互聯網金融背景下校園貸平臺征信模式研究

鄭大恩　陳君芳　尉玉芬

摘要：隨著互聯網金融的發展，各類貸款機構發現了學生信用消費領域的商機，校園貸應運而生。在不良事件頻發后又遭遇強監管，校園貸平臺前途未卜。認為學生信息消費領域供需不平衡是引發不良校園貸的主要原因，指出構建校園貸征信系統是解決不良校園貸的可行措施。主要貢獻有：通過問卷調查獲取學生信用消費供需的一手數據，為類似研究提供參考;系統梳理國內校園貸平臺模式，指明做好征信、加強風控是平臺可持續發展的根本;構建了校園貸征信概念模型，為后續研究拋磚引玉。

關鍵詞：互聯網金融;校園貸平臺;征信模式

中圖分類號：D9文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2019.15.062

1引言

隨著校園貸市場的擴大，各類貸款平臺相繼出現，但由于監管缺乏，校園貸存在的問題也漸漸暴露出來。而大學生本身由于金融知識、社會閱歷、還款能力不足，加上不良網貸平臺借機虛假宣傳，校園貸不良率不斷上升。教育部、人力資源和社會保障部、銀監會等多部委對校園不良網貸平臺加強了監管力度。然而，堵不如疏，這種打壓政策并非治本之策。在不到5年的時間內，校園網貸平臺經歷了從萌芽、繁榮到沒落。可見，在關注互聯網金融繁榮發展的同時，有些深層次的問題亟待我們去研究：不良校園貸問題頻出的根本原因何在？如何促進校園貸平臺的健康發展？基于該研究目的，引發了筆者對我國校園貸平臺征信模式進行專門研究與分析。

2互聯網金融在校園領域的供需現狀

在互聯網金融蓬勃發展的背景下，中國的網貸平臺已經成為一個新興的萬億級市場（網貸之家研究院，2017）。校園貸的繁榮是互聯網金融在校園領域開辟的新天地。

課題組于2018年8月-9月期間對杭州市拱墅區浙江樹人學院、浙江大學城市學院等高校學生進行了關于校園貸供需現狀的問卷調查。課題組采用隨機抽樣的方式，共發放問卷200份（網絡問卷140份，紙質問卷60份），回收200份，剔除無效問卷5份，問卷有效率為97.5%。在發放問卷的同時，課題組對大學生信用消費觀及貸款意向等問題進行了深入訪談。

由表1可見，近年來，大學生月均收入均值為1492元，占比最大的是1000-1500元的區間，占比6359%。 結合我們的訪談情況，樣本學校的學生大部分來源于浙江省內，95.18%的學生收入主要來源于父母。根據浙江省新聞網數據顯示，2018年浙江省月人均可支配收入為3820元。大學生月均收入占浙江省人均可支配收入的近四成，可見在校大學生消費能力極強，但僅靠來源于父母的收入尚不能支撐潛在的消費欲望。

由表2可見，大學生月消費超支比例已經占近八成，51.79%的受調查學生月均收支缺口在0到500之間，20.51%的受調查學生月均收支缺口在500到1000元之間，6.67%的受調查學生月均收支缺口在1000元以上。該現象充分說明了信用消費在校園領域的市場前景廣闊。

由表3可見，大學生使用過的電商分期平臺（如螞蟻花唄、京東白條）類校園貸的人數達到163人，占比83.59%;使用過其他校園貸平臺的有77人，占比3949%;使用過分期購物平臺的人數最少，僅占462%;使用過危險性較大的民間P2P現金貸和非法校園貸的人占到15.34%。而訪談結果表明，三成學生不具有安全意識，不會提前了解超前消費或者貸款所存在的風險。

綜上所述，大學生信用消費需求旺盛，但遭到銀行等正規金融機構的金融排斥，為不良校園貸滋生提供了機會。

3校園貸主流模式分析

由表4可見，校園貸目前分為主要有四類模式：一是部分國有銀行、股份制銀行和城市商業銀行推出的“校園貸”服務，如建行的“龍卡大學生”信用卡、工行的“大學生融e借”等。二是持牌消費金融公司，如蘇寧消費金融的任性付、馬上消費金融的馬上貸、安逸花等。三是電商分期消費平臺，如京東（京東白條）、淘寶（螞蟻花唄）、分期樂等。四是民間P2P貸款平臺。貸款平臺主要分為兩類：一是貸款平臺用于大學生助學和創業的平臺，如玖富萬卡、賽客學生借貸行等，這類平臺隨著國家的調控，數量上已經大幅縮減，并逐漸轉向白領人群，如任我花。另一部分則是民間或非法的個人借貸、“裸條”等，屬于非法“校園貸”范疇。

由表5可見，2016年蘇寧消費金融的不良率為10.37%，P2P平臺的平均不良率約為7.18%，國家助學貸款的不良率曾在2013年達到11.47%，遠高于10年前被叫停的大學生信用卡的不良率4%。同時，我們也發現近幾年來螞蟻金服旗下的螞蟻花唄憑借完整的風險控制模型及征信系統將不良率降到了較低的數值;而分期樂則擁有強大的研發團隊和龐大的專業風控人員，通過自主研發的模型對用戶進行授信，之后對用戶的消費行為進行跟蹤記錄，這樣的流程也起到了很好的效果。

擁有風控能力的金融公司才是真正意義上的互聯網金融公司，互聯網金融行業的競爭歸根結底是大數據風控能力的競爭（劉華年，2016）。而完善的征信系統是成熟的風控能力的標志。可見，完善征信系統，做好風險控制是中國校園貸健康發展的基石。

