淺析金融科技背景下我國征信體系建設進展

摘要：在金融科技快速發(fā)展的背景下，區(qū)塊鏈、云計算、大數(shù)據(jù)、人工智能等技術的快速迭代為征信業(yè)發(fā)展帶來了無限的可能性，我國征信體系建設步伐越來越快。本文針對當前金融科技在我國征信體系建設中的應用情況及不足之處，借鑒歐美國家的先進經(jīng)驗，提出了加強法制建設、完善監(jiān)管體系、提升信用評估模型以及構建大數(shù)據(jù)征信平臺等多種應對措施。

關鍵詞：金融科技：征信數(shù)據(jù)：監(jiān)管體系

一、引言

隨著金融科技的快速發(fā)展，金融業(yè)迎來了巨大的變革。征信業(yè)通過有效運用互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈等技術，全面、及時、精準地對各類市場經(jīng)濟主體的信用活動進行記錄，有助于準確評估交易對手的信用風險，減少違約事件，降低交易成本，提升資源配置效率。因此，在建立健全法律法規(guī)、強化頂層設計的前提下，征信新業(yè)態(tài)開始重視金融科技手段，這對于我國普惠金融的發(fā)展大有裨益，有助于我國社會信用體系建設邁上新臺階。

二、我國征信體系發(fā)展現(xiàn)狀

征信是指對企業(yè)、事業(yè)單位等組織（以下統(tǒng)稱“企業(yè)”）的信用信息和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。征信通過記錄經(jīng)濟主體及時、準確、完整的信用活動，使信息的實時共享變成可能，提高了識別個體風險的能力，有效解決了借貸雙方之問信息的不對稱性，極大地提高了交易效率。

與發(fā)達國家相比，我國信用體系建設起步較晚，數(shù)據(jù)主要產(chǎn)生于金融系統(tǒng)的信貸交易。經(jīng)過十多年的發(fā)展，逐步形成公共征信和社會征信相互補充的信用體系。所謂公共征信，主要是指國家信用信息基礎數(shù)據(jù)庫收錄的信息。截至當前，該數(shù)據(jù)庫已收錄了超過2600萬戶的企業(yè)、其他法人組織的信用信息以及近10億自然人的信用信息，信用信息數(shù)據(jù)來源于眾多的傳統(tǒng)金融機構，基本覆蓋了國內(nèi)傳統(tǒng)信貸市場，共同構成我國信用體系的根基。所謂社會征信，指的是成立于2018年5月的百行征信，發(fā)起單位包括中國互聯(lián)網(wǎng)金融協(xié)會和8家市場化機構，該機構已成為我國唯一一家經(jīng)人民銀行批準，允許從事個人征信業(yè)務的機構，目前已對接了超過600家機構的信用信息，并推出了個人信用報告等三種征信服務產(chǎn)品，是補充和完善人民銀行征信系統(tǒng)的重要組成部分。

三、金融科技開啟征信發(fā)展新格局

（一）金融科技助力征信業(yè)發(fā)展的現(xiàn)實案例

金融科技在征信領域的普及應用，正深刻地影響著個人信用數(shù)據(jù)內(nèi)涵、外延及處理流程，解決傳統(tǒng)征信模型中預測變量較少、計算機運算能力較弱等問題，不斷優(yōu)化、修正現(xiàn)有模型，從而有力推動征信產(chǎn)品的創(chuàng)新發(fā)展，擴大征信服務的覆蓋面，提高征信產(chǎn)品的預測準確性。金融科技已經(jīng)與信用社會建設成為共同體，成為促進信用社會建設的強大動力。

1. SoFi（ Social Finance，lnc.）

長期以來，F(xiàn)ICO信用評分體系在美國信用評級市場的主導地位不可撼動，它是在Equifax、Experian、TransUnion這三大美國傳統(tǒng)征信機構的數(shù)據(jù)基礎上開發(fā)的標準化評分體系，主要根據(jù)被評估對象的信貸記錄、信用賬戶數(shù)量、賬戶使用年限、總負債水平等因素得出對應的信用評分。在美國，使用FICO作為信貸決策主要依據(jù)的信貸機構超過92%。

