圍繞信用風險管理做數據挖掘

□王寧江

前段時間，國家在北京開了一個全國各省份和副省級以上城市信用平臺網站的觀摩會，來自五湖四海的英雄豪杰齊聚一堂，使出渾身解數，切磋各地建設和應用信用平臺網站的經驗和做法。既然是切磋，必然是要分高下的，專家的現場提問和打分自然備受關注，每個分數背后是各地信用人辛勤勞作的汗水和成果。雖然會場控制了人數，但參與者的熱情不減，場場爆棚。

筆者有幸全程參加了觀摩活動，并代表本省參加了專家提問環節，有幾個感受特別深。首先，一批充滿情懷的信用人，同仁們都很努力、都很拼；其次，各地均拿出了看家的本領，整體信用平臺網站的水平都很高，雖然省份和城市間有些差距，但各有各的特色；第三，公共信用信息的歸集、整合和共享向前邁進了一大步；第四，大數據分析挖掘技術普遍得到關注和應用，可視化界面色彩繽紛；第五，重點行業領域的應用成果斐然，城市信用應用更加側重于惠民；第六，信用聯合懲戒機制大格局基本形成，許多基層的實踐體現了決策者和參與者的智慧。

觀摩會熱鬧的背后，還需靜下心來，做些思考。其中之一就是，大數據挖掘和可視化展示技術的應用不只是為了好看，而更應當是立足于好用，圍繞信用的本質做大數據挖掘和做可視化展示。

做信用的本質還是風險管理、成本控制的問題。所謂評級，無非也就是根據掌握的大量樣本數據和以往履約數據進行評估，然后告訴你未來的違約可能性；所謂征信，也就是給你一大堆數據和一個綜合評分，然后由使用方自行研判、自行分類處置。如果你能接受風險，那就接受交易。如果你覺得風險成本超過預期，那么或者選擇增信，通過增信來降低違約概率，從而達到降低風險成本的目的，并接受交易；或者直接選擇拒絕交易。

筆者一直不看好評級業的行業趨勢，這里只講征信。大數據技術的引入，主要也是在征信領域。傳統征信獲取的調查數據有限，因此，傳統的打分方法足夠可以滿足風控的要求。到了目前這個階段，互聯網的創新發展和信息的傳播能級遠超預期，影響主體履約的因素出現了新變化，一方面不僅僅是經濟關系，而且主體的社會關系對履約的影響分量越來越重；另一方面，主體的關系半徑前所未有的擴大，影響風險的可能有成百上千個維度。于是，傳統的打分方法開始力不從心，才有了大數據挖掘技術的應用。

以往講一個主體信用，主要是分析信用能力和信用意愿兩個層面。當下，這個理論也該發展了。除了保留信用能力這一維度外，還需要調整和新增幾個維度。一是信用行為，即主體在經濟社會活動中表現出來的行為記錄，包括交易履約和遵紀守法等方面，這是顯性的；二是信用關系，即與主體發生關聯關系的其他主體信用狀況，這是隱性的，既要大數據技術挖掘出關聯關系，也要根據關聯關系的疏密程度和關聯主體信用的優劣狀況綜合評判風險；三是外部環境，即經濟社會的政策環境對主體履約的影響，這也是需要應用大數據技術做定量分析。

此時的征信已不是傳統意義上的征信，其內涵和外延均發生了顛覆性的改變，只不過還穿著“征信”的馬甲而已，監管層也不應戴著老眼鏡看新現象。身邊典型的案例就是芝麻信用分高低與共享單車是否免押金之間的掛鉤，共享單車公司選擇650分作為閾值，說明他可以接受騎行者650分以上可能出現的違約風險。這只是征信分在社會生活領域的一個應用，絕不是征信的不務正業。大數據技術不管怎么做，均應圍繞風控去做。我們都處在一個概率和交換的世界，任何一次發生，從粒子層到宏觀層，均離不開這兩個要素，信用也是如此。

大數據挖掘之后，應用可視化技術其實并不是一件難事，重點是要把幾個關鍵性的、結論性的風控指標值展示出來，盡可能地直觀、易懂，不要喧賓奪主、華而不實。