個(gè)人信用評價(jià)研究綜述

袁章帥

摘 要：在全面推進(jìn)社會信用體系建設(shè)的時(shí)代背景下，建立科學(xué)有效的信用評價(jià)指標(biāo)體系及模型，是切實(shí)應(yīng)對當(dāng)前日益突顯的信用缺失問題、改進(jìn)信用評價(jià)落后現(xiàn)狀的前提和基礎(chǔ)。梳理了國內(nèi)外眾多學(xué)者的科研成果，從信用評價(jià)體系和評價(jià)模型方向開展個(gè)人信用研究，對個(gè)人信用相關(guān)研究進(jìn)行整理總結(jié)，以期為相關(guān)學(xué)者提供參考與借鑒。

關(guān)鍵詞：個(gè)人信用評價(jià);信用評價(jià)體系;信用評價(jià)

文章編號：1004-7026（2019）08-0014-02? ? ? ? ?中國圖書分類號：F832.749? ? ? ? 文獻(xiàn)標(biāo)志碼：A

孔子曰：“言必行，行必果”。幾千年來，誠信一直是炎黃子孫所傳承的優(yōu)良品德。隨著社會的快速發(fā)展，我國社會誠信和信用水平缺失問題越發(fā)突出[1]。社會信用體系建設(shè)引起了黨中央、國務(wù)院的高度重視，個(gè)人信用是整個(gè)體系成立的基礎(chǔ)。近年來，信用消費(fèi)不斷發(fā)展，汽車貸款、信用卡等各種消費(fèi)貸款都亟待信用作保。然而，由于我國個(gè)人信用體系尚不完善，信貸風(fēng)險(xiǎn)也隨之加大。加強(qiáng)對個(gè)人信用評估方法和指標(biāo)的研究，對借款人信用風(fēng)險(xiǎn)進(jìn)行科學(xué)評估，確定貸款的風(fēng)險(xiǎn)水平并加強(qiáng)風(fēng)險(xiǎn)管理，可以極大地降低銀行開展消費(fèi)信貸的風(fēng)險(xiǎn)，從而提高其放貸的積極性，促進(jìn)消費(fèi)信貸的快速發(fā)展，最終實(shí)現(xiàn)拉動(dòng)經(jīng)濟(jì)增長的目的[2]。本文通過深入分析國內(nèi)外學(xué)者對個(gè)人信用的研究，從信用評價(jià)體系和信用評價(jià)模型方法兩個(gè)方面進(jìn)行整理分析，以期為相關(guān)學(xué)者提供一定借鑒與參考。

1? 信用評價(jià)體系研究綜述

信用評價(jià)指標(biāo)體系在建立中不僅需要突出其高效運(yùn)行的特點(diǎn)，也要注重其指標(biāo)的穩(wěn)定性、全面性。國內(nèi)外信用評級中通常采用5c分析法（2016），其主要從借款人品德、還款能力、資本實(shí)力、擔(dān)保、經(jīng)營環(huán)境等指標(biāo)來判別借款人的還款能力。而現(xiàn)有的評估方法都較好地體現(xiàn)了決定信用評級的重要因素，其為構(gòu)建信用評估指標(biāo)體系提供了一定理論基礎(chǔ)。在國內(nèi)個(gè)人信用評估體系研究中，由于歷史和體制的原因，我國關(guān)于個(gè)人信用評估理論的研究起步較晚，主要是借鑒國外的理論和方法，研究主要分為兩個(gè)陣營：一是以銀行等金融機(jī)構(gòu)的人員為主，研究我國征信系統(tǒng)相關(guān)問題;另一陣營是以高等院校為主，主要是通過對國外方法的改進(jìn)和對比，進(jìn)行實(shí)證研究[3]。

目前，國內(nèi)外學(xué)者關(guān)于大學(xué)生個(gè)人信用畫像的研究，主要集中在兩個(gè)方面。

其一是評價(jià)指標(biāo)內(nèi)容。劉根（2018）通過建立逐步回歸模型，研究影響大學(xué)生信貸消費(fèi)的因素隨著性別、專業(yè)、生源地、家庭背景的不同而有所差異;Shweta S等人（2016）研究大學(xué)生在使用信用卡時(shí)發(fā)現(xiàn)，多數(shù)人不準(zhǔn)備負(fù)責(zé)任地使用信用卡或及時(shí)還款，其反映了這部分學(xué)生缺乏信用知識和不負(fù)責(zé)任的信用管理;James W P等人（2016）認(rèn)為，在學(xué)費(fèi)上漲及更少資助金的情況下，父母是否參與、沖動(dòng)的強(qiáng)迫癥、金融焦慮、社會地位、唯物主義和控制點(diǎn)是促成大學(xué)生使用信用卡的主要因素。

