征信類數字金融服務模式的美國經驗及啟示

摘? ?要：征信是市場經濟的重要基礎設施，數字經濟的發展催生了征信類數字金融服務。目前美國征信類數字金融服務蓬勃發展，形成了典型的征信類數字化金融服務模式。我國征信類數字金融服務模式主要是互聯網模式，與美國征信類數字金融服務有明顯差異。本分析了美國征信類數字化金融服務模式的典型案例，探討了我國征信類數字化金融服務發展中存在的問題，并就推動我國征信類數字金融服務業的健康發展提出針對性的政策建議。

關鍵詞：征信;互聯網;數字金融;經驗啟示

DOI：10.3969/j.issn.1003-9031.2020.09.008

中圖分類號：F832.3 文獻標識碼：A? ? ? ? ? ?文章編號：1003-9031（2020）09-0067-06

一、引言

征信通常是指通過第三方依法合規采集、整理、加工、提供企業和個人的信用信息，并評價其資信狀況，以滿足其他社會主體在信用交易中對信用信息的查詢需要的專業活動。征信屬于信用信息服務，是提高信用水平的手段與工具。征信體系建設可以幫助債權人了解債務人的經營水平、還款能力，防范經濟交往中的信用風險，緩解授信方與受信方之間的信息不對稱，特別是可以有效降低放貸組織的信貸風險。近年來，我國政府高度重視征信體系建設，大力鼓勵運用互聯網、大數據、人工智能開展征信業務創新，著力提升我國小微企業和個人金融服務質量和水平，數字類征信的發展可以有效彌補傳統征信的不足，廣泛應用于小微企業信貸和個人消費金融行業。

中美兩國征信類數字金融服務模式存在較為明顯的特征差異。當前，美國征信類數字金融服務蓬勃發展，形成了征信典型模式，基于全面準確的信用信息而開發的信用報告、信用評分等征信服務和產品能夠有效揭示信用主體信用狀況、解決小微企業、個人與放貸機構之間的信息不對稱問題，從而提升信用主體融資的可獲得性和便利程度。而我國征信數字金融服務主要是互聯網模式，積極運用金融科技手段，依托互聯網構建金融服務平臺探索解決信息主體與金融機構之間的信息不對稱問題。如江蘇省蘇州市采用“政府+市場”雙輪驅動的地方征信體系發展模式，構建地方性的大數據征信金融服務平臺，獲得人民銀行批準設立全國首個“小微企業數字征信實驗區”，積極探索征信服務中小微企業融資的新模式。互聯網金融科技公司積極進行創新，陸續推出多樣化的征信類數字化金融產品，不斷滿足市場主體的融資需求。

二、美國征信類數字金融服務模式的典型案例分析

目前，美國的數字金融服務模式主要包括征信服務與信貸服務兩大類，數字化金融服務機構主要是提供專業化、特色化的金融服務產品，比較成功的金融服務公司有Credit Karma（科瑞得卡瑪）公司和ZestFinance（澤思金融）公司。

（一）Credit Karma公司

與國內大型平臺壟斷格局不同，Credit Karma公司成立于2008年，是最早的互聯網金融公司之一。Credit Karma公司的核心理念是為用戶提供免費信用報告及免費信用評分。

1.定位準確，提供個性化征信服務。Credit Karma公司主要提供包括簡化版的信用報告、信用評價、信用畫像、信用監督和信貸產品推薦在內的五類免費征信產品。其中，前四類產品就可以滿足客戶的常規征信需求，第五類產品主要是滿足客戶潛在的信貸需求。Credit Karma公司建立了自己的移動應用和管理平臺，為客戶提供高附加值的征信服務。移動應用軟件可以方便用戶實時查詢自己的信用狀況，管理平臺有助于用戶了解自身財務匯總情況及各項財務對自身信用的影響程度。Credit Karma公司的盈利模式為基于用戶信用狀況及金融產品可得性，為用戶提供金融機構的產品廣告，并收取廣告費用。

