房贷款中代表性企业包括Rocket。而Upstart与Lendingclub、Social Finance类似,提供无抵押个人贷款推荐服务。

相比同业,Upstart增速较快、估值较高

Upstart上市伊始即享有高于同业的估值水平,主要由于其独特的AI风控模型以及区别于传统消费信贷的轻资产SaaS模式。Upstart于2020年末上市,上市伊始即享有高估值(约500x TTM P/E,VS其他上市消费信贷公司估值水平约在10x P/E左右),我们认为投资者愿意给予Upstart较高的估值定价主要由于其独特的AI风控模型以及区别于传统消费信贷公司的轻资产SaaS模式。前者使其不断赢得并扩大合作伙伴,用户规模和促成的贷款规模持续上升,2018-2020年营收同比增速分别为73%、65%、42%,净利润于2020年年底回正。后者使其不承担信用风险,相比大部分其他类型的消费信贷公司,如教育贷款类、汽车贷款类平台,Upstart风险调整后股权回报率预期更高。我们下文中进一步分析。

2021年Upstart收购Prodigy进入汽车贷款市场,营收和净利润增速进一步加快。Upstart于1Q21完成对Prodigy的收购,1H21营收同比增长288%,促成贷款笔数同比增长375%,贷款转化率(自贷款利率查询到贷款发放成功)同比提升10.3ppt至23.40%。市场预期Upstart较快的盈利增长可持续数年,因此给予了更高的估值定价。

不断打磨的AI智能风控模型是Upstart的核心竞争力

风控模型区别于传统以FICO变量为核心的打分卡模型

衡量金融机构的风控模型包括四个维度:训练数据集大小、数据变量数量、采用的机器学习算法、产品功能。截至2020年第三季度,Upstart在上述四个维度分别达到了如下的技术水平,其中数据变量不依赖于FICO变量、采用机器学习算法而非打分卡模式,是Upstart的AI模型区别于传统消费信贷公司的重要特征:

►训练数据集大小:Upstart通过了1,050多万次的还款事件。而且即使贷款本金仍未偿还,Upstart的模型也能从利息还款数据中学习,从而使模型实时改进。

►数据变量数量:从2014年的23个增加到2020年的1,000多个。其中包括信用历史、就业、教育经历、银行账户交易、生活成本和贷款申请互动等。其数据源有相当部分来自于TransUnion(美国三大综合性个人征信机构之一,其余两家为Experian、Equifax)。

►机器学习算法:按照风控模型的发展阶段看,专家评分表为初级阶段,机器学习为中级阶段,而结合着神经网络的深度学习是高级阶段。Upstart已从初期的逻辑回归模型发展到结合神经网络、离散梯度提升等多元学习方法的高阶模型。

► 产品功能:1)优化发起费用的分配;2)量化借款人收入的潜在虚假陈述;3)确定可能有资格获得贷款并有贷款需求的消费者;4)识别可能在短时间内获得多笔贷款的消费者;5)量化消费者比原定计划提前还款的可能性;6)量化申请人编造假身份的风险;7)量化贷款存续期内每个时期的违约可能性。

Upstart的AI风控模型在变量上不依赖于FICO分。美国征信机构主要有三家:Trans Union、Equifax和Experian,征信公司在收集消费者的信用资料后,均采用了FICO公司推出的信用评分模型对消费者信用进行评分,范围300到850分,分数越高代表信用越高。对于大多数美国消费信贷领域公司,FICO评分是核心的风控决策变量,如Lendingclub主打的个人贷款产品Standard Program,风控决策变量包括贷款申请人的FICO分、债务收入比、历史信用记录等。而Upstart并不依托于FICO分,而是通过更加海量的数据收集、更多的变量、更加复杂的深度学习算法搭建AI风控模型。比较而言:

►FICO分数关注借款人过去的信贷表现:关注的底层变量包括信贷偿还历史、信贷账户数量、贷款使用年限、正在使用的信贷类型、新开立的信贷账户,收集借款人上述数据后,与数据库中其他借款人的信用习惯相比较得出信用评级和分数。

