消費信貸市場算法信用評分的消費者保護(hù)問題研究

摘 要：算法信用評分在消費信貸市場迅速興起，不僅顛覆了傳統(tǒng)信用評分方式、催生出新的金融市場主體、促進(jìn)消費信貸的普惠性，還對消費者保護(hù)尤其是隱私和自主權(quán)保護(hù)提出了挑戰(zhàn)。為了在鼓勵消費信貸市場創(chuàng)新與消費者保護(hù)之間取得平衡，英國以保護(hù)消費者隱私和自主權(quán)為導(dǎo)向，通過消費信貸和數(shù)據(jù)保護(hù)等法規(guī)來實施消費信貸市場算法信用評分領(lǐng)域的消費者保護(hù)。通過歸納總結(jié)英國經(jīng)驗，結(jié)合我國實際情況提出應(yīng)完善算法信用評分領(lǐng)域消費者保護(hù)工作架構(gòu)、明確高標(biāo)準(zhǔn)的消費者隱私和自主權(quán)保護(hù)要求、對消費者數(shù)據(jù)處理周期實行早期介入和監(jiān)管、加強數(shù)據(jù)保護(hù)知識公眾宣傳教育等建議。

關(guān)鍵詞：算法;機器學(xué)習(xí);信用評分;消費者保護(hù)

本文索引：陳曉麗.<變量 1>[J].中國商論，2021（18）：-031.

中圖分類號：F063.2 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2021）09（b）--04

近年來，在經(jīng)濟社會日益網(wǎng)絡(luò)化和數(shù)字化、可用的個人數(shù)據(jù)海量增長、機器學(xué)習(xí)等人工智能技術(shù)取得重大進(jìn)步等因素的推動下，通過使用機器學(xué)習(xí)等人工智能技術(shù)增強或替代人類決策的自動化決策在多個領(lǐng)域的快速發(fā)展，典型應(yīng)用如金融科技公司、信用評級機構(gòu)將自動化決策集成到消費者信用評分中，使用機器學(xué)習(xí)等技術(shù)分析更廣泛的消費者數(shù)據(jù)尤其是替代數(shù)據(jù)來評估消費者信用，即稱為“算法信用評分”。算法信用評分的興起及對消費者數(shù)據(jù)的收集、分析和使用，加劇了消費者保護(hù)領(lǐng)域的爭議：利好在于可能提高信用評分的效率和準(zhǔn)確性、改善以往被邊緣化消費者的信貸獲得機會;弊端在于有不準(zhǔn)確、不透明、對待消費者不公平的潛在風(fēng)險，尤其是可能損害消費者隱私和自主權(quán)。全球主要經(jīng)濟體的監(jiān)管當(dāng)局已經(jīng)關(guān)注到消費信貸市場算法信用評分的風(fēng)險，并在現(xiàn)有法律框架下采取相應(yīng)監(jiān)管措施，如英國通過消費信貸和數(shù)據(jù)保護(hù)監(jiān)管制度予以規(guī)制。

1 算法信用評分的興起及其概念界定

消費者信用評分是依據(jù)消費者歷史信用表現(xiàn)和具有類似屬性的金融交易數(shù)據(jù)估算消費者信用風(fēng)險，并根據(jù)消費者信用風(fēng)險運用統(tǒng)計技術(shù)對消費者進(jìn)行分類和排名。傳統(tǒng)的信用評分主要運用線性統(tǒng)計方法和固定變量進(jìn)行計算，能夠反映消費者歷史信用表現(xiàn)與信用風(fēng)險之間的統(tǒng)計相關(guān)性，但也存在無法獲得消費者非金融或非信用數(shù)據(jù)的局限性。從2000年開始，互聯(lián)網(wǎng)及移動技術(shù)廣泛普及、可用的消費者數(shù)據(jù)大量增長及機器學(xué)習(xí)等技術(shù)進(jìn)步，再加上大型金融科技公司的崛起，推動了算法信用評分的發(fā)展。國外如美國的Lending Club、Prosper、Social Finance等金融科技公司率先將機器學(xué)習(xí)等技術(shù)、替代數(shù)據(jù)與線上信貸相結(jié)合，利用機器學(xué)習(xí)等技術(shù)評估消費者信用風(fēng)險并開展線上信貸業(yè)務(wù)。