SoFi（ Social Finance，Ine.）是一家創(chuàng)立于2011年的網(wǎng)貸公司。創(chuàng)立之初，SoFi便深入研究了美國學生貸款的違約情況，發(fā)現(xiàn)全美排名前200位的高校學生的平均違約率只有不到1.6%，遠低于整體平均違約率，于是便把目標客戶群定位在全美排名前200位高校的熱門專業(yè)學生，他們認為這個群體是未來各行業(yè)精英的起源。收入高但并不富裕的“HENRYs”（High Earners，Not Rich Yet）。雖然FICO信用評分是主流信貸市場的主要參照依據(jù)，但由于其征信數(shù)據(jù)主要來源于信貸記錄，對于信用歷史較短或無借貸記錄的人群，傳統(tǒng)的FICO評分可能無法準確刻面被評估對象的信用狀況。

SoFi借助互聯(lián)網(wǎng)、大數(shù)據(jù)等金融科技手段，大大拓展了傳統(tǒng)信用評分的覆蓋面，并通過綜合分析借款學生在校學習情況、未來發(fā)展前景等非傳統(tǒng)評估維度來做出信貸決策，征信預測模型的預測準確度大大提高。此外，SoFi根據(jù)個體信用情況提供差別化利率，以社交網(wǎng)絡為基礎，通過借貸雙方的特定社會關系形成信用基礎，降低違約率。

2.ZestFinance

ZestFinanee是一家為FICO評分低于500分的人群提供貸款服務的互聯(lián)網(wǎng)金融公司。在美國，F(xiàn)ICO評分低于500分的人群占比不到5%，但信貸違約率超過90%。如前文所述，傳統(tǒng)信用評分模型主要參照被評估對象的信貸記錄、信用賬戶數(shù)量、賬戶使用年限、總負債水平等因素，僅包含幾十個由歷史信用信息組成的變量，往往難以準確評估借款人的還款能力及還款意愿，且借款人能通過“操縱”其中幾個變量來提高自身信用評分。

ZestFinance利用大數(shù)據(jù)技術及強大的模型開發(fā)能力，整合包括被評估對象的工作及收入狀況、房租繳納記錄、社交網(wǎng)絡信息等大量分散在不同信貸機構的局部數(shù)據(jù)信息，形成全局信息，利用超過7萬個變量分析被評估對象的行為，力求反映FICO評分極低人群的真實信用狀況，挖掘了傳統(tǒng)金融機構未觸及人群的需求，推動了普惠金融的發(fā)展。

3.芝麻信用

芝麻信用是螞蟻金服旗下提供征信服務的子公司。目前，大家熟知的淘寶、天貓以及支付寶等平臺，占據(jù)了我國網(wǎng)購及第三方支付的半邊江山，用戶在這些平臺上產(chǎn)生了大量交易數(shù)據(jù)，這些數(shù)據(jù)均被上傳到其征信平臺，作為信用評分的依據(jù)。

得益于大數(shù)據(jù)、云計算等金融技術的發(fā)展，阿里巴巴旗下電商平臺長期以來形成的大量、真實的交易數(shù)據(jù)為芝麻信用進行信用評分提供了可靠依據(jù)，且該信用評分已被廣泛應用于阿里巴巴旗下平臺的眾多場景，如免押金租房、免押金租車、酒店后付款等。這是對我國以政府為主導的征信體系的重要補充，對完善我國個人征信體系起到了積極作用。