►Upstart数据源丰富度更高,分为六大维度:Upstart的数据来源包括从合作银行处获得借款人数据、从国家信用局获得数据、监控借款人的还款表现、以及其他第三方数据。当借款人在平台查询利率和申请贷款时,需要提供姓名、出生时间、住址等基础个人信息供Upstart核实借款人的真实性,并且Upstart会从Equifax、Experian、TransUnion等征信机构获取其信用报告,除此之外,平台还会了解借款人的学历和毕业时间、职业和所在公司及收入、存款和近期借贷等详细情况,Upstart会与一些第三方验证机构合作来验证这些信息的真实性。Upstart将这些数据分为教育、申请交互、职业经历、信用经历、银行交易、生活支出六大类别。

Upstart的AI模型采用机器学习算法而非传统的打分卡模式。大数据风控模型的核心算法经历了由专家评分卡--逻辑回归--机器学习—深度学习的发展路径。大多数传统信贷机构依然采用FICO分数为主的打分卡模型,而Upstart结合了多项机器学习算法于模型中。打分卡模型与机器学习算法最主要的区别在于前者的参数不是自适应的,而后者的参数是自适应的,即在数据处理之后自动调节优化模型。

打分卡模式:赋以不同类型的考察维度不同的权重,最终得到一个一维的数值作为风控参考。最典型的应用即为FICO信用评分,通过信贷偿还历史(35%)、信贷账户数量(30%)、信贷使用年限(15%)、正在使用的信贷类型(10%)、新开立的信贷账户(10%)等指标进行评分。

机器学习模式:按照模型输入数据是已标记和输入数据未标记可以分为四个维度,包括监督学习、无监督学习、半监督学习和强化学习。常用于风控模型中的回归与分类算法属于监督学习范畴,核心在于根据申请者实时变化的各种维度信息进行动态地参数调节。

出色的风控效果吸引了更多银行与Upstart合作

优于FICO模型的AI模型吸引了更多借款人,同时也吸引了更多银行合作伙伴。Upstart的模型测试效果优异,体现在如下方面:

►高批准率、低利率与低违约率:2020年末,美国消费金融保护局披露Upstart的AI模型在同样的违约下,审批通过人次比传统模型增加27%;利率定价方面,和样本大型银行相比,平均年利率低16%。违约率上,欺诈贷款比例维持在0.3%-0.4%的较低水平。

►高自动化率:Upstart的贷款自动化程度较高,并且仍在持续提升,1H21达到70%以上。Upstart的自动化贷款流程使得借款人无需提供任何线下证明,也无需人工联络,只需在线输入信息,就能在24小时内获得贷款。

►高转化率:Upstart从利率查询到贷款成功发放的转化率较高,并且不断提升,2017年为8%,2020年上升至14%,2Q21末上升至24%。

出色的模型效果使得Upstart合作银行数量迅速增加。2014年Upstart只有1家合作银行,而1H21增加到了近20家,2020年后Upstart合作银行增速加快,尤其是进入2021年后,新合作银行数量截至9月末已有9家。我们梳理自2014年以来有披露的合作银行,可以发现Upstart的合作银行主要是中小银行,包括区域性银行、社区银行、信用社等,1H21总资产规模中位数在100亿美元左右。

区别于传统消费信贷公司的轻资产SaaS模式

Upstart不提供贷款资金,不承担信用风险

对比美国传统消费信贷机构的商业模式,Upstart的轻资产SaaS模式非息收入占比高、信用成本低。美国传统消费信贷机构的收入来源主要为利息收入,提供的贷款记入资产负债表内并承担信用风险。而轻资产SaaS模式依靠撮合贷款、提供技术服务获取费用收入,不提供贷款资金,因此不承担信用风险,市场普遍认为该模式风险调整后股权投资回报率更高。

