大數據背景下個人征信評分業務發展探討

秦 苑，郅曼琳

一、問題提出與文獻梳理

個人信用評分業務是最早開發的金融風險管理工具之一。根據美國的《公平信用報告法》中對信用評分（credit score）的定義，“信用評分，又稱風險預測或風險評分，是一種統計工具或者模型體系，旨在幫助放貸人員預測信貸行為未來違約的可能性”。①D.J.Hand and W.E.Henley，“Statistical classification methods in consumer credit scoring:a review”, Journal of the Royal Statistical Society.Series A（Statistics in Society）,vol.160,no.3,1997,p.523.隨著大數據時代的到來，數據挖掘和統計建模技術越來越先進，能用于評估個人信用的信息越來越多，大數據背景下的新興信用評分模型走入了人們的視野當中。

從實踐應用看，傳統信用評分模型使用以邏輯回歸和線性回歸為基礎的機器學習算法，新興信用評分模型使用以樹類模型（tree-based models）、神經網絡（neural networks）為基礎的機器學習算法。兩者區別在如下幾個方面：一是數據來源與數據特質不同。相較傳統信用評分模型，新興信用評分模型數據維度高（如多變量）、數據來源廣、數據價值密度低（如包括非信貸關聯數據）、數據質量差。二是變量的選擇方法不同。傳統信用評分模型一般只有幾十個變量，而新興信用評分模型變量可達到成千上萬個。三是建模方法不同。傳統信用評分模型多采用以邏輯回歸和線性回歸為基礎的統計方法和較為簡單的數據發掘算法，主要研究線性的因果關系，而新興信用評分模型更多通過識別多樣化的數據特征，著重關注數據的非線性相關性。

在目前的信用評分領域中，由于傳統應用的先發優勢，傳統的風險評分模型及其評分依賴的兩大支柱——邏輯回歸和線性規劃，還是占有絕對的優勢，但由Fair Isaac 公司推出的FICO 評分系統方法一統天下的地位已不復存在，其在美國受到了越來越多數據挖掘公司的挑戰，如SAS、Oracle、Equifax、Experian、TransUnion。人工智能分支機器學習的發展使一些新興人工智能和機器學習公司，以及像Capital one 這類創新能力比較強的銀行開始拋棄FICO 這種傳統風險評分模型，再加上計算機運算能力的提升，人工智能技術如機器學習在金融界的使用也開始普遍起來。

2004 年我國個人征信數據庫開始試運行。18 年過去了，我國的個人征信體系經過不斷創新和發展日趨完善。近年來，隨著國內信貸市場的發展，信用評分業務也逐步應用起來。而大數據時代的到來，國內金融科技和互聯網金融的興起，給信用評分業務帶來了不少機遇和挑戰。隨著社會信息化水平的提高，市場化的征信機構數量不斷增加，個人征信環境也隨之改變。當下，吸取國外征信評分業務的先進經驗并結合我國國情，推動我國個人征信評分業務的發展，對維護我國金融穩定和經濟健康發展具有重要意義。從已有的研究成果來看，黃大玉最早在我國引入信用評分，他提出我國應該建立適合本國國情的信用評分方法，信用評分的指標體系包含個人收入、資產、借貸歷史。①黃大玉、王玉東：《論建立中國的個人信用制度》，《城市金融論壇》2000 年第3 期。戴志敏、姜宇霏指出客戶的信貸行為不是一成不變的，信貸次數和金額在不斷變化中，銀行應當根據客戶的信貸行為來調整信貸額度，建立動態評價機制。②戴志敏、姜宇霏：《關于我國銀行個人信用評估模型的設計》，《企業經濟》2003 年第4 期。傳統銀行業往往依據自身的業務信息來源將客戶的個人基本信息、信貸記錄、經濟來源和工作信息等作為個人征信評分的指標。大數據時代，多維度、多角度的數據挖掘將大量的碎片信息整合起來，如芝麻信用將用戶的個人消費記錄、生活信息、資金往來等信息構建評分系統對用戶進行分析。葉文輝指出阿里旗下的芝麻信用以用戶在淘寶、支付寶等APP 的金融數據、消費記錄、生活繳費數據、社交數據等為基礎為用戶進行信用評分，評估用戶的信用水平。③葉文輝：《大數據征信機構的運作模式及監管對策：以阿里巴巴芝麻信用為例》，《新金融》2015 年第7 期。在此背景下，本文基于大數據背景，探討建立一套個人信用評分系統的可行性，并著眼于評估個人信用現狀和未來發展潛力，選擇最優的數據建模方法，確保模型的有效性和穩定性，為構建具有特殊意義的個人信用評價體系提出建議。