區(qū)別于傳統(tǒng)的信用評分，算法信用評分主要有兩個特點：一是運用更復(fù)雜的機器學(xué)習(xí)等人工智能技術(shù)來分析數(shù)據(jù)，“算法”即指機器學(xué)習(xí)甚至深度學(xué)習(xí)等技術(shù)，如隨機森林、人工神經(jīng)網(wǎng)絡(luò)。二是分析的數(shù)據(jù)數(shù)量和種類更多、更廣泛，既有傳統(tǒng)的信用數(shù)據(jù)又有非信用的替代數(shù)據(jù)，其中替代數(shù)據(jù)既包括財務(wù)數(shù)據(jù)，如租金、公共事業(yè)和手機支付數(shù)據(jù)，又包括常規(guī)數(shù)據(jù)如受教育和就業(yè)歷史，還包括非常規(guī)的社交和行為數(shù)據(jù)，如社交媒體、手機使用、健康健身、零售和在線瀏覽數(shù)據(jù)，囊括文本、視頻、圖像、聲音等形式。與傳統(tǒng)的信用數(shù)據(jù)相比，替代數(shù)據(jù)具有結(jié)構(gòu)化低、維度高的特點，算法正是通過解析這種大規(guī)模、非結(jié)構(gòu)化、高維度化的數(shù)據(jù)捕捉非線性關(guān)系，找到與消費者信用風(fēng)險相關(guān)的特征和模式并進(jìn)行評分。

2 消費者保護(hù)視角下算法信用評分帶來的機遇與風(fēng)險

2.1 正面影響：促進(jìn)消費信貸市場的效率和普惠性

一是提高消費信貸市場配置效率。算法信用評分可以通過減少獲取消費者相關(guān)信息所需的成本和時間、揭示更多與消費者信用風(fēng)險相關(guān)的信息，對信用風(fēng)險進(jìn)行更準(zhǔn)確的評估，減輕因逆向選擇效應(yīng)造成的市場配置低效率。特別是使用更多類型的消費者行為數(shù)據(jù)、不斷改進(jìn)的機器學(xué)習(xí)等技術(shù)，更準(zhǔn)確地預(yù)測消費者在還款期的支出和可支配收入來分析還款能力，有利于改善傳統(tǒng)方式下信用不足或無信用的消費者（即被邊緣化的消費者）的信貸獲得機會。二是由于被邊緣化消費者往往屬于低收入、受教育程度較低的弱勢群體，算法信用評分改善信貸獲得機會還有助于提升消費信貸的普惠性。三是更有效地監(jiān)控消費者貸后行為。在算法信用評分中使用的消費者數(shù)據(jù)可用于設(shè)計更有針對性的懲罰性定價條款或費用豁免，以動態(tài)適應(yīng)消費者貸后行為，有助于減少因信息不對稱、道德風(fēng)險影響而造成的低效率。機器學(xué)習(xí)等技術(shù)和替代數(shù)據(jù)還可以用于與信貸活動相關(guān)的業(yè)務(wù)并提高辦理效率，包括驗證客戶身份、監(jiān)控欺詐和洗錢活動等。

2.2 潛在風(fēng)險：不準(zhǔn)確、不透明、對待消費者不公平、損害消費者隱私和自主權(quán)

（1）存在評估不準(zhǔn)確、不透明的風(fēng)險。一是因技術(shù)原因可能導(dǎo)致評估不準(zhǔn)確。算法信用評分高度依賴于數(shù)據(jù)和機器學(xué)習(xí)等技術(shù)模型的質(zhì)量及準(zhǔn)確性，如果數(shù)據(jù)不完整、有偏差或不正確，或者模型不能有效分析數(shù)據(jù)，算法信用評分反而會因評估不準(zhǔn)確造成消費信貸市場的低效率。二是評估的準(zhǔn)確性需要在更長的經(jīng)濟周期中進(jìn)一步考驗。算法信用評分興起于2008年經(jīng)濟危機后，眾多用于算法信用評分的機器學(xué)習(xí)等技術(shù)模型都是在2008年后相對良性的宏觀經(jīng)濟環(huán)境中訓(xùn)練出來的，評估的準(zhǔn)確性是否受到經(jīng)濟衰退的影響還未可知，需要在更長的經(jīng)濟周期中進(jìn)一步觀察。三是某些用于風(fēng)險建模的機器學(xué)習(xí)等技術(shù)復(fù)雜程度較高，可能影響模型的可解釋性和有效驗證，影響評估透明度。

