互聯網金融背景下基于數據分析的個人信用評估研究

湛維明 王佳

摘 ? 要：文章從互聯網金融的發展趨勢和數據特征出發，分析互聯網金融的4種數據統計途徑和每種數據統計途徑的優劣。接著針對互聯網金融所面臨的數據雜亂問題和信用評估的實時性需求，構建個人信用風險評估方法。在研究中重點討論互聯網金融數據不完備問題的解決方案和實時信用評估中數據分析、挖掘的方式，為互聯網金融背景下的個人信用評估提供較為合理的數據統計方案與應用模型，以利于提高信用評估結果的科學性、有效性與可解釋性。

關鍵詞：網絡借貸;個人信用評估;數據獲取;數據統計

互聯網金融的落地主體是網絡借貸，即通過互聯網進行實時或半實時的貸款。隨著我國移動互聯網的普及和寬松貨幣政策的推行，各類中小型網絡借貸平臺發展迅速，形成了一個競爭與協作并存的龐大融資系統。網絡借貸平臺充分利用互聯網的優勢，無限放大了可貸人群的數量和范圍，極大地滿足了被商業銀行忽視的個人小額貸款需求。然而，個人小額貸款和中大型企業貸款有著較大的區別，個人貸款的準入門檻低，用戶信息不完備性高，放貸時限要求急，政府監管薄弱，因此，發生違約的情況較多。針對可能發生的違約風險，融資機構一般采用信用評估的方法進行風險預防。其中，信用數據的采集、審核和信用評估指標體系的確立是進行此類風險預防工作的核心內容。面對互聯網新背景下的這些新問題，需要從互聯網經營模式的特點和互聯網大數據獲取途徑兩個方面出發，以用戶的互聯網基本屬性、社交行為屬性兩個方面為切入點，充分利用用戶的互聯網行為數據，構建一套數據獲取難度低、數據計算實時性高、決策方法開銷小、評估過程科學可行的中小型網絡借貸平臺個人信用風險評估數據模型，以把握新常態下中小型網絡借貸平臺個人信用風險評估的脈絡，幫助中小型網絡借貸平臺進行違約風險的預防，為其進行實時個人信用評估提供參考。

1 ? ?互聯網金融征信數據統計來源分析

為了對借款人進行合理的信用評價，通常需要統計被評估對象的強相關數據。然而，中小型網絡借貸平臺有別于大型商業銀行，普遍面臨強相關數據獲取難度大、數據積累少、數據完備性低的困難。即使能夠在線通過用戶提交的方式獲得部分數據，也屬于弱相關數據，通常只能利用這些數據進行輔助評估。總結幾種典型的中小型網絡借貸平臺的數據統計來源，除使用用戶提交的基本數據之外，還可通過以下幾種方式進行補充。

1.1 ?直接委托信用服務提供商進行信用的評估和查詢

隨著金融市場的開放及金融機構信息化、網絡化程度的加深，市場上已經有一些大型的信用服務提供商，這些信用服務提供商能夠提供信用評估、數據查詢、信用報告生成等“一站式”服務，同時，收取一定的費用。這種方式的優點是信用服務完全外包，缺點在于信用評價過程集成度過高，類似于“黑盒”，對于具體的網絡借貸平臺來說沒有針對性和自主性。

1.2 ?向第三方機構協商購買數據

在當前的互聯網大數據時代，用戶在網絡上的各種行為數據被大量分散的第三方機構所記錄。中小型網絡借貸平臺可以向一些較大的電商、融資平臺、商業銀行、電信運營商等第三方機構購買或查詢用戶的相關數據。這種方式的優點是所獲得的數據一般為強相關數據，缺點在于獲取這類數據往往需要支付一定的費用，且受第三方相關規定的約束較大，部分核心數據由于某些行政或隱私保護而不易獲取。

1.3 ?以平臺間合作的形式共享數據

中小型網絡借貸平臺在競爭中的主要缺點在于其規模較小，很難形成規模性的數據積累，針對這種情況，中小型網絡借貸平臺可以考慮與其他類似情況的借貸平臺尋求合作，共享數據。合作的平臺越多，數據的規模就越大，數據的可用性就越高。這種共享數據的方式不會對平臺造成大的經濟壓力，但需要平臺間進行有效的協商，實現互利共贏。