二、國內外個人征信評分業務發展現狀

（一）美英個人征信評分業務發展現狀

1956 年，BillFair、EarlIsaac 共同創立了Fair Isaac 公司，并于1989 年共同發明了FICO 評分方法，FI?CO 評分目前仍是美國普及率最高的一款評分標準。FICO 評分是一個統稱，包含上百種評分。不同的FICO 評分有不同的模型、數據和應用領域。FICO 評分的模型由Fair Isaac 提供，客戶信息則來源于Equi?fax、Experian 以及TransUnion 三大征信調查機構所采集的個人信息。FICO 通過五維評分指標的加權評分來衡量客戶的信用等級，這五個維度及權重分別是信用償還歷史（35%）、信用賬戶數（30%）、使用信用的年限（15%）、正在使用的信用類型（10%）和新開立的信用賬戶（10%）。總而言之，FICO 評分體系是將客戶的歷史信息輸入自主研發的評分模型，再根據模型輸出的分數得出客戶未來信用狀況的期望值。此外，Equifax、Experian 以及TransUnion 還聯合開發了Vantage 評分，但由于FICO 評分已經處于相對壟斷地位，Vantage 評分普及率并不高。Vantage 評分的評分維度包括六個方面，分別是支付歷史、信用賬戶類型和開戶時長、信用額度使用比例、負債情況、近期信貸行為、可用信貸余額。可見，FICO 和Vantage 的評分依據主要是個人的借貸信息。但從美國的情況來看，全美依然有3500 萬人由于缺乏信貸歷史記錄無法被傳統征信體系所覆蓋。

為幫助美國無征信記錄的人群獲得評分服務，Fair Isaac 公司與Equifax、Lexis-Nexis Risk Solutions 合作，引入了電信、水、電、煤氣付款等信息，推出FICOXD 評分。Vantage 評分也融入了電信、公用事業、車輛、駕駛員違約等非信貸信息，以提高自身的覆蓋面，拓展市場。放貸機構Zest Finance 在信貸信息的基礎上還引入了非結構化數據作為補充，可以為無FICO 評分的客戶和FICO 評分低于550 分的客戶提供評分，克服了傳統信用評分系統過分依賴信貸信息的不足。

英國商業銀行在個人無抵押貸款的催收應用中使用了信用評分模型，并取得了良好的效果。個人無抵押不良貸款因數量大、單筆金額小且沒有抵押品需處理，一般采用集中催收的方式，按成本收益情況決定是否由銀行內部完成催收，或需委派專業的外部機構協助催收。信用評分模型在催收流程中主要運用于客戶因欠款被移交至催收中心時，對客戶違約風險的大小進行評估，如按高、中、低風險分類，以便匹配對應的催收流程。銀行內部對于不同違約風險的客戶，會采用不同的催收策略、工具及啟動時點的組合。例如，是致電還是直接會面，是在進入催收中心第3 天后就致電還是在第7 天后致電。當信用評分模型按客戶違約概率將客戶按風險高低分層后，催收中心便能快速地在客戶進入催收中心第一時間大批量、快速有效地匹配最合適的催收流程。催收流程的維護，需要依靠大批能使用SAS 編程語言的分析員，通過監控日常催收業績數據或按監管機構新要求對其不斷調整優化。因為每家銀行的違約客群特征不同，所以每家銀行的催收工具雖然大同小異，但催收流程會根據客戶反應做出不同的安排。通過維護催收流程，亦可進一步通過驗證信用評分模型對違約客戶風險高低的判斷是否有效來維護模型，形成一個良性互動的循環。

（二）國內個人征信評分業務的發展現狀

自2006 年3 月中國人民銀行征信中心設立以來，企業和個人征信系統（即金融信用信息基礎數據庫）日益完善，目前已經建設成為世界范圍內最大的信用信息基礎數據庫。截至2015 年4 月底，征信系統已經收錄了8.6 億多自然人。其依據的信息主要是銀行信貸信息，還包括公共事業單位所提供的社保、公積金、環保、欠稅、民事裁決與執行等公共信息。接入機構既包括商業銀行、農村信用社等傳統商業銀行，還包括信托公司、財務公司、汽車金融公司、小額貸款公司等各類放貸機構。