（二）征信業(yè)發(fā)展面臨的機遇

金融科技的助力為征信業(yè)發(fā)展帶來的益處主要體現(xiàn)在以下幾個方面。第一，金融科技的發(fā)展擴大了征信業(yè)的市場空問。新興金融業(yè)態(tài)如P2P、互聯(lián)網(wǎng)保險等的產(chǎn)生，促使社會對全面、準確的信用評價的需求愈加強烈，從而催生出更多征信相關的產(chǎn)品。第二，金融科技的引入可以吸收更具多樣性的行為數(shù)據(jù)。過去，征信數(shù)據(jù)的收集效率比較有限。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)的普及，依托大數(shù)據(jù)及云計算技術優(yōu)勢，大量數(shù)據(jù)碎片問的關聯(lián)性得以被挖掘，信用風險評估的數(shù)據(jù)維度越來越廣，從而推動數(shù)據(jù)統(tǒng)計模型不斷迭代優(yōu)化，得以更科學地反映用戶的信用狀況。第三，金融科技技術的引入使信用評估結(jié)果更為準確。例如，大數(shù)據(jù)征信模型吸收了海量數(shù)據(jù)，結(jié)合多種信用模型進行多角度分析，使得評估結(jié)果更加全面、準確，大大提高了模型的評估性能。第四，金融科技帶來了更具及時的評判標準。南于缺乏實效性數(shù)據(jù)的輸入，傳統(tǒng)風控模型反映的往往是滯后數(shù)據(jù)的結(jié)果，這直接導致結(jié)構性風險的增大。通過引入大數(shù)據(jù)的數(shù)據(jù)采集、云計算等技術，實時的風險管理視圖得以被建立。

四、我國征信業(yè)發(fā)展的現(xiàn)存問題

（一）信息安全存在風險隱患

目前，大數(shù)據(jù)、區(qū)塊鏈、云計算以及人工智能等技術在征信領域的應用實踐越來越多，由于網(wǎng)絡環(huán)境本身的虛擬性、快捷性，征信信息的安全保護問題就顯得更為突出。隨著金融科技領域的信息泄露事件頻頻被曝光，個人信息安全與征信數(shù)據(jù)應用之問的矛盾日益尖銳。在征信數(shù)據(jù)應用的開發(fā)與使用過程中，其中包含的隱私數(shù)據(jù)的收集無處不在，且難以有效地監(jiān)管這些收集行為的告知義務是否履行：對個人而言，其隱私數(shù)據(jù)在互聯(lián)網(wǎng)的提交過程中呈現(xiàn)失控狀態(tài)，在這種情況下，無論是個人還是數(shù)據(jù)的使用者都難以控制隱私數(shù)據(jù)的應用情境。同時，引入云計算技術對大數(shù)據(jù)進行多維度驗證分析可能會暴露更多個人隱私問題，在信息的采集、保存和使用上都存在著很大的泄露風險。通過互聯(lián)網(wǎng)獲取信息更為容易，犯罪成本更低，征信信息被販賣的風險也會加大。此外，當前信息主體的風險意識普遍較弱，信息主體在互聯(lián)網(wǎng)上錄入個人信息時具有隨意性，從而加劇了信息安全風險。

（二）現(xiàn)有法律制度及監(jiān)管機制無法適應新形勢下的征信體系

雖然我國已經(jīng)制定《征信業(yè)管理條例》（以下簡稱《條例》）來規(guī)范征信行業(yè)的發(fā)展，但該條例的效力層級較低，制度較為分散，不成體系，且規(guī)則不夠完善。而且《條例》出臺于2013年，是基于傳統(tǒng)征信行業(yè)而制定的，當時金融科技這一概念尚未被明確。因此，在互聯(lián)網(wǎng)快速發(fā)展的背景下，很可能出現(xiàn)《條例》無法適應金融科技時代征信業(yè)發(fā)展的情況。例如，《條例》明確規(guī)定了中國人民銀行通過現(xiàn)場檢查對征信行業(yè)進行監(jiān)管的權利，但大數(shù)據(jù)征信“虛擬化的信息搜索和整合以及數(shù)據(jù)庫的生成”這一基本特點決定了傳統(tǒng)的檢查手段無法滿足對大數(shù)據(jù)征信的有效監(jiān)管。此外，作為我國最主要的征信監(jiān)管機構，人民銀行不僅是征信行業(yè)的監(jiān)管者，也是金融信用信息基礎數(shù)據(jù)庫的建設者和維護者。在整個監(jiān)管體系中，缺乏不從事征信市場業(yè)務的獨立第三方監(jiān)管機構。行業(yè)內(nèi)還未成立征信業(yè)相關的組織或協(xié)會，不利于行業(yè)機構規(guī)范經(jīng)營理念的形成。

