Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
[GCI2020Summer 最終課題]投資家と借り手のマッチングプラットフォームのご提案
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
kmuto
August 01, 2020
Programming
740
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
[GCI2020Summer 最終課題]投資家と借り手のマッチングプラットフォームのご提案
kmuto
August 01, 2020
More Decks by kmuto
See All by kmuto
生成AIアプリの精度向上ワークフロー - プロンプトの自動最適化による改善基盤の構築
eycjur
0
430
Doc Translate - LLMを活用したコードドキュメント自動翻訳VSCode拡張機能
eycjur
0
1k
理論と実務のギャップを超える
eycjur
0
800
AIでLINEスタンプを作ってみた
eycjur
1
480
AIコーディングAgentとの向き合い方
eycjur
0
530
Claude Codeで挑むOSSコントリビュート
eycjur
0
470
Other Decks in Programming
See All in Programming
AI時代に学ぶ 好きなルール 嫌いなルール Linter編
shorty5121
0
860
ハーネス設計入門 〜プロンプト、コンテキストの次〜
kinopeee
54
36k
Discordを用いたラボオートメーション関連情報収集の自動化
noguhiro2002
0
500
私のClaude Code活用法 (個人開発編) - PHPerKaigi mini #4(2026/08/24)
panda_program
1
210
ALB ログから Trace を気合で繋げる技術
fohte
7
880
PyConJP2026_wat_Python × Signal Processing: How to Draw Pictures with Sound Using Spectrogram Art
wat
0
670
まだ間に合う!今年の夏こそSchemeのマクロ展開器を完全理解!
omasanori
0
630
go-spidermonkeyでAIエージェントのCode Modeを実装する
syumai
3
1.5k
片田舎のおっさん、 Swift Buildのダイアモンド問題解決の不具合修正PRを出すが、解決方法がキャッシュをしないようにすることであり、ビルド時間が伸びると言われてマージされないので高速化もする/swiftbuild
yimajo
0
360
Can LLMs Replicate 4 Years of Compose Migration? Exploring the boundaries of automation with 279 XML files from a real product
makun
0
130
『寄り添うラジオ』をAIで作る 体験価値から逆算した、会話しないUXと品質設計
theoriatec2024
3
120
Laravelのアプリケーションをどこにデプロイするか #ツナギメオフライン.9
akase244
0
120
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
42
3.2k
So, you think you're a good person
axbom
PRO
2
2.1k
Have SEOs Ruined the Internet? - User Awareness of SEO in 2025
akashhashmi
0
490
Claude Code どこまでも/ Claude Code Everywhere
nwiizo
67
58k
How to audit for AI Accessibility on your Front & Back End
davetheseo
0
530
brightonSEO & MeasureFest 2025 - Christian Goodrich - Winning strategies for Black Friday CRO & PPC
cargoodrich
3
810
Bridging the Design Gap: How Collaborative Modelling removes blockers to flow between stakeholders and teams @FastFlow conf
baasie
0
690
Jess Joyce - The Pitfalls of Following Frameworks
techseoconnect
PRO
1
410
State of Search Keynote: SEO is Dead Long Live SEO