2.合作共贏，探索開放式發展模式。在大數據征信過程中，Credit Karma公司主要通過多方合作來實現數據拓展及技術提升。一方面，Credit Karma公司積極與傳統信用行業巨頭Equifax（艾克飛）和TransUnion（環聯）合作，吸收互聯網巨頭谷歌的投資。另一方面，加強與商業銀行的合作，搭建信用卡推薦、搜索和管理平臺。目前， Credit Karma公司的數據主要來源于傳統征信機構及平臺用戶，提供的個人信用報告及信用評分則直接來自于Equifax（艾克飛）和TransUnion（環聯）。未來，Credit Karma公司有可能進一步加強數據與技術融合，依靠數據挖掘及算法分析提供個性化推薦服務，并推出自主開發的大數據信用評分產品。

（二）ZestFinance公司

ZestFinance公司成立于2009年，是當前最為熱門的大數據征信公司。其研發團隊由數學家及計算機科學家組成。成立之初，ZestFinance公司主要通過ZestCash平臺提供個人信用評估服務發展放貸服務。在大數據征信理念上，ZestFinance公司堅持“一切數據皆信用”“數據缺失即是信息”，致力于為美國三大個人征信機構無法覆蓋的人群提供服務。這些人群一般沒有信貸記錄或信用記錄不好（美國個人消費信用評估公司評分通常低于500，大約占全美人數的15%）。在大數據評分思想上，與傳統評分模型依賴“強相關”數據不同，ZestFinance公司更加注重利用“弱相關”數據反映用戶還款能力及還款意愿。

ZestFinance公司的最大創新在于運用“大數據+機器學習”方法構建新的評分體系。在變量選取上，ZestFinance公司基于第三方數據、用戶自身數據以及互聯網數據（傳統信貸數據占比僅40%左右），提取多達70000個原始變量。在評分方法上，與傳統線性回歸不同，ZestFinance公司采用機器學習算法。通過機器學習，ZestFinance公司不僅能夠獲得準確評分，降低信貸壞賬率，并能實現在控制壞賬率的同時，提高信貸通過率，從而增加信貸業務的整體利潤。在模型的使用中，ZestFinance公司不取決于單個模型的結果，而是通過原始數據提取、數據轉換、元變量生成、模塊創建、分數合成等步驟，基于數十個模型得出最終評分。與此同時，ZestFinance公司還通過挖掘相關規則來防范欺詐風險。事實上，無論是數據還是模型，ZestFinance公司均會進行不定期更新，以應對外界環境變化，并確保評分效果始終保持穩定。據其官網信息顯示，相比于傳統信貸，ZestFinance公司的處理效率提升近90%，風險控制性能提升近40%。

三、我國征信類數字金融發展中存在問題

（一）我國征信類數據的累積存在明顯的短板

征信數據的累積是開展數字金融的基礎，而我國征信類數據累積與國外成熟國家相比還有明顯差異。從歷史發展看，我國的個人征信體系建設不足20年，而美國個人征信巨頭Experian（益百利）的起源則可追溯至200多年前。我國最早的消費信貸，是由國外引入的信用卡，發卡主體是商業銀行，擁有一定財富的信用卡持有人是人民銀行個人征信系統最早覆蓋的群體。與之不同的是，美國最早的消費信貸，是為促銷商品而催生的“賒銷模式”，從業主體是大型商場。從被采集信息群體看，我國最早反映個人信用狀況的數據來自于金融機構，這也是人民銀行個人征信系統以金融類數據為主的原因。由于人民銀行個人信貸信息系統主要是為銀行收集數據，而國內銀行長期“偏好”高收入群體，因此，人民銀行個人信貸信息系統僅能覆蓋有限群體。美國最早反映個人信用狀況的數據來自于實體商戶，消費數據是反映個人信用狀況的原始信息，多樣的消費者類型使得美國個人征信機構覆蓋范圍廣泛。從信息采集模式來看，我國采取政府主導模式，人民銀行的個人信用信息系統從銀行和其他公共部門收集數據。美國采用市場主導模式，即市場規模較大的個人征信機構通過并購，整合數據，技術和信息服務公司形成目前三大個體信貸機構的格局。美國的市場主導模式相比我國的政府主導模式，征信服務模式更加靈活高效，更有利于數據整合和服務產品創新。