可比公司收入模式看,Upstart非息收入占比高。从收入模式看,大部分消费信贷公司如教育、汽车、类银行综合等,收入来源更依赖于利息收入,而Upstart、Nelnet、Openlending、Rocket、Lendingclub、Social Fiance六家机构另有收入来源,包括销售贷款收入(Gain-on-sale-of-loan)、技术贷款一体化的平台服务收入、软件技术服务收入。具体来看:

►Nelnet:贷款收入及系统服务面向政府,包括教育贷款全周期服务;教育技术服务面向K-12个人消费者,包括学费缴纳、计划的系统服务等。2020年建立了旗下银行Nelnet Bank。

►Openlending:主打产品为Lending Protection Program,是面向汽车经销商和汽车金融公司的销售系统软件,营收来源为贷款手续费和预期保费利润分红,完全的技术中介。

►Rocket:营收来自于贷款销售收入,包括贷款的利息收入(销售贷款带来的溢价)、贷款推荐两部分。贷款会先计入自身的资产负债表再向外销售。

►Lendingclub:与Upstart的商业模式最为接近,都是通过撮合借贷双方收取贷款推荐费用,产品涵盖汽车、教育等。2020年收购了Radius银行,以寻求更加低廉的负债成本。

►Social Finance:业务领域包含贷款服务、券商业务和科技服务。贷款业务收入来源为贷款销售收入,贷款会先计入表内。科技服务通过子公司Galileo提供移动银行、支付服务。

►Upstart:营收模式依靠贷款推荐收入和平台收入,收取贷款手续费。

采用自有贷款比例衡量,Upstart表内贷款不断压降,2018年以来向不承担信用风险的轻资产SaaS模式转型。自有贷款比例即资产负债表中贷款与经过该公司的总贷款交易额的比值,衡量各家消费信贷公司是通过自身直接融资提供贷款还是仅撮合贷款。我们的计算结果显示大部分消费信贷公司依靠自身直接融资发放贷款(自有贷款比例记为100%),而资金来源包括旗下子公司的储蓄业务、转卖给其他银行或者非银投资者等。无抵押个人贷款推荐中,Upstart 和Lendingclub相比,虽然均为撮合借款人和金融机构促成贷款,但2020年Upstart的自有贷款占比仅为1%,并在2年的时间内通过优化AI平台不断压降表内,向SaaS模式转型,Lendingclub的自有贷款占比自2018年的 41.1%降低到2020年的15.4%,仍然高于Upstart的水平。

Upstart定位更加偏向于银行SaaS服务而非成为银行。在Upstart的招股说明书中,创始人David明确表示Upstart未来的发展目标是做银行的伙伴,为其提供技术和软件服务,而非成为一家银行。

与NXTsoft合作深化API能力,更加高效地输出风控能力

Upstart在2021年中与NXTsoft开展合作向银行提供API服务。NXTsoft总部位于伯明翰,是美国数据安全、数据网络及 API 连接方面的市场领导者,致力于将金融科技公司与美国各地的银行和信用合作社连接起来。NXTsoft的解决方案包括网络安全、API连接、数据分析、数据管理和数据迁移等。截至1H21,主打产品OmniConnect已与99%的美国金融机构的核心系统建立了API连接,合作企业超过1,000家,帮助金融机构的核心系统与金融科技公司的解决方案之间提供API连接,实现实时传输数据。

NXTsoft帮助Upstart以更低成本、更短时间整合API,从而更高效地对接其他金融机构。Upstart的风控模型与银行合作需要双方进行系统对接,使得银行可以调用Upstart的服务,从而实现数据交互。由于不同金融机构之间的数据格式、传输协议、网络架构大不相同,Upstart与每一家银行对接均需要单独接口,因此需要耗费一定的时间和成本才能完成对接。Upstart与NXTsoft合作后,NXTsoft帮助Upstart的AI平台快速搭建对接到银行的API,并且帮助进行运营维护。从而Upstart可以更高效地搭建接口,实现AI模型的对外输出,深化金融SaaS平台的系统上的对接合作能力。