ryanjones
0
260
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
450
The Straight Up "How To Draw Better" Workshop
denniskardys
239
140k
GitHub's CSS Performance
jonrohan
1033
470k
Transcript
投資家と借り手のマッチング プラットフォームのご提案
目次 <現状の分析> • 現状の問題点1:機械学習の限界 • 対策:個人に注目 • 現状の問題点2:事業拡大とリスク • 仲介業のビジネスチャンス
<事業モデル> • 事業モデルの提案 • サンプル • コンセプト • 欠点と対策 • 事業規模 • 将来性
現状の問題点1 • 機械学習の限界 • 機械学習で履行/不履行を分離するには限界がある 機械学習(LightGBM)で予測
機械学習の限界 • 「個人」に注目してみる • 複数回借りている人※だけ抽出してみる ※生まれてから登録するまで及び身分証明書の作成日時までの日数が等しい人かつ、以前に同じ金額のローンを 借りた人を同じ人とみなした 今回 履行 不履行
前回 履行 4685 186 不履行 190 154
機械学習の限界 • 前回履行者の不履行率 : 3.82% • 前回不履行者の不履行率:44.77% cf.)全体の不履行率:8.07% →前回履行した人は不履行になりにくく、前回不履行になった人 は不履行になりやすい
このように個人の特徴に注目して分析すると精度が上がる ∴機械学習+人為的チェック が重要
現状の問題点2 • 事業拡大とリスクは相反する →事業規模を拡大するためには 不履行確率が高い人にも貸す必 要がある ↓ • 事業拡大にはローリスクな手 法が必要
→仲介業という選択肢 ※機械学習で予測した不履行率が低い人から 融資するものとして計算 多くの人に融資をする(融資率を上げる) と債務不履行率も上がってしまう ※
仲介業のビジネスチャンス • 日本の個人投資の現状 諸外国に比べて直接金融が浸透していない(下図) →ビジネスチャンス • ユーロエリアと同程度まで 債券投資が進んだ場合 →43兆円程度の投資規模※ ※債券の割合が現在の1.5%からユーロエリアの3.8%になった場合を日本の家計資産1850兆円(日本銀行2020よ
り)として計算
事業モデルの提案 <投資家と借り手のマッチングプラットフォーム> • HomeCredit社での融資基準を満たさない人を登録 • 借り手の経歴や利用方法など機械学習に不向きな情報も掲載 • HomeCredit社が返済確率や利率、貸付期間を設定 • 投資家がその情報を基に好きな人に好きな額だけ融資
• 返済時に手数料を受け取る 投資家A HomeCredit社 借り手 融資 手数料 返済 投資家B
サンプル 全額融資できなくても複数 人での共同融資可能 HomeCredit社で算出した 確率を明示 利用履歴を明記 これまでの経験を判断材料 に加味できる 具体的な利用方法の提示が 可能(単なる投資ではなく
支援したい事業を選べる) 機械じゃできない返済見込 み情報の活用 利用者名 ◦◦ Home Credit 社が記 入 融資金額 100万円 利子 10% 融資期間 1年間 不履行確率 7.5% 融資履歴 2回(うち債務不履行0回) 本人が 記入 経歴 △△大学卒 ××社の□□事業に参加 利用方法 オンラインサロンの開店資金 返済見込み Twitterのフォロワー1万人い るのでそのうち入会者1割と しても年会費1200円で返済 可能です
コンセプト <クラウドファンディングと投資の融合> • 借り手の経歴や利用方法を公開することで、これまでの金融市 場にはなかったクラウドファンディング的な”支援”要素を追加 ―対象を具体的にすることで心理的ハードルを下げ投資家の客層 を広げる。 <人為的チェックの実現> • 機械学習だけでは見えない返済可能性がある人に融資可能
―機械学習をHomeCredit社で担当し、人為的チェックを投資家 にしてもらうように分担することで、これまでより融資できる層 を広げる。
欠点と対策 • 投資家にとっては債務不履行になるリスクが高い →プラットフォームの閲覧制限を設けず閲覧の障壁は下げる。そ して具体的な借り手の利用履歴や返済見込みを見てもらい、それ を加味すれば不履行確率を低くできることを実感してもらう
事業規模 国内債券市場全体で43兆円程度の投資規模 HomeCredit社で4.3兆円 返済総額:3.9兆円 売上:1100億円 シェア率10%と仮定 返済率90%と仮定 手数料3%とする
将来性 • 2020年6月5日:「金融サービスの利用者の利便の向上及び保護 を図るための金融商品の販売等に関する法律等の一部を改正す る法律」が可決 →金融サービス仲介業が追い風 <変わったこと> シングルライセンスで他の分野に参入可能 →事業拡大が容易 横断的な金融サービスが可能
→顧客データを他のサービスに活用できる 金融サービス仲介業が 今アツイ!!