大數(shù)據(jù)背景下我國民營征信機構(gòu)發(fā)展現(xiàn)狀及改進研究

樊子琦 楊青青

【摘要】互聯(lián)網(wǎng)時代背景下，P2P網(wǎng)貸、消費金融、共享經(jīng)濟等業(yè)務(wù)在我國蓬勃發(fā)展，個人征信業(yè)務(wù)需求快速增長，對以中國人民銀行為代表的公共征信機構(gòu)提出了挑戰(zhàn)，依托大數(shù)據(jù)技術(shù)的民營征信機構(gòu)應(yīng)運而生。但目前我國的民營征信機構(gòu)信用評估模式在數(shù)據(jù)采集、建模分析和產(chǎn)品應(yīng)用上還存在問題，文章通過借鑒美國信用評估公司ZestFinance的成功經(jīng)驗，對我國征信機構(gòu)如何有效利用大數(shù)據(jù)技術(shù)改進個人征信信用評估模式提出建議。

【關(guān)鍵詞】大數(shù)據(jù) 個人征信 民營征信機構(gòu)

根據(jù)中國人民銀行征信中心2015年發(fā)布的《征信系統(tǒng)建設(shè)運行報告》中顯示，截至2014年央行征信體系還是以商業(yè)銀行的金融信貸信息為主，占比達到70%以上，對于網(wǎng)絡(luò)數(shù)據(jù)挖掘不足，新興互聯(lián)網(wǎng)金融機構(gòu)如P2P網(wǎng)絡(luò)平臺以及大部分消費金融機構(gòu)則尚未接入央行征信系統(tǒng)。隨著互聯(lián)網(wǎng)金融平臺的活躍，更多的非傳統(tǒng)信用數(shù)據(jù)需要納入征信體系，為了促進互聯(lián)網(wǎng)金融穩(wěn)定發(fā)展，對個人征信業(yè)務(wù)提出了更高的要求。

2015年，人民銀行批準了芝麻信用、騰訊征信、深圳前海征信、鵬元征信、中誠信征信、中智誠征信、考拉征信、北京華道征信8家民營征信機構(gòu)進入個人征信行業(yè)。這些新興征信機構(gòu)通過收集分析客戶的線上線下信貸數(shù)據(jù)和網(wǎng)絡(luò)行為軌跡數(shù)據(jù)，引入數(shù)據(jù)挖掘技術(shù)和數(shù)學(xué)模型實行多維度信用等級評估，節(jié)約傳統(tǒng)征信的人力成本、時間成本，兼顧長尾市場，為個人征信市場注入了新活力。但同時民營征信機構(gòu)的發(fā)展面臨著來自各種挑戰(zhàn)。

一、我國民營征信機構(gòu)現(xiàn)狀

（一）征信數(shù)據(jù)來源割裂，信用評級片面化

目前我國征信數(shù)據(jù)主要來自線下的金融征信體系、行政管理征信體系和商業(yè)征信體系以及線上的互聯(lián)網(wǎng)金融、社交體系。其中線下數(shù)據(jù)主要是以央行征信系統(tǒng)的信貸數(shù)據(jù)、工商、司法以及行業(yè)協(xié)會數(shù)據(jù)為主，線上則是基于電子支付、P2P網(wǎng)貸、社交網(wǎng)絡(luò)等互聯(lián)網(wǎng)平臺的大量非結(jié)構(gòu)化數(shù)據(jù)，兩者之間存在較強的割裂，傳統(tǒng)金融機構(gòu)的信貸數(shù)據(jù)難以與民營征信機構(gòu)共享。

以芝麻信用和騰訊信用為例，從下表中可以看出芝麻信用數(shù)據(jù)來源主要來自阿里巴巴旗下電商的網(wǎng)絡(luò)金融數(shù)據(jù)，其中來自淘寶和支付寶的數(shù)據(jù)占比高達40%；而騰訊信用則借助自身強大的社交網(wǎng)絡(luò)優(yōu)勢，數(shù)據(jù)主要來自旗下微信、QQ等社交平臺。首先雙方的數(shù)據(jù)少有重合，多是依托自身平臺，忽略其他互聯(lián)網(wǎng)公司的用戶數(shù)據(jù)，使評級結(jié)果缺乏普適性；其次，雙方對于履約能力即用戶信用狀況的數(shù)據(jù)僅依賴于與自身建立合作關(guān)系的公共機構(gòu)，這就意味著這些民營征信機構(gòu)在進行信用評估時究竟能夠獲得多少線下信貸數(shù)據(jù)，還是個未知數(shù)。以上兩點決定了目前我國民營征信機構(gòu)在信用評級上仍然存在片面性。