（三）數(shù)據(jù)的準確性及模型的確立有待檢驗

在我國利用大數(shù)據(jù)等金融科技手段從事征信業(yè)務的機構中，大多呈現(xiàn)出一種“自給自足”的狀態(tài)，即依靠內(nèi)部生態(tài)系統(tǒng)來進行數(shù)據(jù)的采集，這會導致信用評價不準確的情況發(fā)生，如本集團產(chǎn)品的忠實用戶容易獲得高評分，而一般用戶評分往往較低。即使收集征信數(shù)據(jù)的機構能有意識地做到客觀公正，“信息孤島”的存在仍將在很大程度上影響信用評價的準確性。目前，用戶的征信信息大多分散在各自獨立的數(shù)據(jù)庫中，各家機構采集的數(shù)據(jù)僅限于內(nèi)部生態(tài)系統(tǒng)。而且，以社保信息、公積金信息、水電氣繳費信息等為代表的政府公共信息仍未完全實現(xiàn)互聯(lián)共享。因此，僅僅依靠各個獨立的征信機構內(nèi)部數(shù)據(jù)難以支撐新時代征信業(yè)的全面發(fā)展。除此之外，傳統(tǒng)征信數(shù)據(jù)模型在確定之前已發(fā)展了近百年，且目前仍在不斷完善中，金融科技時代征信數(shù)據(jù)模型的確立及實踐效果勢必要經(jīng)過長時問的檢驗。

五、國外征信體系建設的經(jīng)驗總結(jié)

（一）個人權益保護

在歐盟出臺的《數(shù)據(jù)保護法》里明確規(guī)定，沒有征得本人同意的情況下，禁止披露涉及民族問題、種族問題、宗教信仰等方面的敏感話題。對于信息的采集時信息主體的知情權，國家各有特點。其中，德國的相關法律中規(guī)定，收集個人信息時，要經(jīng)過信息主體的同意后給予書面授權，并向信息主體解釋清楚信息的用途之后，才能進行信息采集。而美國則采用了“選退”模式，也就是說信息主體可以拒絕征信機構采集個人信息的行為。如果遇到信息主體的身份信息泄露，他們有權在征信報告中免費設置預警，也可以申請安全凍結(jié)信用申請。同時，美國信用報告可以對個人的負面、正面情況進行全面展示，這有利于征信機構全面了解信息主體的綜合情況。

（二）法律法規(guī)建設

自20世紀60年代起，美國就開始制定信用相關的法律，目前共出臺了17部涉及個人征信的法律。在第1部個人征信行業(yè)法規(guī)《城市信貸法》以及第2部最具代表性的《公平信用報告法》出臺后，義相繼頒布了15部法律。這17部法律涵蓋信息的收集、公布、使用和信息準確性的保證等多個方面，各部法律互為補充，共同促進征信行業(yè)的規(guī)范發(fā)展。除美國外，歐盟國家在數(shù)據(jù)立法方面亦處于超前地位。1978年，法國出臺《信息技術與自由法案》，規(guī)定信息收集的授權、目的、用途必須被公開，不得影響信息主體的私生活;1981年，歐盟發(fā)布《個人自動文檔保護公約》，規(guī)定了敏感數(shù)據(jù)、個人知情權及跨國數(shù)據(jù)傳輸?shù)葍?nèi)容：1984年，英國出臺《數(shù)據(jù)保護法》，明確規(guī)定信息泄露的信息主體享有賠償權;2012年，歐盟出臺《歐盟數(shù)據(jù)保護條例》，該條例涵蓋數(shù)據(jù)安全處理、數(shù)據(jù)外泄及響應措施、數(shù)據(jù)主體授權等多個方面，是歐盟數(shù)據(jù)保護法律制度的核心。

