信贷类业务
人们对金融行业的第一印象可能都是金融行业很挣钱，那么金融行业挣钱的底层逻辑在哪里呢？答案就是利用信息不对称。
信息有很多不对称的方式，用到的系统工具也都不一样，我们下面来了解一下信贷类业务的特点。
传统信贷业务
信贷业务俗称放贷，传统的银行主要从事的就是这个业务，信贷类业务的表现形式有很多，比如有面向企业的贷款，或者给你的房贷，以及 P2P，花呗、借呗、白条等等。
利息的低买高卖
利息的低买高卖是一个最常见的银行利用信息不对称盈利的场景，银行在其中扮演着类似中介的角色。
低买高卖流程:
人们将手上无法增值的资金以低利息存入银行，银行汇集资金后再以高息贷款放贷给急需用钱的人，从而实现盈利。
信贷风险
从上面的描述来看，银行通过利息的低买高卖似乎就能躺着赚钱了，但是实际上银行在享受信息不对称盈利的同时，也面临着信息不对称所带来的的风险。
当用户出现违约情况时，银行不仅会损失利息，本金也同样会损失，这表示银行对还款人的的个人或者公司信息了解不太全面，这也是一种信息不对称。
信用评级
银行需要解决上述的信息不对称问题来防止亏欠，毕竟不亏钱就是赚钱，所以传统银行需要通过收集数据来评价借款人的还款能力，也就是借款人的信用评级。
传统信贷业务的重心转移
传统银行信贷业务买卖利息的操作其实对信息系统的要求不高，它只要求结果正确，对时间和吞吐量都没有什么要求，所以信息技术并不是传统信贷业务的核心竞争力，很长时间以来，银行的信用评级过程主要还是依靠信贷员对借款方的熟悉程度。
随着互联网和大数据的出现，银行通过对用户的各种行为的数据收集和分析就能快速全面而且低成本地了解借款方的情况。比如我们平时在电商网站上的各种消费，玩游戏时充的点券，以及出行旅游的地点和酒店级别，都可以用来描述个人的还款能力。这时候信贷行业的核心竞争力变成了怎么才能更好地收集和处理数据。
传统信贷业务系统架构
信贷业务的特点是交易频率低，而且用户评级在短时间内不会发生大的变化，因此整个系统架构不需要实时组件，常用的批处理、大数据处理框架都能很好地发挥作用。
Tips: 如果我们想要提高用户体验，给用户一种实时放款的感觉，系统可以提前算好用户的信用评级。比如我们经常见到的各种信用分就是这个提前计算的结果。
资产证券化
资产证券化是指以基础资产未来所产生的现金流为偿付支持，通过结构化设计进行信用增级，在此基础上发行资产支持证券 （Asset-backed Securities，ABS）的过程。 它是以特定 资产组合 或特定 现金流 为支持，发行可交易证券的一种融资形式。
当我们买房贷款，工资流水不够商贷的两倍时，我们可能会想到以现有房产去抵押贷款来进行购房，这实际上就是一种资产证券化的过程。
次贷危机后的信贷业务
2008 年发生的次贷危机就是用个人的房贷来抵押贷款。
简单的抵押赚不了多少钱，所以有一些聪明人把一大堆房贷打个大包，然后按照信用评级拆分成几个小包。类似的小包还可以堆在一起，然后再继续拆分。最后再将拆分好的小包卖给投资人。
为什么要这样做呢? 因为如果按照数学公式来计算，房贷总量虽然没变，但是分分拆拆之后总价值反而增加了很多，这样金融公司就能躺着赚钱了。下面这幅图是次贷将资产打包拆分的示意图：
Tips: 现在常见的 P2P、花呗、借呗和白条等，背后大多都是这种资本运作方式，它们只不过是将资产证券化的资产从房贷换成了个人消费贷。
资产证券化对系统的两个挑战:
-
计算复杂: 资产证券化的数学公式有可能一页纸都写不下，所以我们如何保证计算的准确性就是重中之重。
-
数据量大：资产证券化到一定程度之后就算不出来数学公式了，只能通过暴力求解的方式来穷举所有可能的场景，这可能是一个天文数字，可能需要成千上万台计算机同时计算才能得出结果，所以如何保证分布式计算的正确性是我们需要重点考虑的。
信贷类业务特点及技术挑战图