（二）征信模型不成熟，信用評估缺乏可靠性

征信模型算法是大數(shù)據(jù)征信中的核心環(huán)節(jié)，我國民營征信機構(gòu)發(fā)展尚未成熟，較美國等成熟征信體系相比還存在一定的差距。芝麻信用所采用的評估模型與美國個人消費信用評估公司開發(fā)的FICO信用評級法大致相同，但通過對比我們可以看出相比于FICO主要還是依賴于傳統(tǒng)信貸數(shù)據(jù)，而芝麻信用引入了大量與用戶信用狀況關(guān)系較弱的社交、行為偏好數(shù)據(jù)。引入多維度評估固然可以更精確地刻畫用戶信用狀況，但如何通過這些弱相關(guān)性的海量互聯(lián)網(wǎng)數(shù)據(jù)挖掘出有價值的消費者信用信息，對征信模型的設(shè)計提出了挑戰(zhàn)。

同時我們注意到，我國民營征信機構(gòu)大多將個人的資產(chǎn)信息（如騰訊信用考察資產(chǎn)構(gòu)成）和好友信用狀況（如芝麻信用考察支付寶好友信息）納入評估范疇，而FICO評分則主要關(guān)注用戶信貸狀況，不包含資產(chǎn)情況等個人敏感信息。國內(nèi)做法難免加劇貧富人群信用差異，違背了互聯(lián)網(wǎng)征信服務(wù)長尾用戶的初衷，使結(jié)果產(chǎn)生偏差。綜上看來，征信模型的不成熟會使評分結(jié)果缺乏可靠性。

（三）依托互聯(lián)網(wǎng)金融集團，征信產(chǎn)品缺乏獨立性

目前我國批準進入個人征信行業(yè)試點的八家征信機構(gòu)大都屬于阿里巴巴、騰訊等大型金融集團，而這些集團同時控股小額貸款公司、民營銀行等金融機構(gòu)，與征信機構(gòu)存在高度關(guān)聯(lián)性，征信產(chǎn)品能否對市場上所有金融產(chǎn)品采用相同標準成為評價民營征信機構(gòu)獨立性的重要因素。大多數(shù)征信產(chǎn)品主要依托集團所屬平臺數(shù)據(jù)進行評估，評估出的結(jié)果又服務(wù)于集團內(nèi)各子公司的業(yè)務(wù)，這就使得民營征信機構(gòu)的信用評級缺乏第三方獨立性，要想真正應(yīng)用到全市場金融業(yè)務(wù)上，還需要對公司主體獨立性、關(guān)聯(lián)交易管控、數(shù)據(jù)獨立性等方面進行管控。

二、借鑒Zestfinance的成功模式

ZestFinance是美國一家新興的互聯(lián)網(wǎng)金融公司，提出了“Machine learning is the future of finance”的理念，ZestFinance的核心競爭力在于數(shù)據(jù)挖掘能力和模型開發(fā)能力。其大數(shù)據(jù)征信理念已被世界多家互聯(lián)網(wǎng)金融公司認可，也與百度、京東等國內(nèi)互聯(lián)網(wǎng)金融公司建立合作，共同開拓國內(nèi)征信市場。

（一）數(shù)據(jù)來源豐富，以信貸信息為主要數(shù)據(jù)源

ZestFinance的數(shù)據(jù)來源主要為第三方數(shù)據(jù)、用戶提交的數(shù)據(jù)以及互聯(lián)網(wǎng)數(shù)據(jù)。其中用戶信貸信息、信用卡信息等結(jié)構(gòu)化數(shù)據(jù)主要來自所購買或交換的第三方如銀行、工商部門等公共機構(gòu)，同時ZestFinance鼓勵用戶上傳電話賬單等來證明自己信用水平，有效彌補公共信息不足?；ヂ?lián)網(wǎng)則提供了社交數(shù)據(jù)、網(wǎng)絡(luò)行為、IP地址等非結(jié)構(gòu)化數(shù)據(jù)。