（三）信用評估模型

依托互聯(lián)網(wǎng)金融和大數(shù)據(jù)技術，大數(shù)據(jù)征信在國外市場上的創(chuàng)新應用也在不斷增加。國外三大征信機構（ Ex-perian、Eauifax、Dun&Bradstreet）和FICO都展開了利用大數(shù)據(jù)技術來完善傳統(tǒng)信用評估體系的前瞻性研究探索，如Experian開始關注社交網(wǎng)絡數(shù)據(jù)對信用評分的影響、FICO開始在線評估的信息一廠-具和基于互聯(lián)網(wǎng)的信用評估系統(tǒng)項目研究。最具領先地位的是美國互聯(lián)網(wǎng)金融公司Zest-Finance，它作為大數(shù)據(jù)征信的先行者，除了將傳統(tǒng)征信體系中的決策變量，還將社交網(wǎng)絡、互聯(lián)網(wǎng)行為等能夠影響用戶信用的其他因素也運用到信息主體的評估坐標中，通過大數(shù)據(jù)挖掘和模式開發(fā)，評估出信息主體的真實信用狀態(tài)。ZestFinance可以處理超過3500個數(shù)據(jù)項，提取近7萬個變量，利用身份驗證模型、欺詐模型、預付能力模型、還款能力模型等十幾個模型同時進行分析，使得評價結(jié)果更加全面準確、評估性能大大提高。繼ZestFinance之后，國外越來越多的征信公司如德國的Krediteeh、美國的Kahbage均采用上述基于大數(shù)據(jù)技術的信用風險評估框架。

（四）數(shù)據(jù)維度

歐美國家在信用模型上的創(chuàng)新除了納入傳統(tǒng)的金融信貸信息外，還使用大量的網(wǎng)絡數(shù)據(jù)，包括消費及財務數(shù)據(jù)、智能手機記錄數(shù)據(jù)、日?；顒訑?shù)據(jù)、社交媒體緩存數(shù)據(jù)等等，通過多維度的征信數(shù)據(jù)對個人征信進行更為全面的評估。例如，美國公司TransUnion采用傳統(tǒng)信用數(shù)據(jù)、替代信用數(shù)據(jù)（租賃及公共設施支付信息等）、公共記錄和專有數(shù)據(jù)庫（醫(yī)療資格及房租交付信息等）相結(jié)合的多維數(shù)據(jù)：ZestFinance更是遵循“一切皆為信用”的基本原則，從還款能力和還款意愿兩個方面切入，將一切可利用的數(shù)據(jù)運用到信用評估中，內(nèi)容涵蓋個人收入、稅務信息、搬家情況、網(wǎng)絡點擊記錄甚至書寫習慣等信息。

六、我國個人征信體系建設的措施

（一）完善征信法律法規(guī)，構建新型征信業(yè)務規(guī)則

針對我國征信法律體系中的空白領域和模糊地帶，完善現(xiàn)行征信法律法規(guī)，將金融科技時代的征信業(yè)務納入現(xiàn)行征信法律法規(guī)體系之中，明確這一領域的數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量、數(shù)據(jù)處理、數(shù)據(jù)使用等相關規(guī)則，尤其是對征信數(shù)據(jù)的采集范圍、使用原則和信息安全等問題，應做出明確的法律安排。法律體系的建立不是一蹴而就的過程，應根據(jù)金融科技背景下的征信業(yè)務在開展中面臨的挑戰(zhàn)和個體的訴求不斷地對法律法規(guī)進行補充修改，最終構建成全面合理的征信管理體系。