（2）存在不公平對待消費者的風(fēng)險。一是技術(shù)原因可能導(dǎo)致消費者被歧視。例如機器學(xué)習(xí)等技術(shù)模型簡單的將數(shù)據(jù)的特定變量與信用風(fēng)險掛鉤，可能導(dǎo)致與變量相關(guān)的消費者群體產(chǎn)生不公平的結(jié)果;在未經(jīng)過嚴(yán)格測試結(jié)果和根據(jù)反饋調(diào)整模型參數(shù)的情況下，在自然場景下使用機器學(xué)習(xí)等技術(shù)模型有可能強化和延續(xù)對部分消費者的歧視。二是有不公平對待消費者的道德風(fēng)險產(chǎn)生。消費信貸機構(gòu)和信用評估機構(gòu)可能過度收集和使用消費者數(shù)據(jù);可能通過算法信用評分剝削消費者，如實行價格歧視、利用消費者認(rèn)知和行為的偏差進(jìn)行有針對性的惡意營銷、針對更加弱勢的消費者采取不當(dāng)債務(wù)催收行為、主動避免向被邊緣化的消費者提供信貸，進(jìn)而影響消費信貸市場的分配公平性。

（3）對消費者隱私和自主權(quán)構(gòu)成威脅。一是算法信用評分及所處的自動化決策體系如果遭遇黑客攻擊，消費者數(shù)據(jù)被盜竊、被用于欺詐的風(fēng)險增大。二是算法信用評分使消費信貸機構(gòu)和信用評級機構(gòu)對消費者的洞察力甚于消費者本人在被持續(xù)監(jiān)測分析的情況下可能產(chǎn)生寒蟬效應(yīng)，形成“所有數(shù)據(jù)都可能成為信用數(shù)據(jù)”的認(rèn)知，影響消費者掌控自身數(shù)據(jù)并塑造數(shù)字身份的權(quán)利。雖然有觀點認(rèn)為算法信用評分可改善被邊緣化消費者的信貸獲得機會、減少過度借貸的風(fēng)險，消費者讓渡隱私和自主權(quán)的風(fēng)險可以被收益所抵消。但考慮到包括算法信用評分在內(nèi)的自動化決策被廣泛運用，對消費者隱私和自主權(quán)的系統(tǒng)性、長期性損害很難因收益而抵消。

3 算法信用評分領(lǐng)域?qū)嵤┫M者保護(hù)的英國經(jīng)驗

算法信用評分領(lǐng)域的消費者保護(hù)問題已引起各國監(jiān)管當(dāng)局的關(guān)注，其中英國雖然沒有出臺專門的法律，但有相應(yīng)的法律規(guī)則來規(guī)制并由監(jiān)管機構(gòu)予以執(zhí)行，經(jīng)驗相對成熟且具有借鑒意義。

3.1 主要法律規(guī)則

英國與算法信用評分領(lǐng)域消費者保護(hù)相關(guān)的法律規(guī)則主要有《消費信貸法》（由英國金融行為監(jiān)管局進(jìn)行消費信用監(jiān)管）《2018年數(shù)據(jù)保護(hù)法》《數(shù)據(jù)保護(hù)一般規(guī)則》（由英國信息專員辦公室進(jìn)行數(shù)據(jù)保護(hù)監(jiān)管）（英國適用于算法信用評分的其他法律規(guī)則還包括反歧視、競爭、知識產(chǎn)權(quán)和一般消費者法律，本文將分析重點放在相關(guān)性最強的數(shù)據(jù)保護(hù)和消費信貸法律規(guī)則上。）。《消費信貸法》規(guī)定了公平對待客戶、行事謹(jǐn)慎專業(yè)勤勉、確保產(chǎn)品營銷清晰公平和不誤導(dǎo)的原則，為監(jiān)管機構(gòu)靈活應(yīng)對消費信貸市場創(chuàng)新的潛在風(fēng)險提供了法律基礎(chǔ)?！?018年數(shù)據(jù)保護(hù)法》和《數(shù)據(jù)保護(hù)一般規(guī)則》（雖然英國脫歐過渡期于2020年12月31日結(jié)束，歐盟的《數(shù)據(jù)保護(hù)一般規(guī)則》仍保留在英國法律體系中并與《2018年數(shù)據(jù)保護(hù)法》一同發(fā)揮作用。規(guī)定了數(shù)據(jù)控制者和數(shù)據(jù)處理者義務(wù)、數(shù)據(jù)主體權(quán)利以及有關(guān)監(jiān)管執(zhí)法權(quán)力。數(shù)據(jù)控制者和數(shù)據(jù)處理者義務(wù)囊括：一是總體數(shù)據(jù)保護(hù)原則，包括數(shù)據(jù)最小化（數(shù)據(jù)最小化原則即要求數(shù)據(jù)是充分、相關(guān)且僅限于與目的有關(guān)的）和目的限制（目的限制原則即僅出于特定、明確、合法的目的而收集消費者數(shù)據(jù)，不得以與目的不符的方式處理）。二是處理數(shù)據(jù)需有經(jīng)消費者同意或者是滿足合法利益的理由。三是當(dāng)數(shù)據(jù)處理可能對消費者權(quán)利構(gòu)成高風(fēng)險時必須執(zhí)行數(shù)據(jù)保護(hù)影響評估（DPIA）。四是落實經(jīng)設(shè)計或默認(rèn)的數(shù)據(jù)保護(hù)方式。數(shù)據(jù)主體權(quán)利主要體現(xiàn)為：消費者有權(quán)查閱和糾正信用檔案中的錯誤，有權(quán)獲得自動化決策的存在及邏輯的有關(guān)信息，有權(quán)反對基于自動化決策作出的決定。

