基于大數據的公共信用評價體系研究

黨飛++王朝靜

當今時代，隨著互聯網的快速發展及云計算、大數據、移動互聯網、物聯網等技術日漸成熟，政府機關、金融機構、互聯網公司、公共服務行業等都積累了豐富的數據資源，這些數據資源在大數據環境下才能得到充分利用，才能挖掘出這些數據與信用的關聯關系，促進對征信數據進行更加充分的利用。

基于大數據實現公共信用評價，具有更廣泛的用戶覆蓋率，能使信用評價更加全面和客觀，評價產品的應用也更加廣泛。對個人而言，將不只單純地用于金融經濟活動中，而將成為“人品指標”普遍運用于升學、招聘、升職、社保等領域；對于企業而言，除了提供最基礎的征信報告以供其向銀行貸款，還將全方位對其在環保、質量、安全等方面的行為做出信用評級，使消費者能直觀地了解一個企業最讓人關心的問題；對于政府而言，不僅是對政府的行政透明化的監督，更是讓政府通過新標準的數據監測和規律挖掘，對整個社會信用狀況有了預警防范的能力，降低信用危機（比如金融危機）帶來的危害。

國內外信用評價體系現狀與存在問題

信用評價體系主要包含評價方法、評價指標、評價程序、信用等級等內容，廣義上還包括信用評價應用。目前，發達資本主義國家都建立了比較完善的信用評價體系，我國在這方面也進行了積極探索。

國外信用評價體系情況

國際上早期評價方法包括財務分析法與要素分析法，現代主要采用模型分析法。無論是采用財務分析法、要素分析法，還是模型分析法，對被評價對象的信用數據收集都包括兩方面：被評對象提供和信用評價機構獨立收集。

國際上一些知名的信用評價機構采用的評價程序不完全相同，但評價的周期都較長，比如穆迪在收集了足夠的評價信息后，組建評級委員會，從評價委員會的首次討論開始到評價結果發布，大約需要60-90天時間。

國際上對企業信用等級一般采用等級符號來區分，三大信用評估機構所采用的符號不完全相同，但劃分標準和等級數量相差不大，標準普爾和惠譽是20個等級，最高級都是AAA，最低級是D，穆迪是19個等級，最高級是Aaa，最低級是C。FICO模型對個人信用等級用信用分表示，取值范圍為300-850分，680分以上通常會被認為是信用極好。

過去幾年里，發達資本主義國家已經出現了一些新興企業利用大數據來重新定義信用評估方式。比如美國的Neo Finance公司利用申請人的工作歷史和其在LinkedIn（一家面向商業客戶的社交網絡）上的人際關系來決定是否向他提供貸款。另一家名為Zest Fiance的公司是前谷歌首席信息官創辦的，它利用顧客各方面的信用數據來做評價，包含成千上萬的參數，比如借款方搬家的次數、他們在網頁上使用大寫字母的能力等，這些參數可能與借款方的信用沒有直接的因果關系，但是通過大數據手段可以發現一定的關聯關系，因此也會對借款方的信用狀況產生影響。

國內信用評價體系探索

我國的信用評價體系發展較晚，采用了第三方評級機構和公共征信體系并行發展的模式。從1987年我國第一家信用評級機構吉林省資信評估公司成立，到1997年中國人民銀行認可了中誠信等9家評級公司具有企業債券評級的資格，此后我國的信用評價開始步入快速發展階段。近些年來，在國內占據領先地位的評級機構主要有中誠信、聯合資信、大公國際、新世紀、東方金誠國際和中債資信等。而2006年人民銀行征信中心的成立，則標志著我國公共征信體系正式開始構建。

國內信用評級業在自主發展的同時，也與國際信用評價機構積極開展合作，比如惠譽持有聯合資信49%的股權、穆迪與大公國際曾簽署為期3年的技術合作協議等。國內信用評價機構充分借鑒了國外在評價方法、評價指標、評價程序、信用等級等方面的經驗，同時也在評價指標、評價模型等方面進行了積極探索。