（二）打破“信息孤島”壁壘，構建大數(shù)據(jù)征信平臺

首先，通過健全信息公開制度，政府信用信息的共享程度不斷提高。整合各類政府部門的信息資源，構建完善的社會信息平臺，有利于信息資本向資源資本的轉(zhuǎn)化。其次，通過完善立法框架和體制，為實現(xiàn)共享大數(shù)據(jù)提供了制度保障，有利于數(shù)據(jù)資源的共享和接入。雖然，當前我國已經(jīng)建立了信息共享的交換機制，但依然存在“信息孤島”，數(shù)據(jù)壁壘阻礙了信息的共享程度。這就要求加快征信標準和格式的統(tǒng)一，破除數(shù)據(jù)資源的壁壘，推動數(shù)據(jù)問的深度融合。再次，要建立行業(yè)協(xié)會組織，提供行業(yè)數(shù)據(jù)信息的透明度，打破資源壁壘，推動征信機構之間的協(xié)調(diào)、溝通與發(fā)展，使得數(shù)據(jù)信息得到最大限度的聚合，進而實現(xiàn)真正的“大數(shù)據(jù)效應”。

（三）提高數(shù)據(jù)質(zhì)量，提升信用評估模型的準確性

征信數(shù)據(jù)維度的擴充，勢必會導致數(shù)據(jù)錯誤、數(shù)據(jù)遺漏、數(shù)據(jù)丟失等現(xiàn)象的加劇。這就需要結(jié)合交叉驗證、數(shù)據(jù)清洗等多重技術，有效識別用戶身份，抓取遺漏的數(shù)據(jù)，從而確保數(shù)據(jù)的真實、完整、有效。與此同時，應在吸收、借鑒國外創(chuàng)新模型的基礎上，不斷完善現(xiàn)有信用評估模型，發(fā)掘數(shù)據(jù)與信用風險問的關聯(lián)性。通過綜合分析用戶屬性、商品信息、過往交易記錄及評價信息等，預測用戶的違約率和逾期率，提升信用評估模型的準確性和有效性。最后，還應逐步擴大信用評估模型的適用群體范圍，避免對同集團下活躍度不夠的用戶信用評價不公的問題。

（四）順應金融科技發(fā)展趨勢，健全征信監(jiān)管體系

我們要積極探索金融科技背景下征信行業(yè)的監(jiān)管措施。首先，將機構監(jiān)管與行為監(jiān)管相結(jié)合。對于掌握海量數(shù)據(jù)的企業(yè)，應在監(jiān)管業(yè)務主體和業(yè)務本身的基礎上，重點監(jiān)督其信息來源、采集范圍、業(yè)務流程及使用行為等多個方面。其次，將分類監(jiān)管與動態(tài)監(jiān)管相結(jié)合。針對不同種類和規(guī)模的征信機構，嚴格實施市場準入、非現(xiàn)場檢查及現(xiàn)場檢查相結(jié)合的監(jiān)管流程：此外，針對以大數(shù)據(jù)、云計算為特點的征信業(yè)務，加快建立事前、事中、事后全面監(jiān)督體系。

參考文獻：

[1]朱煥啟.金融科技在市場化個人征信領域的應用前瞻[J].金融電子化，2018（12）：41-44.

[2]呂娜.關于互聯(lián)網(wǎng)金融個人征信的幾點思考——以芝麻信用為例[J].時代金融，2017（11）：66-69.

[3]舒南，陳燕，路昊天.互聯(lián)網(wǎng)金融模式下征信存在的問題及策略研究[J].中國管理信息化，2018（ 14）：103 -105.

[4]崔立群.基于互聯(lián)網(wǎng)金融平臺的大數(shù)據(jù)征信應用研究[J].時代金融，2018（4）：21-23.

作者簡介：

劉茜，廈門國際金融技術有限公司，上海。