值得注意的是ZestFinance在引入大量非結(jié)構(gòu)化數(shù)據(jù)深度挖掘用戶信用的同時，其進行信用評估依然以傳統(tǒng)信貸信息為主要數(shù)據(jù)源，占比達到30%。因為首先互聯(lián)網(wǎng)數(shù)據(jù)中尤其是社交數(shù)據(jù)多為文本和圖像類數(shù)據(jù)，類型復(fù)雜，處理起來難度較大；其次，例如IP地址、社交網(wǎng)絡(luò)行為等數(shù)據(jù)與用戶信用相關(guān)性較弱，對模型的擬合程度要求也更大，過多依賴互聯(lián)網(wǎng)數(shù)據(jù)可能會使信用評級的可靠性降低。

（二）強大的機器學(xué)習(xí)模型，不斷優(yōu)化調(diào)整模型

傳統(tǒng)征信主要采用邏輯回歸和決策樹方法，但這兩種方法各自存在不足。邏輯回歸法變量數(shù)量有限，只能處理10-15個變量，要求所有變量必須存在且正確，而決策樹方法則需要將所有申請人清晰劃分為不同類別，操作難度較大。而新興的機器學(xué)習(xí)技術(shù)能夠克服傳統(tǒng)回歸方法的弊端，結(jié)合預(yù)測算法，不斷優(yōu)化調(diào)整模型，構(gòu)建信用評估體系，這也是ZestFinance的核心競爭力所在。

ZestFinance開發(fā)了專門用于信用評估的ZAML平臺，ZAML平臺提供了可解釋的機器學(xué)習(xí)模型，處理變量可以多達幾千個。能夠在10秒之內(nèi)處理海量數(shù)據(jù)并提供信用評級，該平臺主要由數(shù)據(jù)同化（data assimilation）、模型工具（modeling tools）和模型可解釋性（model explainability）三部分組成。借助機器學(xué)習(xí)，把人類思考歸納經(jīng)驗的過程轉(zhuǎn)化為計算機對數(shù)據(jù)的處理計算得出模型，ZestFinance的評分模型得以快速更新，由最初的信貸審批評分模型已經(jīng)發(fā)展出八類不同的信用評估模型，覆蓋教育、法律、消費等各個方面。

（三）征信產(chǎn)品應(yīng)用渠道廣泛，評級結(jié)果有效獨立

ZestFinance通過大數(shù)據(jù)分析，突破傳統(tǒng)征信限制，自2009年起，已為超過300，000，000人提供了信用評級服務(wù)，其中多為傳統(tǒng)信用評級所沒有覆蓋的人群，填補了傳統(tǒng)征信的空白。ZestFinance 提供的信用評級不僅可以應(yīng)用于自身旗下的ZestCash貸款平臺，為用戶發(fā)放貸款，也逐漸被一些傳統(tǒng)金融機構(gòu)認可，使這些機構(gòu)可以參考ZestFinance評分系統(tǒng)為用戶提供金融服務(wù)。ZestFinance非但沒有因為服務(wù)“高風(fēng)險”客戶而遭受風(fēng)險損失，反而通過大數(shù)據(jù)技術(shù)的精準評估在實踐中實現(xiàn)了33%的信貸損失的下降。

三、我國民營征信機構(gòu)信用評估體系改進措施

針對我國現(xiàn)試點的八家民營征信機構(gòu)所存在的問題，通過借鑒美國大數(shù)據(jù)征信機構(gòu)ZestFinance成功的經(jīng)驗，現(xiàn)提出以下三點改進的建議