我國在2006年中國人民銀行印發的《信用評級管理指導意見》，將企業評級要素分為企業素質、經營能力、獲利能力、償債能力、履約情況和發展前景六個方面；中國信用行業標準技術委員會2009年編制的《企業信用評價標準》將企業信用評價過程分為外部環境、經營狀況、管理狀況、財務指標、公共信用記錄和招投標信用記錄五大部分。個人信用評價方面，目前國內主要使用的評價模型有：上海資信評估模型、深圳鵬遠公司建立的“鵬元”模型和螞蟻金服的芝麻信用評分模型。其中芝麻信用評分模型與美國的FICO模型類似，通過身份特質、履約能力、信用歷史、人脈關系、行為偏好五個維度對個體信用進行分析。芝麻信用在評分的基礎上擴展了信用貸、信用住、信用租車、出國免簽等多種應用。

我國有些地方政府也對信用評價體系進行了積極探索，比如榮成市制定了可量化的細化加減分項信用指標，針對自然人的信用評價指標分為商務領域、社會管理領域、司法領域、重點人群和加分信息5大類，針對法人的信用指標分為商務領域、社會管理領域、政務領域、司法領域和加分信息5大類。這些評價指標基本涵蓋了信貸、合同信用、行政管理、社會保障、公共服務繳費、司法訴訟、法律執行、社會公益、表彰獎勵等各個方面。

其他城市大多采取了與第三方征信服務機構合作的方式開展信用評價工作。比如杭州市與芝麻信用合作，市民可通過芝麻信用查尋自己的公共信用記錄；宿遷市與大公國際合作，成立了大公宿遷信用信息服務有限公司；沈陽市與遼寧中小企業信用服務有限公司合作，由其出具信用報告并評定信用級別等。

當前信用評價體系存在的問題

隨著互聯網、大數據、電子商務等產業的快速發展，傳統信用評價體系也逐漸暴露出一些問題。一是評價結果易受到外部因素的影響。主權評級容易受到政治因素的干預，比如2008年金融危機爆發以后，國際三大評級機構頻繁下調歐洲國家的主權信用評級，導致歐債危機加劇，間接幫助美國度過危機。對社會主體的評價結果容易受到評價委員會人員構成的影響，評價委員會的業務能力、經驗、主觀好惡、品德都是重要的影響因素。二是評價指標不全面。傳統信用評價指標比較注重金融消費領域的指標，許多信用評價機構并未將公共管理領域和互聯網數據納入信用評價體系，即便納入也只是少量指標，比如德國將地鐵逃票作為個人征信的指標。三是運用范圍較窄。傳統信用評價主要運用于金融領域，比如銀行貸款、發行證券、商業合作等，也有些信用評價產品會被用在招聘求職等方面。近年來在我國興起的芝麻信用也是主要運用于提供小額貸款、免押金等領域，芝麻信用的出國免簽是一大亮點。但是由于信用數據來源和評價機制的局限性，傳統信用評價產品還無法廣泛運用到社會管理、公共服務等各個領域。

基于大數據的公共信用評價體系設想

基于大數據的公共信用評價體系，就是要建立“用數據說話、用數據評價”的信用評價體系，將盡可能多的與信用有關的數據納入評價指標，盡量減少人為因素對評價結果的干預，將評價結果運用到社會管理、公共服務、經濟活動、公益慈善等各個領域。結合傳統評價體系發展方向和大數據行業發展現狀，采用基于大數據的信用評價模型實現信用評價是一個可行的選擇。

評價方法

大數據信用評價模型里既包含因果關系的參數，也包含關聯關系的參數。因果關系的參數可采用矩陣模型等進行處理，但是不再對被評對象的任何行為作出假設，而是通過海量社會主體的歷史數據（包括基本信用要素和違約等失信行為等）進行統計分析，對信用要素與違約等失信行為進行回歸分析，確定回歸函數，將這些函數關系作為預設條件輸入大數據模型。關聯關系的參數通過大數據手段進行挖掘分析，引入最優化算法等技術，找出這些參數與違約行為的關聯關系。最后結合因果關系和關聯關系的計算結果，得出最終信用評價結果。