1.4 ?以技術手段在互聯網上獲取公開數據

通過網絡爬蟲等技術手段，根據用戶提供的個人信息，如姓名、電話號碼、微博賬號、網絡購物賬號、社交媒體賬號等進行其網絡公開數據的獲取。這種方法一般能夠獲得大量弱相關數據，這些數據并不能夠“一定的”完成信用評估工作，大多時候只起到輔助評估的作用，平臺可以從這些弱相關數據中盡可能多地獲得一些有用的信息。

中小型網絡借貸平臺應當充分利用互聯網的優勢，除了利用強相關數據之外，還要積極考慮社交信息、消費信息等弱相關數據，采用多種多樣的信用評估手段形成對用戶的綜合評價。同時，從技術角度來講，中小型網絡借貸平臺也要爭取自建用戶數據庫，通過人工智能或數據挖掘的方法對不完備數據進行自動挖掘和決策，動態、實時地對用戶數據進行計算，完成信用評估。

2 ? ?互聯網金融信用評價指標體系構建

個人信用評價以信用數據為基礎，主要包括以下兩方面的信息：（1）個人身份信息，如性別、年齡、月收入、婚姻狀況、學歷、職業等，這些信息描述了個人的基本屬性。（2）個人信貸信息，主要包括持有銀行卡狀況、信貸歷史等，以此了解個人的歷史違約情況。對于中小型網絡借貸平臺來說，獲取完備的上述信息顯然是不切實際的，即使能夠獲得這些信息，查驗其真實性也需要較長時間和較大精力。因此，必須充分利用互聯網公開或半公開數據進行補充，包括社交媒體數據、消費數據、手機通信數據等[1-2]。

按照判別項、數據來源、信用評估說明3個分欄構建中小型網絡借貸平臺信用評估指標體系，如表1所示。

該評價指標體系可以進行兩方面的應用：（1）對用戶提交的常規數據進行交叉核驗，例如用戶提供的電話號碼是否真實、是否為常用號碼，用戶提供的年齡、婚姻狀況、職業是否有網絡數據作為佐證等。（2）通過大量的互聯網數據對用戶的個人行為和個人品質進行挖掘和評估，確定用戶的行為傾向和消費特征。最終通過對被評估對象常規屬性和行為品質的判別完成對其的“畫像”。這個“畫像”不僅限于一個評分或一系列評估值，還應包括對用戶性格、行為、意圖、傾向、喜好、規律的描述，完成一個基于互聯網數據的高維度的用戶信用評價[3-6]。

3 ? ?結語

本文從互聯網金融蓬勃發展的現狀出發，深入分析網絡貸款的特征，探討了中小型網絡貸款平臺中個人貸款業務所面臨的兩大問題，即數據來源問題和數據的實時處理問題。對于數據來源，建議在獲得少量強相關數據的基礎上加入消費行為和社交行為數據，通過平臺間合作共享數據和利用爬蟲技術獲取公開數據等多種方式豐富信用評價數據庫，最終完成對用戶個人行為品質的挖掘。對于貸款業務的實時性審核問題，可在獲取多源異構網絡數據的基礎上充分利用互聯網數據進行用戶信息的交叉核驗與用戶畫像。交叉核驗的方法可以過濾掉隱含的風險用戶，從而免去人工審核環節，最終的用戶畫像可以完成對客戶的甄別和分級。

[參考文獻]

[1]王景利.互聯網金融征信發展分析[J].金融理論與教學，2019（2）：22-24，28.

[2]陸地璇.互聯網金融背景下征信體系發展對策研究[J].金融經濟，2019（6）：179-180.

[3]馮興元，燕翔.中國互聯網金融的發展現狀、問題與對策[J].福建商學院學報，2019（3）：1-8.

[4]陳恒亮.從P2P行業探析互聯網金融的信用風險[J].中國商論，2019（13）：74-76.

[5]劉國剛.互聯網金融背景下我國個人征信行業發展實踐及展望[J].金融理論探索，2018（2）：62-70.

[6]賈拓.大數據對征信體系的影響與實踐研究[J].征信，2018（4）：17-25.