在上述法律規(guī)則下，監(jiān)管機構(gòu)可以更直接地發(fā)現(xiàn)風(fēng)險和采取監(jiān)管措施，包括：評估消費者對特定形式的產(chǎn)品營銷的反應(yīng)，以確定是否清晰公平和不誤導(dǎo);要求被監(jiān)管對象加強個性化的信息披露，或以更有針對性的方式調(diào)整消費者選擇架構(gòu);要求被監(jiān)管對象針對基于自動化決策的業(yè)務(wù)系統(tǒng)和流程建立穩(wěn)健治理和監(jiān)督安排，如數(shù)據(jù)質(zhì)量驗證、持續(xù)的模型反饋測試、交叉驗證和審計等。

保護(hù)消費者隱私和自主權(quán)是英國在算法信用評分領(lǐng)域?qū)嵤┫M者保護(hù)的關(guān)鍵。保護(hù)消費者隱私和自主權(quán)的涵義比消費者個人數(shù)據(jù)保密的涵義更為深厚，后者主要是防止非公開的消費者個人數(shù)據(jù)被披露，而前者通過對收集、分析、使用消費者數(shù)據(jù)等行為和實施主體進(jìn)行控制來保護(hù)更廣義的消費者自主權(quán)，即消費者選擇和構(gòu)建自身身份、發(fā)展自我決策能力的權(quán)利。

3.2 存在不足

一是權(quán)力和信息不對稱、消費者認(rèn)知和行為偏差、數(shù)據(jù)處理負(fù)外部性都會導(dǎo)致市場失靈。英國消費信貸和數(shù)據(jù)保護(hù)等法規(guī)的前提是消費者可以理性權(quán)衡數(shù)據(jù)所帶來的所有潛在危害和利益（包括對自身的長遠(yuǎn)影響和對其他消費者的系統(tǒng)性影響）并相應(yīng)行使其權(quán)利。然而，實踐中存在著諸多阻礙消費者有效行使權(quán)利的因素：（1）數(shù)據(jù)控制者和處理者將數(shù)據(jù)收集同意條款設(shè)置為合同附加條件，消費者沒有協(xié)商的權(quán)力。（2）由于信息過載或受認(rèn)知限制，消費者難以審查數(shù)據(jù)收集同意條款并做出明智決定。（3）消費者隱私和自主權(quán)被損害的風(fēng)險具有潛在的、不確定的和無形的特點，消費者往往忽視其嚴(yán)重性。（4）消費者很難理解非結(jié)構(gòu)化、高維度的數(shù)據(jù)對隱私和自主權(quán)的長遠(yuǎn)影響，也很難內(nèi)化因使用自身數(shù)據(jù)而對其他消費者的隱私和自主權(quán)造成的不良影響（即數(shù)據(jù)處理的負(fù)外部性）。在自動化決策驅(qū)動的消費信貸市場中，這些障礙都會導(dǎo)致市場失靈，表現(xiàn)為消費者在受到長期性、系統(tǒng)性損害的情況下仍然不得不讓渡隱私和自主權(quán)。