收购Prodigy进军汽车贷款市场

美国汽车贷款市场规模已达万亿美元级别

基于以下原因,Upstart收购Prodigy进军汽车贷款市场:

►美国汽车贷款市场规模庞大。美国个人贷款包括教育贷款、循环贷款、汽车贷款、住房贷款等。以Federal Reserve of New York统计口径看,2020年末汽车贷款余额达到1.42万亿美元,仅次于教育类贷款1.57万亿美元。以TransUnion口径看,美国汽车贷款的发起量是个人无担保贷款的约7倍(2019年-2020年间),是比无担保个人贷款更大的市场。

►汽车贷款申请人的信用评分躲在620分以下,与Upstart的目标客群匹配。约有一半美国汽车贷款申请人的FICO评分在620分以下(次级),该部分人大多数依靠汽车金融公司而非银行等传统金融机构获得贷款,利率定价较高。根据Experian口径,在该市场中进行细分参与者包括:银行(富国银行、Capital One等)、汽车金融子公司(丰田金融、本田金融等)、汽车金融公司(Credit Acceptance等)、信用合作社(Alliant Credit Union等)。

收购Prodigy,Upstart得以将AI服务能力迅速推广至汽车贷款领域

Prodigy是一家连接了消费者、消费金融公司和汽车经销商的软件服务商:Prodigy将自身开发的汽车金融软件与汽车经销商系统进行整合,使得消费者可以在线上完成全流程的汽车购买行为,包括全景看车、汽车贷款申请和定价评估、选择适合自己的方案在线完成下单。对于汽车经销商,Prodigy提供24小时的汽车金融服务、提供使用流畅的线上和移动终端、提供各类销售管理分析工具和服务。对于消费金融公司,Prodigy可以帮助其获客扩客。截至1H21,共计有超过10亿美元价值的车辆通过Prodigy的软件经由汽车经销商出售。

收购Prodigy后,Upstart通过Prodigy的技术平台和经销商网络,快速触达汽车金融市场,汽车贷款覆盖的业务范围从4Q20的1个州拓展到1H21的47个州,相关收入快速增长。美国消费信贷市场中面向经销商的汽车金融业务大多需要撮合方能够将自身模型整合到对方系统中,因此具备整合经销商系统的服务能力也是限制竞争者进入的门槛。Upstart收购Prodigy之后,将自身的AI贷款平台整合与Prodigy的软件中,快速获取各大汽车经销商的客户资源,促成的汽车贷款规模快速提升。

[1]数据来源:https://www.upstart.com/about#who-we-are

[2]数据来源:https://www.forbes.com/advisor/banking/costs-of-being-unbanked-or-underbanked/

[3]数据来源:https://www.ibtimes.com/online-lender-upstart-academic-achievement-helps-millennials-land-loans-2121361

[4]数据来源:ISA 是学生与学校之间的合同,在该合同中,学生获得教育资金,以换取其在一定年限内获得的一定比例的毕业后工资,https://www.wsj.com/articles/what-you-need-to-know-about-isa-college-loans-11559922173

[5]数据来源:https://www.cheatsheet.com/technology/upstart-an-elegant-lending-platform-for-a-more-civilized-age.html/

[6]一般而言美国消费信贷机构严格控制使用“替代数据”,即非信贷数据,而该No Action Letter允许Upstart使用替代数据进行信贷和定价决策,并定期向 CFPB 报告贷款和合规信息,以减轻消费者面临的风险

文章来源

本文摘自:2021年10月13日已经发布的《Upstart:轻资产的AI消费贷款平台

法律声明

一般声明

本报告中的信息均来源于我们认为可靠的已公开资料,但中国国际金融股份有限公司及/或其关联机构(以下统称"中金公司")对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供投资者参考之用,不构成所述证券买卖的出价或征价。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求,在任何时候均不构成对任何人的个人推荐。投资者应当对本报告中的信息和意见进行独立评估,并应同时考量各自的投资目的、财务状况和特定需求,必要时就法律、商业、财务、税收等方面咨询专业财务顾问的意见。对依据或者使用本报告所造成的一切后果,中金公司及/或其关联人员均不承担任何法律责任。 