其二在構(gòu)建信用評價(jià)指標(biāo)系統(tǒng)方面。Joshua L等人（2018）使用FICO方法，開發(fā)了一種基于多標(biāo)準(zhǔn)決策原則的信用評分模型決策支持工具，該工具很好地反映了借款人在每個(gè)評分維度上的優(yōu)勢和劣勢;Caterina L等人（2018）通過構(gòu)建信用評分的分類模型，并將基于內(nèi)核的分類器與標(biāo)準(zhǔn)分類器的性能進(jìn)行對比，發(fā)現(xiàn)只要人格態(tài)度包含在模型中時(shí)，才會使得評估影響信用的每個(gè)預(yù)測變量更具有利用價(jià)值;Matt S G（2019）通過調(diào)查學(xué)生轉(zhuǎn)學(xué)前后的學(xué)術(shù)特征、人口特征等，表明了學(xué)生的學(xué)分損失與其信用損失有很大聯(lián)系。

在大學(xué)生個(gè)人信用畫像構(gòu)建的研究中，國內(nèi)外學(xué)者側(cè)重大學(xué)生在校的各方面表現(xiàn)，而忽略了其與社會的相互作用。在大數(shù)據(jù)時(shí)代下，傳統(tǒng)管理決策方法受到了極大的挑戰(zhàn)，粒度縮放、跨界關(guān)聯(lián)、全局視圖等全新的、基于大數(shù)據(jù)驅(qū)動(dòng)下的視角（2018），將有效應(yīng)用于大學(xué)生個(gè)人信用畫像的構(gòu)建，從大學(xué)生的網(wǎng)絡(luò)社交、與金融機(jī)構(gòu)發(fā)生的履約記錄及與電商平臺的交易記錄等，都是構(gòu)建大學(xué)生個(gè)人信用畫像的重要因素。

2? 信用評價(jià)模型構(gòu)建研究綜述

現(xiàn)階段國內(nèi)外在信用評估方面所運(yùn)用的方法主要有古典信用、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、人工智能、混合優(yōu)化等5大類[4]。

在古典信用方面，吳晶妹（2015）指出信用是三維的：一維是誠信度，二維是合規(guī)度，三維是踐約度，信用主體的信用狀況依據(jù)這3個(gè)維度進(jìn)行綜合判斷。Mohammadi（2016）用5c分析法，從借款人的道德品質(zhì)、還款能力等5個(gè)方面評估了自然客戶的信用風(fēng)險(xiǎn);王海峰、張曉妮等人（2017）提出利用模糊聚類和熵權(quán)法對個(gè)人信用進(jìn)行打分，并進(jìn)行等級的劃分，從而建立評估模型，但是利用該方法分析這類問題得到的結(jié)果主觀性較強(qiáng)。

在統(tǒng)計(jì)學(xué)方法方面，張成虎（2009）提出利用多元線性判定分析法對個(gè)人信用進(jìn)行評分;Abdou H.A等（2011）通過對不同統(tǒng)計(jì)技術(shù)和績效評估標(biāo)準(zhǔn)的廣泛研究，提出了信用評分的發(fā)展方向及其重要性;Louzada（2018）提出一種生存信用風(fēng)險(xiǎn)模型，該模型共同適用于銀行貸款組合中發(fā)現(xiàn)的3種違約時(shí)間。