二是監(jiān)管指導(dǎo)不足進(jìn)一步削弱法律規(guī)則的有效性。《數(shù)據(jù)保護(hù)一般規(guī)則》一方面要求數(shù)據(jù)控制者和處理者履行保護(hù)消費者權(quán)利的義務(wù)，另一方面又賦予其相當(dāng)大的自主空間。這就要求監(jiān)管機構(gòu)必須進(jìn)行密切監(jiān)管和有效指導(dǎo)才能確保監(jiān)管對象履行義務(wù)?！稊?shù)據(jù)保護(hù)一般規(guī)則》規(guī)定，當(dāng)數(shù)據(jù)處理可能對消費者個人權(quán)利構(gòu)成高風(fēng)險時，數(shù)據(jù)處理機構(gòu)必須履行開展數(shù)據(jù)保護(hù)影響評估、按設(shè)計或默認(rèn)規(guī)則履行數(shù)據(jù)保護(hù)的義務(wù)。雖然英國出臺了《數(shù)據(jù)保護(hù)影響評估指南》，但是既缺乏針對消費信貸領(lǐng)域的數(shù)據(jù)保護(hù)影響評估具體模板，又沒有針對消費信貸領(lǐng)域的數(shù)據(jù)保護(hù)設(shè)計或默認(rèn)規(guī)則指南，監(jiān)管機構(gòu)具體執(zhí)行存在缺陷。

4 結(jié)語

英國在算法信用評分領(lǐng)域?qū)嵤┫M者保護(hù)的特點在于：將消費者隱私和自主權(quán)保護(hù)置于重要地位，隱私和自主權(quán)保護(hù)的涵義較廣，有相應(yīng)的法律規(guī)則且有對應(yīng)的執(zhí)法機構(gòu)。在消費信貸市場逐漸數(shù)據(jù)化、消費者權(quán)利所受影響日益嚴(yán)重的趨勢下，英國經(jīng)驗對我國實施消費信貸市場算法信用評分領(lǐng)域的消費者保護(hù)具有一定的借鑒意義。我國此領(lǐng)域的法律框架尚處于起步階段，雖然《民法典》人格權(quán)編中規(guī)定了涉及隱私權(quán)和個人信息權(quán)益的內(nèi)容，但是還缺少最高人民法院相關(guān)司法解釋指導(dǎo)實踐;《中華人民共和國個人信息保護(hù)法（草案）》2020年10月才公布，尚未正式出臺。因此，對消費信貸市場算法信用評分領(lǐng)域的消費者保護(hù)，在借鑒英國經(jīng)驗的基礎(chǔ)上還應(yīng)結(jié)合我國實際國情加以改進(jìn)。

（1）完善算法信用評分領(lǐng)域的消費者保護(hù)工作架構(gòu)。一是金融監(jiān)管部門應(yīng)發(fā)揮主導(dǎo)作用。《中華人民共和國個人信息保護(hù)法（草案）》第六章規(guī)定國家網(wǎng)信部門負(fù)責(zé)統(tǒng)籌協(xié)調(diào)個人信息保護(hù)工作和相關(guān)監(jiān)督管理工作、國務(wù)院有關(guān)部門在各自職責(zé)范圍內(nèi)負(fù)責(zé)個人信息保護(hù)和監(jiān)督管理工作。消費信貸市場算法信用評分領(lǐng)域的消費者保護(hù)屬于金融消費者保護(hù)的一部分，也是金融監(jiān)管部門的職責(zé)范圍，金融監(jiān)管部門應(yīng)針對算法信用評分領(lǐng)域制定相應(yīng)規(guī)范，與其他監(jiān)管機構(gòu)之間開展更深層次的跨部門合作，并加強對該領(lǐng)域的執(zhí)法力度。二是鼓勵消費信貸行業(yè)總結(jié)行業(yè)內(nèi)的良好實踐經(jīng)驗、制定關(guān)于算法信用評分領(lǐng)域消費者隱私和自主權(quán)保護(hù)的行業(yè)指導(dǎo)方針，并納入消費信貸行業(yè)自律機制。

（2）要求消費信貸機構(gòu)和信用評級機構(gòu)履行消費者隱私和自主權(quán)保護(hù)義務(wù)。一是要求對算法信用評分進(jìn)行嚴(yán)格的、持續(xù)的模型驗證和數(shù)據(jù)質(zhì)量驗證，以證明將消費者數(shù)據(jù)用于算法信用評分的合理性（即對信用評分的準(zhǔn)確性可產(chǎn)生顯著正向作用）。二是硬性限制用于算法信用評分的消費者數(shù)據(jù)的類型和粒度，如禁止使用具有私密性質(zhì)、功能豐富的社交媒體數(shù)據(jù)，強制要求對消費者數(shù)據(jù)使用去標(biāo)識化技術(shù)。三是要求采取必要的技術(shù)和管理措施，如使用各種隱私技術(shù)將消費者數(shù)據(jù)匿名化、限制保留消費者數(shù)據(jù)資料的時限、以分散式體系結(jié)構(gòu)來處理消費者數(shù)據(jù)。