評價指標

為實現多維度評價，基于大數據的公共信用評價指標需要隨著社會管理制度的完善和大數據技術的發展而不斷進行補充，就目前的發展階段而言，應包含但不限于如下數據：

金融數據：包括企業的資產負債率、盈利能力、品牌價值、信貸歷史、已發債券情況、資金周轉時間等；

交易數據：已簽合同金額、合同履行情況、交易額、顧客反饋情況、售后服務滿意度等；

政府數據：行政許可、行政處罰、行政調解、表彰獎勵、慈善捐贈、社保繳納等；

司法數據：司法審判記錄、司法執行信息等；

公共事業數據：公共事業繳費及違約信息、公共交通逃票、強占或浪費公共資源等；

互聯網數據：社交網絡產生的數據、打車軟件產生的數據、電商交易和評價數據、微博和網絡評論、網絡日志、新聞報道等。

這些數據都應該是各行各業在履職過程中產生的原始數據，既包括經濟活動領域的數據，也包括公共管理、社會活動等過程產生的數據，因此評價結果有更廣泛的適用性，可運用于社會管理、公共服務等各領域。

評價程序和原則

基于大數據的公共信用評價是個不斷采集數據、進行計算、 修訂評價結果的螺旋形發展過程，使得評價結果的時效性更強。通過對海量社會主體違約的分析，可以找出違約發展軌跡，從一些細微的事件中找出風險因素，增強評價結果的預測性。

基于大數據進行信用評價時，應遵循如下原則：

一是去除數據垃圾。大量的原始數據價值較低，甚至有很多垃圾數據，做好數據的清洗比對，去除垃圾數據和冗余數據，提高數據質量，使數據變現才能進行利用。

二是建立數據“沙箱”。建立基于大數據的信用評價模型和統一的信用數據處理平臺，有數據采集方直接將采集的數據提交到平臺，使用模型處理后輸出結果，實現數據“可用不可見”，提高安全性。

三是處理好因果性和關聯性的關系。有些數據與社會主體的信用有因果關系，比如信貸歷史、財務狀況等。有些數據與社會主體的信用有關聯關系，應加以區分對待。另外，從有些數據的關聯性上入手，可以避免一些“誤傷”現象，比如前幾年在青島市福州北路上有個紅綠燈，在夏天的時候經常會被樹葉擋住，有些平時很遵守交通規則的人在此誤闖紅燈，可以通過大量的交通違章數據發現這個現象，篩選出誤闖的人群，降低對他們信用評價的影響。

四是做好評價后的跟蹤。利用大數據技術可以快速處理大量數據，實現對瞬息萬變的市場局勢快速分析和響應，及時完善評價模型和調整評價結果，提高信用評價的時效性。

信用等級

對企業和個人都采用信用分的方式表示等級，考慮到芝麻信用分已經具有一定的影響力，使社會主體對信用分和信用狀況的對應關系有了一定的認識，為了使公眾有一致的用戶體驗，基于大數據的公共信用評價分取值范圍與芝麻信用分的取值范圍保持一致，為350-950分。為實現與國際信用評價機構的橫向對比，可建立信用評價分與國際信用評價機構等級的對應關系，比如900-950分對應AAA級，860-899分對應AA+級等。

目前，全國性的信用信息共享機制尚未形成，建立全國統一的公共信用評價體系還需要理順相應的體制機制，因此有條件的城市可以先試先行。

一個城市要建立基于大數據的公共信用評價體系應做好以下幾點：一是加強政務大數據中心建設，為信用評價提供數據支撐和技術服務能力。二是進一步強化政務信息資源管理工作，以“一切數據皆為信用數據”的思維廣泛采集社會主體的信用信息，加強與國家、其他城市、第三方征信機構、互聯網公司、運營商之間的信息共享。三是推進基于大數據的信用評價模型研究。四是推進基于大數據的公共信用評價結果在聯合懲戒、公共服務等領域的應用，以應用促進建設和研究。五是建立隱私數據保護機制，從制度、管理、技術等層面加強對信用信息的保護，防止隱私數據泄露對信息主體的損害和對公共信用評價體系建設的阻礙。

（作者單位：山東省青島市電子政務辦公室）