除中國人民銀行征信中心外，國內還有數十家企業開展個人評分業務。其中包括傳統商業銀行的個人消費貸款信用評定和個人信用卡信用評分，螞蟻金服的芝麻信用、騰訊的財付通、平安集團的前海征信等互聯網集團設立的獨立法人機構，百融云創、同盾科技等具有金融科技背景的獨立第三方機構。

中國人民銀行征信中心推出的信用報告“數字解讀”是中國人民銀行征信中心與美國Fair Isaac 公司合作開發的，用來量化個人信用報告信息，可以幫助信貸機構預測個人客戶的信貸行為在未來發生違約的可能性。“數字解讀”將個人信用報告中的信貸信息分為五大類，分別是還款情況、負債水平、信用歷史、近期信貸申請、產品種類，通過綜合考察這五大類信息最終得到“數字解讀”值。可見，信用報告“數字解讀”考察的主要是信用歷史數據和財務狀況數據。其他傳統銀行業金融機構在審批信貸業務時也主要參考未結清貸款余額、貸款和信用卡還款記錄、收入償債比等信用歷史信息和財務信息，有時也會通過人工考察借款人的道德誠信、生活背景等，但沒有相應的量化指標。綜上，央行和傳統銀行業金融機構在信貸審批時往往過分依賴自身渠道積累下來的信貸歷史與財務數據。這些數據雖然與個人信用狀況高度相關，但在一定程度上也將那些缺乏信貸歷史的個人排除在外。

我國的金融科技公司和互聯網金融公司屬于創新型業態，風險隱患較多，故受到嚴格的監管，難以獲得全面的銀行業信貸數據。許多互聯網金融企業不得不挖掘其他數據源，以開發出新的大數據信用評分模型。以芝麻信用為例，其包含五類評分指標：基本信息類、消費偏好類、支付和資金類、人脈關系類和黑名單信息類。這五類評分指標下面還包含非常多的小指標，指標數量多達幾千甚至幾萬個，信息也更加多元化。很多年輕客戶雖然在傳統銀行業缺乏信用歷史，但是互聯網消費行為卻十分普遍，大數據信用評分模型的出現使這部分數據得以利用起來。但這些信息也有明顯的缺陷——與個人信用狀況的相關性較低，而且可能存在刷單等模型套利現象，不適合大額的信貸審批。

三、國內個人征信評分業務存在的問題分析

（一）信用評分在國內傳統個人信貸領域應用不夠深入細致

相較于國外發達的信用評分市場，我國的信用評分業務還停留在貸前審批階段，對于貸中的行為評分和貸后的催收評分都鮮有涉及，對信用評分缺乏深入的應用。就信用評分方法而言，對信用風險的預測以及通過模型揭示的洞察力或可解釋性至關重要。①Noel Capon，“Credit scoring systems:a critical analysis”, Journal of Marketing,vol.46,no.2,1982,p.83.英國商業銀行除了為新客戶或正常還款客戶構建信用評分模型，還單獨為違約客戶建立獨立的信用評分模型，以捕捉違約客戶的特征，從而更好地對不同風險程度的客戶針對性使用更有效的催收策略及工具。而我國商業銀行在此方面還未曾涉及，信用評分模型的應用不夠細致、精準。

（二）公共征信機構的覆蓋能力受限

歐美經過幾十年的發展，已經建立了一套相對完善的征信體系，對于個人信貸數據的儲存、使用及銷毀，其已有一套完備的政策及程序，所以歐美銀行在構建信用評分模型時，能夠取得客戶于市場上所有銀行的信貸往來記錄，增加模型對客戶全面性的特征描述，使信用評分模型的預測更為準確。而目前我國在個人征信領域，只有中國人民銀行征信中心能夠獲得比較全面規范的數據，其他的征信公司由于在信息安全、技術能力、運營成本和數據規范等方面受限，規模和覆蓋能力都有限，深度和廣度難以兼顧。

（三）個人信息安全問題突出

《個人信息保護法》的出臺，標志著我國個人信息保護立法體系進入新的階段。但在現實生活中，個人信用信息的安全問題仍十分突出，表現為數據服務與個人征信邊界不清，一些機構隨意收集、違法獲取、非法買賣個人信息，數據采集范圍涉及敏感信息以及個人評分透明度不高，評分準確性得不到保障等。新興信用評分機構認為自己采集的信息不是借貸信息，只是個人的身份、支付、消費等信息，在《征信業管理條例》涵蓋的信用信息范圍之外，其提供的評分也僅用于客戶分層與篩選，不作為償債能力的判斷，不應納入征信監管。此外，部分機構不公布自己的評分規則和維度，這對社會公眾來說相當于一個“黑箱子”，而且其獲取的信息準確度與關聯度低，例如從公司住址推測收入水平，通過車險支出推測車輛財產價值，用戶的信息在用戶知情權沒有得到保障的前提下就被采集和應用。

