为了找到银行里的混蛋们(讨论仅限于银行账户),我去扒了CFPB的数据……

书接前文:

最近一直想系统性衡量一下各家银行账户的风险,但是信息经济学的基础知识告诉我们自愿的信息披露往往伴随着偏差,因此我想到了去找一找CFPB的数据,没想到还真有。数据在这里:https://www.consumerfinance.gov/data-research/consumer-complaints/search/ ,如果大家感兴趣可以做更多分析。

为了小试牛刀,我搜了最近一年所有有关checking/savings账户的compliants,得到了如下统计数据。我这里分享的是抱怨数量前50的银行,他们占到了所有抱怨数量的92.57%(很简单,就是pd.read, df.value_counts)。这里最重要的caveat是compliant的数量和银行客户数量是有关系的,而客户数量通常和银行市值或资产规模强相关,因此更好的统计量是number of compliants per million total assets。但我太懒了,加上我也不是做banking的不太熟别的数据,就这么参考一下好了。大家尤其要注意的是排名比较高的那些小银行,具体是谁我就不点名了,如果还在用的话可以考虑逐渐拿钱出来。

JPMORGAN CHASE & CO. 6605
WELLS FARGO & COMPANY 6398
BANK OF AMERICA, NATIONAL ASSOCIATION 4768
CITIBANK, N.A. 2742
Chime Financial Inc 2682
NAVY FEDERAL CREDIT UNION 2659
CAPITAL ONE FINANCIAL CORPORATION 2016
TRUIST FINANCIAL CORPORATION 1430
U.S. BANCORP 1346
SOFI TECHNOLOGIES, INC. 1134
PNC Bank N.A. 1099
GOLDMAN SACHS BANK USA 987
CITIZENS FINANCIAL GROUP, INC. 952
Block, Inc. 871
UNITED SERVICES AUTOMOBILE ASSOCIATION 861
TD BANK US HOLDING COMPANY 823
BMO Bank, N.A. 751
ALLY FINANCIAL INC. 653
FIFTH THIRD FINANCIAL CORPORATION 537
HUNTINGTON NATIONAL BANK, THE 513
Paypal Holdings, Inc 488
Credit Karma 440
REGIONS FINANCIAL CORPORATION 439
KEYCORP 368
M&T BANK CORPORATION 364
DISCOVER BANK 350
ROBINHOOD MARKETS INC. 332
Fidelity National Information Services, Inc. (FNIS) 320
Early Warning Services, LLC 308
AMERICAN EXPRESS COMPANY 224
SANTANDER HOLDINGS USA, INC. 217
SYNCHRONY FINANCIAL 204
Neon Newco Corporation 185
WEBSTER BANK, NATIONAL ASSOCIATION 178
Comerica 176
PENTAGON FEDERAL CREDIT UNION 172
OPTUM BANK, INC. 150
CHARLES SCHWAB CORPORATION, THE 147
FinCo Services Inc DBA Current 140
CapitalJ Inc. dba Juno 129
HSBC NORTH AMERICA HOLDINGS INC. 127
NEW YORK COMMUNITY BANCORP INC 118
AXOS FINANCIAL, INC. 115
TransferWise Ltd 108
FIRST HORIZON BANK 106
MoneyLion Inc. 104
FIRST CITIZENS BANCSHARES, INC. 97
Experian Information Solutions Inc. 91
FISERV INC. 88
Upgrade, Inc. 86

21 个赞

好的谢谢LZ整理。看了一圈没有我在用的小信用合作社,意满离

正如我提醒的……这也同样有可能是因为你用的CU人数太少

4 个赞

能不能除一下客户数量做一个每万人投诉的排名呢 :yaoming:
看起来wf很有竞争力

7 个赞

客户数量这个数据应该不太好拿

https://www.magnifymoney.com/news/largest-banks-in-the-us/

Chase Bank assets, numbers and more
Headquarters New York
Assets $3.3 trillion
Number of customer accounts 66,225,311

1 个赞

我是指我不太清楚在哪可以拿到大样本结构化的数据。如果是这种非结构化的数据也就没必要除了,看看榜单上complaint最多的那几个,谁不在这个最大银行的列表里,我们就可以避雷了。这样目的就达到了

4 个赞

只能gpt帮你洗了 :yaoming:

那大银行都需要/都不需要避雷看不出呀
还有一个问题 使用小cu的用户群体可能有偏见比如not well-educated 不知道cfpb, which is exactly the group being advocated to dismiss the CFPB/FDIC.

当然投诉比例高的一定是垃圾的

2 个赞

还有个可能带来误差的是客户数量不一定是银行账户的客户数量,不过这么钻牛角尖下去就没完没了了……GPT确实是个好主意,我马上去试试

1 个赞

credit karma作为一个read only的网站居然也能被投诉,难道真的有人往里面存钱 :troll:

1 个赞

可能是被广告诱导开了credit one的卡 :yaoming:

我举个例子,我在这个调研里最大的takeaway就是像SoFi,Chime这两家compliant排名靠前但是资产规模很小的银行就是我要避雷的。但如你所言,比较难讲的就是要推荐用哪个银行,因为银行规模和抱怨数量是正相关的,但他们对评判结果影响的方向却不同。

11 个赞

我记得他们有个savings

1 个赞

敲黑板 我只统计了checking/savings相关的抱怨

捉个虫 抱怨 = complaint, not compliant
:sweat_smile:

2 个赞

:joy: :joy:谢谢 我就懒得改了 不好意思 在写的paper正好跟监管有关 里边有大量compliant的字眼

我可能prompt engineering做的不太好,大家有没有什么建议。不知道为什么这个GPT从中间就开始编数据了


row by row
长文本需要分段
previous response+additional response的结构

1 个赞

关键的东西没做出来啊,0分ds :yaoming:

1 个赞

据我所知起码有一家mainstream银行有专门的组用nlp去分析cfpb complaint,lz起码思路上已经和他们对齐了