（二）我國征信類數據存在嚴重的孤島問題

我國信用信息的滲透率低，數據存在嚴重的孤島問題，造成我國征信類數字金融形成壟斷發展格局。一是消費文化差異使得國內外的信貸主體類型相差較大。我國消費文化尚未形成，儲蓄觀念深入人心，以信用卡為主要載體的消費金融業務覆蓋面有限。人民銀行的個人信貸系統覆蓋的人口不到全國總人口的30%。因此，長期禁錮大眾消費文化是造成國內信用數據孤島的深層原因，在20世紀初，美國已經形成了“大眾消費”文化，各界對提高生活質量有共同的目標追求;從而有力推動美國消費信貸市場的繁榮和發展，擴大個人征信機構的覆蓋范圍。目前，美國三大個人信用機構的個人信用記錄已超過90%的總人口。二是國內互聯網巨頭對“替代數據”的壟斷加劇了數據孤島問題。當前，我國絕大多數人都沒有信用記錄，當人民銀行的個人信用報告系統無法改善這種狀況時，互聯網巨頭如阿里、騰訊、百度和京東已成為為沒有信用記錄的人服務的“主角”。從盈利的角度來看，數據是核心競爭力，在當事人不愿意分享自己的數據的情況下，孤島問題更加嚴重。在美國，信用記錄缺失者的信用報告中主要采用“替代數據”，如電信計費數據、租賃數據、電子商務消費數據、教育數據、社會數據、手機通信數據、心理行為數據等“替代數據”，但僅是三大個人信用機構的一個補充。

（三）我國征信類數據發展環境存在一些制約因素

由于信用信息系統建設涉及到公民的個人隱私等，需要以法律來保障對個人信息的采集、加工和使用制定出明確的標準，但我國在這方面相關法律還處于空白。在數據不能共享的情況下，征信信息應用范圍較為有限，只能在特定場景為特定人群服務。如果個別征信機構無法打通數據孤島的限制，那么大數據征信效應將無法發揮。

（四）我國征信類數字金融模式存在技術瓶頸

除了京東金融服務公司對外披露其評分模型之外，其他互聯網金融公司都沒有對外說明其具體的評分方法。美國最大的三家征信機構掌握著90%人口的信用數據，這些數據與個人信用狀況之間存在著“強烈的相關性”，邏輯回歸模型方法在識別這種關系方面“很擅長”，因此，高質量的征信數據是應用邏輯回歸模型分析法的前提。而ZestFinance公司由于使用大量與個人信用狀況不一定“密切相關”的“替代數據”為信用記錄缺失的人打分，邏輯回歸模型可能無法取得良好的得分結果，使用機器學習算法效果更好。一方面，人民銀行個人信用體系個人信用數據不完整，數據規范性不高，我國的征信數據質量與發達國家相比普遍偏低。另一方面，互聯網金融公司擁有的大量“替代數據”與個人信用的關系有天然的聯系，并不是簡單的邏輯回歸關系，而我國大多數機器學習算法仍使用邏輯回歸模型方法。除京東金融服務公司對外披露其評分模型之外，其他互聯網金融公司都沒有對外說明其具體的評分方法。探索應用基于“替代數據”的機器學習算法，將是我國未來征信類數字金融發展的優先方向。

四、政策建議

信用是市場經濟的基礎，數字金融的健康發展離不開信用體系的支持，為此，我國應積極創造條件加快征信類金融服務體系建設。

（一）完善征信法制體系，強化征信監管

目前我國在信息采集、信息流動、信息報告及信息保護方面的法律基礎薄弱，信息數據立法體系還不完善。建議有關部門加快推進信息數據立法工作，注重數據收集質量，保障數據安全，建立健全征信市場準入和退出機制，建立起國家法律、部門規章、規范性文件共同組成的多層次法規保障體系，對信息界定、采集、流動及公布等方面進行法規明確，筑牢信息保護的法律基石，為我國信用數字金融行業健康規范發展創造良好條件。