四、個人信用評分模型的比較及其適應條件

因零售信貸業務具有筆數多、單筆金額小、數據豐富的特點，銀行通過信用評分模型，運用數理統計模型，對借戶信用歷史和業務活動記錄進行深度數據的挖掘、分析和提煉，將反映借戶風險特征和預期信貸表現規律量化，以評分方式作為科學的管理決策建議，來實現人工智能化、標準化、高效率的管理模式。當前銀行廣泛使用的是以邏輯回歸為基礎的傳統信用評分模型，但由于銀行對精細化管理的要求越來越高，同時計算機對大數據挖掘處理的能力越來越強，因此以隨機森林為基礎的新興信用評分模型也越來越受銀行業歡迎。

（一）傳統個人信用評分模型——邏輯回歸模型

在傳統信用評級模型中，銀行運用最廣泛的是邏輯回歸模型，其運用邏輯回歸（Logistic Regression）建立信用評分卡，來預測個人客戶的違約/信貸風險。邏輯回歸是監督式的機器學習模型中用于分類的模型，屬于廣義線性回歸模型的特例，因其簡單、高效、可解釋性強，長時間受到銀行業界廣泛使用。邏輯回歸分析的核心任務是估計事件的對數概率，在實際操作中，銀行使用邏輯回歸多元線性回歸函數定義劃分客戶，y 是目標/預測變量，p 是違約概率，x 為解釋變量。邏輯回歸是解決二分類問題的監督機器學習算法，用來估計違約的概率，其直接預測值是表示0—1 區間概率的數據，基于概率再劃定閾值進行分類，而求解概率的過程就是回歸的過程。

通過邏輯回歸模型構建的信用評分卡量化了客戶的違約風險/信貸風險，主要有以下8 個步驟：

1.樣本數據選擇：將最初樣本拆分為開發和驗證數據，開發數據將100%用于信用評分卡的開發，跨時間樣本將用于驗證。

2.定義目標/預測變量：因目標/預測變量只有兩種類型，即“好”與“壞”，銀行需清晰定義什么是好客戶，什么是壞客戶。

3.排除非標準個例：需剔除特殊情況，只保留按日常一般機制進行信貸風險管控的客戶。

4.引入要素：解釋變量的選擇要求在銀行內部及外部征信機構的數據中選取代表要素，包括用分項的方式將較少數量分類合并，并通過證據權重選取對于目標/預測變量來說預測能力強的解釋變量。

5.細分分析：識別整體樣本是否具有相似特征的子集需開發不同的評分卡。

6.邏輯回歸模型開發：首先，用單因素分析，逐一檢測單一要素的辨別力，只保留辨別力強的要素。其次，用多元因子分析，測試不同要素的組合，只保留辨別力強的要素組合。最后，通過指向雙奇數將違約概率轉換為評分，完成模型開發。

7.模型驗證：將用于開發和驗證的數據樣本輸入完成開發的模型，以驗證預測的準確性及有無過擬合的狀況。

8.書面記錄：清晰記錄模型構建過程及結果，以備查。

邏輯回歸有很多優點，例如簡單、計算量小、速度很快、存儲量低、易于理解，但在處理大量多類特征或變量或非線性特征時，也存在欠擬合、準確度不夠高的缺點。

（二）新興個人信用評分模型——隨機森林模型

新興信用評分模型中，銀行運用最廣泛的是樹類模型，也就是“隨機森林”（Random Forest）。①楊力、汪克亮、王建民：《信用評分主要模型方法比較研究》，《經濟管理》2008 年第6 期。隨機森林是由大量的決策樹構成的，不同決策樹之間沒有關聯。當輸入新的樣本時，森林中的每一棵決策樹會獨立進行判斷和分類，并得到獨立的分類結果，決策樹的分類結果中最多的分類就是隨機森林的分類結果。隨機森林是一種非線性監督式的機器學習模型，彌補了傳統信用評分模型欠擬合、不能處理非線性特征的缺點，增強了預測的準確性。