本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期,中金公司可能会发出与本报告所载意见、评估及预测不一致的研究报告。 

中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。中金公司没有将此意见及建议向报告所有接收者进行更新的义务。中金公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。 

本报告由受香港证券和期货委员会监管的中国国际金融香港证券有限公司于香港提供。香港的投资者若有任何关于中金公司研究报告的问题请直接联系中国国际金融香港证券有限公司的销售交易代表。 

本报告由受新加坡金融管理局监管的中国国际金融(新加坡)有限公司(“中金新加坡”) 于新加坡向符合新加坡《证券期货法》及《财务顾问法》定义下的认可投资者及/或机构投资者提供。提供本报告于此类投资者, 有关财务顾问将无需根据新加坡之《财务顾问法》第36 条就任何利益及/或其代表就任何证券利益进行披露。有关本报告之任何查询,在新加坡获得本报告的人员可向中金新加坡提出。 

本报告由受金融市场行为监管局监管的中国国际金融(英国)有限公司(“中金英国”)于英国提供。本报告有关的投资和服务仅向符合《2000年金融服务和市场法2005年(金融推介)令》第19(5)条、38条、47条以及49条规定的人士提供。本报告并未打算提供给零售客户使用。在其他欧洲经济区国家,本报告向被其本国认定为专业投资者(或相当性质)的人士提供。 

本报告将依据其他国家或地区的法律法规和监管要求于该国家或地区提供。

特别声明

在法律许可的情况下,中金公司可能与本报告中提及公司正在建立或争取建立业务关系或服务关系,也可能会持有本报告中提及公司所发行的证券头寸并进行交易。因此,投资者应当考虑到中金公司及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突。投资者请勿将研究报告或相关信息视为投资或其他决定的信赖依据。

与本报告所含具体公司相关的披露信息请访https://research.cicc.com/footer/disclosures,亦可参见近期已发布的关于该等公司的具体研究报告。

中金研究基本评级体系说明:

分析师采用相对评级体系,股票评级分为跑赢行业、中性、跑输行业(定义见下文)。

除了股票评级外,中金公司对覆盖行业的未来市场表现提供行业评级观点,行业评级分为超配、标配、低配(定义见下文)。

我们在此提醒您,中金公司对研究覆盖的股票不提供买入、卖出评级。跑赢行业、跑输行业不等同于买入、卖出。投资者应仔细阅读中金公司研究报告中的所有评级定义。请投资者仔细阅读研究报告全文,以获取比较完整的观点与信息,不应仅仅依靠评级来推断结论。在任何情形下,评级(或研究观点)都不应被视为或作为投资建议。投资者买卖证券或其他金融产品的决定应基于自身实际具体情况(比如当前的持仓结构)及其他需要考虑的因素。

股票评级定义:
i. 跑赢行业(OUTPERFORM):未来6~12个月,分析师预计个股表现超过同期其所属的中金行业指数;
ii. 中性(NEUTRAL):未来6~12个月,分析师预计个股表现与同期其所属的中金行业指数相比持平;
iii. 跑输行业(UNDERPERFORM):未来6~12个月,分析师预计个股表现不及同期其所属的中金行业指数。

行业评级定义:
i. 超配(OVERWEIGHT):未来6~12个月,分析师预计某行业会跑赢大盘10%以上;
ii. 标配(EQUAL-WEIGHT):未来6~12个月,分析师预计某行业表现与大盘的关系在-10%与10%之间;
iii. 低配(UNDERWEIGHT):未来6~12个月,分析师预计某行业会跑输大盘10%以上。

研究报告评级分布可从https://research.cicc.com/footer/disclosures 获悉。

本报告的版权仅为中金公司所有,未经书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。 
回到顶部