在運(yùn)籌學(xué)方法方面，朱毅峰等人（2008）通過CHAID決策樹精煉提高“壞客戶”的正確劃分率，從而降低風(fēng)險(xiǎn);Yusuf T I（2012）與模糊TOPSIS和線性規(guī)劃（LP）方法，結(jié)合不同類型的信用標(biāo)準(zhǔn)為銀行的信用風(fēng)險(xiǎn)集中決策帶來了更高的一致性;Guo Minmin（2013）用隨機(jī)AHP和模糊AHP方法幫助決策者對財(cái)務(wù)風(fēng)險(xiǎn)確定信用評分。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，國內(nèi)學(xué)者利用人工智能的方法進(jìn)行評估分析。劉冉（2007）提出基于神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評估模型。針對單一分類器導(dǎo)致的過擬合且精度有限的問題，洪遠(yuǎn)芳、鄒永福（2010）將個(gè)人信用數(shù)據(jù)混疊較嚴(yán)重的數(shù)據(jù)集，提出對數(shù)據(jù)集先利用最近鄰算法進(jìn)行修剪，再應(yīng)用SVM算法對個(gè)人信用進(jìn)行評估;蕭超武等人（2016）提出了隨機(jī)森林組合分類算法的個(gè)人信用評估模型。Li Y、Lin X等（2017）分析商業(yè)銀行現(xiàn)有信用風(fēng)險(xiǎn)度量模型不足和缺陷，建立以神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法為主的風(fēng)險(xiǎn)計(jì)量模型;Yu L等（2018）提出一種基于深度信任網(wǎng)絡(luò)（DBN）的重采樣支持向量機(jī)（SVM）集成學(xué)習(xí)范式，以解決信用分類中數(shù)據(jù)不平衡的問題。雖然機(jī)器學(xué)習(xí)減少了人工誤差，但是存在著計(jì)算量大、耗時(shí)長等問題。后期主要是將多種方法進(jìn)行結(jié)合，優(yōu)化單一方法，使得評估效果更佳。林娟等（2013）提出了基于遺傳算法和ANFIS的個(gè)人信用評分模型，只需要少量的屬性變量就會有較好的評分結(jié)果;代婷婷等（2017）提出在SVM的基礎(chǔ)上利用統(tǒng)計(jì)的方法對個(gè)人信用進(jìn)行評估，解決了單一的SVM模型訓(xùn)練時(shí)計(jì)算量大、學(xué)習(xí)速度低的問題。Li Changjian（2017）用粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)方法對農(nóng)村信用社的信用風(fēng)險(xiǎn)進(jìn)行評估，有效提高網(wǎng)絡(luò)收斂速率;王曉慧等（2018）運(yùn)用判別分析法構(gòu)建關(guān)于樣本的評分模型，再用神經(jīng)網(wǎng)絡(luò)法對樣本進(jìn)行評分預(yù)測，并對神經(jīng)網(wǎng)絡(luò)預(yù)測得分進(jìn)行降序排列，最后進(jìn)行有序樣本最優(yōu)分割，實(shí)現(xiàn)個(gè)人信用的等級劃分，從而選擇優(yōu)質(zhì)客戶，降低信貸的風(fēng)險(xiǎn);Chen K等（2020）將大數(shù)據(jù)下的邏輯回歸算法與證據(jù)權(quán)重相結(jié)合，構(gòu)建混合評分模型，提高了信用評分的預(yù)測準(zhǔn)確性[5]。

3? 結(jié)束語

通過梳理當(dāng)前國內(nèi)外學(xué)者對個(gè)人信用評價(jià)體系及模型構(gòu)建的研究，深入了解當(dāng)前研究個(gè)人信用的發(fā)展進(jìn)程。在信用評價(jià)體系方面，要從評價(jià)指標(biāo)內(nèi)容及構(gòu)建評價(jià)指標(biāo)系統(tǒng)方面;在信用評價(jià)模型方法方面，主要從古典信用、統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、人工智能等5大類方法展開研究，通過對當(dāng)前國內(nèi)外個(gè)人信用研究成果的整理，以期為相關(guān)學(xué)者提供借鑒與參考。

參考文獻(xiàn)：

[1]James W P，Nadia P，Michael E，et al.Psycho-Social Factors Impacting Credit Acquisition and Use by College?Students[J].Financial Literacy and the Limits of Financial Decision-Making，2016（11）：177-200.

[2]陳國青，吳剛，遠(yuǎn)東，等.管理決策情境下大數(shù)據(jù)驅(qū)動(dòng)的研究和應(yīng)用挑戰(zhàn)——范式轉(zhuǎn)變與研究方向[J].管理科學(xué)學(xué)報(bào)，2018，21（7）：1-10.

[3]吳晶妹.從信用的內(nèi)涵與構(gòu)成看大數(shù)據(jù)征信[J].首都師范大學(xué)學(xué)報(bào)（社會科學(xué)版），2015（6）：66-72.

[4]艾洪德，蔡志剛.個(gè)人信用制度：借鑒與完善[J].金融研究，2001（3）：106-115.

[5]宋芳秀.個(gè)人信用制度中政府作用的范疇和邊界：理論分析與經(jīng)驗(yàn)借鑒[J].生產(chǎn)力研究，2008（8）：46-48.