決策樹是隨機森林模型的構成基礎，它是一種樹形結構，通過層層推理來實現最終的分類，包括3 種元素：根節點，樣本的全集；內部節點，特征屬性測試；葉節點，決策的結果。決策樹是一種基于if-thenelse 規則的有監督的學習算法，它的這些規則是通過訓練獲得，而不是人工制定的。決策樹是最簡單的機器學習算法，它易于實現，可解釋性強，符合人類的直觀思維，應用廣泛。

大量的決策樹構成了隨機森林，其構建步驟如下：

1.隨機抽樣，訓練決策樹。一個樣本容量為N，有放回地抽取N 次，每次抽取1 個，形成N 個樣本，這些樣本可以作為決策樹根節點處的樣本，用來訓練決策樹。

2.隨機選取節點分裂屬性。每個樣本有M 個屬性，當決策樹的每個節點需要分裂時，隨機從這M 個屬性中選取m 個屬性，要滿足m <

3.不斷重復步驟2，直至節點屬性重復。當下一次該節點選出的屬性與其父節點分裂時用過的屬性相同時，該節點無須繼續分裂，所有節點一直分裂到無法再分裂為止。整個決策樹在形成過程中沒有剪枝。

4.由步驟1 至3 建立起的大量決策樹構成了隨機森林。經過決策森林的集體判斷，可取得平均違約概率，從而可對好壞客戶進行分類及評分。

相較其他機器學習模型，隨機森林有不少優點。它處理特征很多的數據，無需做特征選擇，不容易過分擬合，訓練速度快，執行比較簡單，如果有很大一部分的特征遺失，仍可以維持一定的準確度。但缺點是在某些噪音較大的分類或回歸問題上會過分擬合，對于取值劃分較多的屬性會極大影響屬性權值的準確性。相較傳統信用評級模型，隨機森林的算法需要強大的數據挖掘和計算系統，但因其可以處理非線性特征，預測結果更為準確，所以更符合精細化管理的要求。

五、大數據背景下我國個人征信評分業務的建議

（一）加強大數據信用評分模型在傳統信貸領域的應用

傳統信用評分與大數據信用評分有各自的優勢與局限性，將兩者結合起來可以取長補短，從而最大限度地服務于信貸決策。在大數據時代，傳統的信用評分模型難以滿足各類群體的風控要求，而金融科技公司難以獲得傳統銀行業的信貸歷史信息。因此，只有打破信貸數據、模型技術之間的壁壘，加強大數據信用評分模型在傳統信貸領域的應用，才能更準確、更全面地提供信用評分服務。

（二）構建完善的個人信用評分體系，加強業務銜接

加強信用評分業務中貸中的行為評分和貸后的催收評分，構建完善的信用評分體系。我國商業銀行還應構建個人信用評分模型與不良貸款催收策略及工具的有效銜接，從整體上挖掘和分析數據優化催收流程，從而達到精細化、數據化管理。

（三）將互聯網金融機構提供的個人評分納入征信監管

我國《征信業管理條例》第二條指出，“個人征信業務是對個人的信用信息進行采集、整理、保存、加工，并向信息使用者提供的活動”。此處提到的個人信用信息并不局限于個人信貸信息，那么某些機構采集個人非借貸信息并將其應用到經濟交易活動中，從實質上說已經涉及對個人信用狀況的判斷，因此應當受到中國人民銀行的監管。

（四）提高個人信用評分模型和使用數據的透明度

只有提高個人信用評分的透明度，才能讓信息主體了解到自己哪些信息被采用，這些信息的采用有沒有經過個人的同意，信息的使用是否侵犯了個人隱私，這些信息內容是否完整、準確。陽光之下才能有效打破信用評分的“黑箱子”，信息主體的合法權利才能得到保護。但需明確的是，維護信息主體權利并不是要求機構公開模型的每一個細節，機構開發模型所涉及的商業機密也應當得到保護。

（五）運用區塊鏈技術改造個人信用評分模型

信息孤島、數據覆蓋率低和真實性不足一直是制約個人征信行業發展的大問題。區塊鏈技術憑借分布式、不易篡改、去信任化等特點可以應用于個人征信。利用區塊鏈等新技術，高效地對海量繁雜的誠信數據來源、采集、加工、應用等全流程進行見證、真實性驗證比對、價值鏈上權益分配，從而實現數據可追溯可審計并在保護數據安全和隱私的前提下進行數據協同和數據計算結果的契約式共享，這些可為個人征信評分提供技術和誠信的支撐。特別是區塊鏈可以讓用戶參與到記賬系統，構建價值互聯網，有效地消除信息不對稱，解決信息孤島問題，提高信用評分體系的效率和安全性，最大限度地實現資源的優化配置。