（二）建立科學的信用數據標準，擴大信用數據采集范圍

當前，民間征信機構快速增加，民營信用機構的信用信息不僅包括個人基本信息、社會信息、貸款信息、信用卡信息、金融領域以外的信用信息等基礎金融數據，還包括司法數據、行政數據、電子商務數據等其他信息，用戶信息復雜多樣，建議有關部門應制定統一的數據規范，充分利用互聯網和移動終端平臺，在商業銀行等持牌金融機構傳統數據源的基礎上，規范收集各類數據，并應充分利用大數據、區塊鏈等先進技術，努力建設多樣化的征信市場競爭格局，有效擴大征信服務范圍。

（三）加大技術創新力度，構建數據共享模型

數據化時代，要深化數據化技術在征信行業的創新導向作用，生產滿足時代需求的數據化征信產品。以前，征信機構挖掘企業和個人信息經常遇到阻力，數據挖掘的數量規模較小，數據分析能力不足。隨著信息技術的發展，征信行業從工業化時代過渡到電子化時代，再發展到大數據時代，征信數據挖掘分析能力空前提高，從而能更加科學地反映用戶的征信狀況。數據化與征信的融合不僅引發了新一輪征信技術的創新與變革，更給整個征信行業帶來了無限的想象與發展空間。數據化技術融入征信系統建設，采用分布式系統架構，搭建虛擬化平臺，提升了數據庫的擴展性和可用性，降低了架構的復雜度，在數據技術創新的驅動下，構建了實時數據共享模型，從而實現了征信機構之間的數據共享。

（四）完善數據管理體系建設，提升信用信息數據質量

數據是征信行業的生命線，也是其業務發展的根基。在信息爆炸的時代，雖然信息量較大，但存在數據錯報、漏報、未及時更新等信息質量低、虛假、無效的情況。因此，我們必須提高信息質量，保持良好的責任心，加強對數據的識別和響應能力，強化數據管理能力建設，增強信用信息的含金量。同時，利用一些技術手段對海量數據進行分析處理，將大量不相關的數據轉化為有用的信息，從而形成有效決策。隨著數據豐富完善，必將吸引更多征信機構加入征信市場，進而形成良性互動的發展局面。

（五）構建統一征信平臺，實現征信數據共享

統一征信共享平臺，是一個開放的平臺，平臺的底層使用開源的技術，而所有的技術包括程序的代碼，除部分專利保護之外，平臺的參與者可以完整獲取，且使用者權利和義務對等。構建統一征信共享平臺，需要建立統一的身份識別和數據認證的標準，對征信從業者進行精確識別，建立統一的數據認證標準，以實現跨平臺、跨機構的數據和信息共享。同時，政府需要發揮主導作用，明確信用數據共享的條件和要求，提高數據共享的激勵約束機制。

（責任編輯：王艷）

參考文獻：

[1]何飛.國內外數字金融模式研究[J].農村金融研究，2019（6）：23-29.

[2]王便芳，周燕.從數字到數據：征信系統數據化轉型研究[J].征信，2019（8）：21-25.

[3]何宏慶.數字金融：經濟高質量發展的重要驅動[J].西安財經學院學報，2019（4）：45-51.

[4]何宏慶.數字金融的發展困境與創新進路[J].甘肅社會科學，2019（1）：166-177.

[5]單建軍.數字貨幣發展現狀與監管研究[J].海南金融，2019（10）：77-81.

[6]林漢川，張萬軍，楊柳.基于大數據的個人信用風險評估關鍵技術研究[J].管理現代化，2016（2）：95-97.

[7]馮科，何理.互聯網消費金融的創新[J].中國金融，2016（11）：32-34.

[8]劉新海，丁偉.美國ZestFinance公司大數據征信實踐[J].征信，2015（8）：27-32.

[9]單建軍.金融科技發展及潛在的金融穩定影響分析[J].金融科技時代，2019（10）：63-67.

[10]張吉光.美國個人征信體系的發展與啟示[J].經濟縱橫，2003（4）：35-39.