（一）促進各大平臺信息共享，整合數(shù)據(jù)源

首先，對于結(jié)構(gòu)化數(shù)據(jù)，各大民營征信機構(gòu)要加強金融信用信息基礎(chǔ)數(shù)據(jù)庫建設(shè)，在保證信息安全的前提下，與傳統(tǒng)征信機構(gòu)如人民銀行征信系統(tǒng)實現(xiàn)信息共享，盡可能獲取用戶信用高度相關(guān)的信貸數(shù)據(jù)；其次，對于社交信息、網(wǎng)絡(luò)行為非結(jié)構(gòu)化數(shù)據(jù)，各大民營征信機構(gòu)不僅要依托自身互聯(lián)網(wǎng)平臺資源，也要與其他平臺開展合作進行信息采集，獲取更全面更客觀的數(shù)據(jù)。通過整合線上線下的數(shù)據(jù)源，兼顧頭部和長尾數(shù)據(jù)，提升信用產(chǎn)品的質(zhì)量。

2018年2月，中國人民銀行批準百行征信有限公司成為首家獲得個人征信業(yè)務(wù)牌照的機構(gòu)，由8家民營征信公司分別持股。百行征信集合國內(nèi)互聯(lián)網(wǎng)企業(yè)巨頭如阿里、騰訊的網(wǎng)絡(luò)平臺的數(shù)據(jù)，同時立足于央行征信系統(tǒng)的用戶信貸數(shù)據(jù)，實現(xiàn)了數(shù)據(jù)源的整合，具有巨大的發(fā)展?jié)摿Α?/p>

（二）加強國際合作，改進信用評估模型

中國應(yīng)用大數(shù)據(jù)征信尚處于起步階段，國內(nèi)目前缺乏相關(guān)專業(yè)人才，其數(shù)據(jù)挖掘能力、機器學(xué)習(xí)技術(shù)以及在模型的設(shè)計方面與歐美發(fā)達國家相比具有一定的差距。而同時互聯(lián)網(wǎng)金融在中國的飛速發(fā)展，又帶來了豐富的網(wǎng)絡(luò)數(shù)據(jù)資源，因此中國的民營征信機構(gòu)可以利用自身豐富的數(shù)據(jù)優(yōu)勢，與國外大數(shù)據(jù)征信企業(yè)開展合作，依托其先進的機器學(xué)習(xí)征信技術(shù)，不斷改進信用評估模型，提高評分可靠性。

目前，京東、百度均已與美國互聯(lián)網(wǎng)金融公司ZestFinance建立合作關(guān)系。百度作為中國最大的搜索引擎，而京東擁有以京東金融為代表的消費金融體系，二者均掌握豐富的中國客戶互聯(lián)網(wǎng)數(shù)據(jù)，與ZestFinance強強聯(lián)手，對其以后開展個人征信業(yè)務(wù)，降低信用風(fēng)險具有重要意義。

（三）企業(yè)內(nèi)部加強監(jiān)管，保證第三方征信獨立性

目前我國民營征信機構(gòu)缺乏獨立性主要表現(xiàn)在與母公司旗下其他信貸類業(yè)務(wù)存在利益沖突，同時擔任裁判和運動員的角色難以保證評級結(jié)果的公正性。因此要求開展個人征信服務(wù)的互聯(lián)網(wǎng)企業(yè)加強內(nèi)部監(jiān)管，從公司治理角度規(guī)范公司運營，使征信機構(gòu)與其他業(yè)務(wù)機構(gòu)獨立開來，避免征信產(chǎn)品與其他如小額借貸、消費金融等業(yè)務(wù)掛鉤。可以引入獨立董事監(jiān)督公司運營，多方面保證第三方征信的獨立性。

參考文獻

[1]王希軍，李士濤.互聯(lián)網(wǎng)金融推動征信業(yè)發(fā)展[A].互聯(lián)網(wǎng)金融發(fā)展與監(jiān)管，2013.

[2]劉新海，丁偉.大數(shù)據(jù)征信應(yīng)用與啟示—以美國互聯(lián)網(wǎng)金融公司ZestFinance為例[J].清華金融評論，2014.

[3]李辰.我國大數(shù)據(jù)征信發(fā)展的現(xiàn)狀、困境和經(jīng)驗借鑒[J].征信，2016.

[4]劉新海，丁偉.美國ZestFinance公司大數(shù)據(jù)征信實踐[J].征信，2015.

[5]吳晶妹.未來中國征信：三大數(shù)據(jù)體系[J]征信2013.

[6]Jay Budzik.Explainable machine learning in credit.

[7]ZestFinance Seeks Growth in ‘Huge Chinese Market auto fianance news.