（3）對消費者數(shù)據(jù)處理周期實行早期介入和監(jiān)管。僅要求消費信貸機構(gòu)和信用評級機構(gòu)在進(jìn)行信用評分時才履行合理性、充分性、相稱性的消費者隱私和自主權(quán)保護(hù)義務(wù)是遠(yuǎn)遠(yuǎn)不夠的，在消費者數(shù)據(jù)處理周期的早期階段（即收集、整理環(huán)節(jié)）就可能發(fā)生對消費者隱私和自主權(quán)的損害。相比之下，英國的數(shù)據(jù)保護(hù)影響評估規(guī)定要求在數(shù)據(jù)處理周期的早期階段就要考慮是否對消費者權(quán)利構(gòu)成高風(fēng)險、必要時按設(shè)計或默認(rèn)規(guī)則實施數(shù)據(jù)保護(hù)，這種早期介入和監(jiān)管的方式明顯更有利于保護(hù)消費者。因此，監(jiān)管機構(gòu)應(yīng)對消費者數(shù)據(jù)處理周期實行早期介入和監(jiān)管，著重明確消費者數(shù)據(jù)處理者和控制者必須在早期階段就履行數(shù)據(jù)保護(hù)影響評估、必要時按設(shè)計或默認(rèn)規(guī)則實施數(shù)據(jù)保護(hù)的義務(wù)。

（4）面向消費者加強數(shù)據(jù)保護(hù)知識宣傳教育。網(wǎng)絡(luò)插件（如廣告和Cookie阻止程序）、保護(hù)隱私的瀏覽器、網(wǎng)頁瀏覽設(shè)置等隱私增強技術(shù)（PETs）可降低消費者隱私和自主權(quán)被損害的風(fēng)險。消費者通過使用這些技術(shù)手段對隱私進(jìn)行自我管理，有助于保護(hù)自身權(quán)利。上述技術(shù)手段的有效性取決于消費者是否采用并適當(dāng)使用，而金融知識或科技知識水平較低的消費者難以充分認(rèn)識到隱私增強技術(shù)對自身的價值。因此，加強數(shù)據(jù)保護(hù)知識方面的公眾宣傳教育也是數(shù)字化形勢下保護(hù)消費者權(quán)利的必要手段。

參考文獻(xiàn)

R.ODwyer：Are You Creditworthy？The Algorithm Will Decide[EB/OL].https：//undark.org/2018/05/07/algorithmic-credit-scoring-machine-learning/.

J.Jagtiani and C.Lemieux：The roles of alternative data and machine learning in fintech lending：Evidence from the LendingClub consumer platform[EB/OL].https：//doi.org/10.1111/fima.12295.

王懷勇.金融科技的算法風(fēng)險及其法律規(guī)制[J].政法論叢，2021（1）：105-116.

周毓萍，陳官羽.基于機器學(xué)習(xí)方法的個人信用評價研究[J].金融理論與實踐，2019（12）：1-8.

李自華，張偉，路娟，等.大型科技公司涉足金融領(lǐng)域的機遇與風(fēng)險[J].金融會計，2020（11）：58-66.

吉克克主.大數(shù)據(jù)背景下金融隱私權(quán)保護(hù)的困境及出路[J].金融經(jīng)濟，2021（1）：38-47.

Research on Consumer Protection Issues of Algorithmic Credit Scoring in Consumer Credit Market

The People's Bank of China Xiangtan City Center Sub-branch

CHEN Xiaoli

Abstract： The rapid rise of algorithmic credit scoring in the consumer credit market has not only overturned traditional credit scoring methods， spawned new financial market bodies， and promoted the inclusiveness of consumer credit， but also posed challenges for consumer protection， especially privacy and autonomy protection. In order to strike a balance between encouraging innovation in the consumer credit market and consumer protection， the UK takes the protection of consumer privacy and autonomy as the guide， and implements consumer protection in the area of consumer credit market for algorithmic credit scoring through consumer credit and data protection regulations. By summarizing the experience of the United Kingdom， this article proposes to improve the structure of consumer protection in the field of algorithmic credit scoring， clarify high standards of consumer privacy and autonomy protection requirements， implement early intervention and supervision of consumer data processing cycles， and strengthen data protection based on the actual situation of China and provide recommendations for public awareness and education on the protection of knowledge.

Keywords： algorithm; machine learning; credit scoring; consumer protection