4構建互聯網金融背景下校園貸征信模式

建立完善的征信系統對降低壞賬率、不良率和提高平臺成交量有顯著的影響（王書斌2018）。建立校園領域學生信用征信系統的首要任務是明確征信系統的模式。

借鑒國際經驗，個人征信系統主要有市場主導型、政府主導型和會員制等三種模式。市場主導型征信模式要求按照市場經濟的原則和機制運行，以利潤最大化為目標，要求有完善的信用法律體系和良好的信用文化;政府主導型征信模式由央行的一個部門負責信息的收集、匯總和提供，是政府行為，有強制性;會員制征信模式的個人信用信息由會員單位出資建設，只有會員才能享有信息。從我國的現實情況看，聽由市場主導已經被證明將滋生各種亂象;由于缺乏完善的信用法律體系和信用文化，政府強制性的服務可能存在服務質量差、效率低等問題;行業會員制的建立需要長期的時間和資信的積累，目前直接照搬這三種模式都不可行。基于上述分析，我們認為我國校園領域的學生信用征信模式可以采用“協會引導+平臺主導+高校參與”的形式，即由互聯網金融行業協會引導，統一網絡借貸征信評價標準，各平臺（銀行、消費金融公司、電商平臺、P2P平臺等）建立數據共享交換機制，高校參與提供征信數據的模式，具體征信模式概念見圖1。

4.1協會引導

互聯網金融行業協會作為行業自律組織，除了要加強行業自律管理、負責制定平臺監管制度外，還需要統一信用評價標準。統一征信數據的評價標準是實現信息共享的基礎。但是，目前網貸平臺的征信手段、采集標準和格式不同，這使得各信用信息數據庫之間形成一個個“信息孤島”，彼此之間互認、對接狀況不容樂觀，以至于征信效果大打折扣。想要建立共享信息交換平臺，首先需要統一網貸平臺征信數據的評價標準。

4.2平臺主導

4.2.1積極搜集校園信用數據

各網貸平臺要加強對信用信息數據的搜集。網絡借貸活動離不開征信的支撐，如果沒有足夠的信息數據，將會大大提高交易成本。因此，各家網絡借貸機構都應積極采集盡可能多的信用信息數據。

4.2.2嘗試接入第三方數據

金融行業出于商業利益考慮，眾多互聯網金融公司獨自為政，為信用不良人員多平臺借貸提供了機會。此時，第三方機構起到了很好的信息互補服務。我們可以獲取目標客戶通話詳單、通訊錄解析、第三方逾期披露、過度負債客戶等信息來判斷目標客戶的基本信用信息。

4.2.3結構化分析海量數據

大數據征信模式發揮大數據、云計算的優勢，借助各種搜索引擎和應用軟件網羅各種遺留交易信息和多元生活交易信息，如網上購物數據（購物習慣、收貨地址、品牌、消費金額等）、社交行為數據（朋友圈、通訊錄、微博、社區帖子等）等等，并將這些數據與個人信用建立邏輯判斷，以提高個人信用信息數據的維度。

4.2.4建立信用風險模型

各網貸平臺將上述信息集成、保存、加工，建立信用風險評估模型，對缺乏信用記錄的大學生客戶進行有效甄別。通過分析模型的數據變量，不再局限于傳統金融信貸數據，而是來源于用戶生活方方面面，通過機器計算出違約率和還款能力，從而更加全面精準地反映用戶的個人信用狀況。4.2.5信用信息共享

各平臺打破目前缺乏信息交流的現狀，降低信用信息壁壘，貢獻一定的人力和技術來促成信息交換共享平臺的建立，實現信息信用系統互聯互通與數據共享。

4.3高校參與

對于高校，當前的首要任務，是加強大學生金融信用安全教育。建議各大高校可以邀請有實力的金融、監管機構專業人員，在校內開展金融征信體系和個人征信報告的講座，告知學生違約后的嚴重后果，闡述利弊。有條件的學校甚至可以考慮把相關信用安全教育列入選修課程之中。此外，高校也有責任和義務提供校園信用數據，如借款學生的家庭背景、逃課記錄、水電煤繳費欠費記錄、圖書館的逾期記錄、網絡瀏覽習慣等。

5結語

當前，由于國家對于“校園貸”市場的嚴格監管及國有銀行“校園貸”的再次進入，使這一市場已經逐漸趨于規范。然而，學生個人征信之路還需要行業協會、網貸平臺、高校，乃至社會多方的協同合作，仍有很長的路要走。目前，能立竿見影的措施是高校要引導學生樹立正確的消費觀，培養勤儉節約、自立自強的精神，養成文明、健康的消費習慣，教育學生不盲從、不攀比、不炫耀，引導學生合理消費、理性消費、適度消費，深入落實經濟困難大學生的資助工作，才能標本兼治地使學生了解、把控、遠離不良“校園貸”。

參考文獻

[1]李彤.部分校園出現回租貸、求職貸、培訓貸、創業貸亂象[N].人民日報，2018-09-04.

[2]劉鵬霖，李世鵬.新時期“校園貸”的種類特點分析及風險防范研究[J].吉林省教育學院學報，2018，12（34）.

[3]楊晨.精準資助視角下高校“校園貸”風險防控工作研究[J].泰山學院學報，2017，5（39）.

[4]韓璐，楊青青.銀行重返“校園貸”市場的風險探究——基于 SWOT 模型分析[J].時代金融，2018，（05下）.