大數(shù)據(jù)在征信業(yè)的應(yīng)用不能過(guò)于偏重消費(fèi)金融

王倩

近日，央行下發(fā)《關(guān)于進(jìn)一步加強(qiáng)征信信息安全管理的通知》（銀發(fā)〔2018〕102號(hào)文，簡(jiǎn)稱(chēng)“102號(hào)文”），要求進(jìn)一步加強(qiáng)金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)運(yùn)行機(jī)構(gòu)和接入機(jī)構(gòu)征信信息安全管理。

此前在2018年人民銀行征信工作會(huì)議上，央行強(qiáng)調(diào)，2018年征信工作要堅(jiān)持問(wèn)題導(dǎo)向和目標(biāo)導(dǎo)向相結(jié)合，緊扣經(jīng)濟(jì)高質(zhì)量發(fā)展、社會(huì)主要矛盾轉(zhuǎn)化與打贏防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)與征信業(yè)發(fā)展的內(nèi)在聯(lián)系，牢牢把握征信事業(yè)發(fā)展方向，開(kāi)創(chuàng)征信管理履職新作為新氣象。

圖片來(lái)源：視覺(jué)中國(guó)

隨著我國(guó)金融產(chǎn)品種類(lèi)與業(yè)務(wù)的快速發(fā)展，金融市場(chǎng)對(duì)外規(guī)模日益擴(kuò)大，尤其是互聯(lián)網(wǎng)信用體系等的高速發(fā)展，征信業(yè)的重要性越來(lái)越大。但與金融市場(chǎng)迫切的需求相比，我國(guó)當(dāng)前的征信業(yè)還處于很弱的發(fā)展初期階段。

那么征信業(yè)究竟存在哪些問(wèn)題，如何將其不斷完善與發(fā)展呢？我們可以從大數(shù)據(jù)對(duì)征信方法與流程所發(fā)揮的作用角度進(jìn)行討論。

征信是指為個(gè)人或機(jī)構(gòu)過(guò)去的信用歷史提供信息，從而幫助人們判斷借款人的還款可能性。對(duì)于企業(yè)，征信的任務(wù)通常是由信用評(píng)估機(jī)構(gòu)來(lái)完成的；個(gè)人的征信記錄則是由個(gè)人征信機(jī)構(gòu)來(lái)完成。

征信的意義在于，它可以幫助提供貸款的人或機(jī)構(gòu)理解借款人的信用風(fēng)險(xiǎn)以及其還款的可能性。征信存在的理論基礎(chǔ)是，從過(guò)去人們的信用行為特征中，可以幫助判斷其未來(lái)還付貸款的可能性。但是它不能夠足夠保證借款人絕對(duì)百分之百地償還部分或全部貸款。

從方法上，個(gè)人的征信評(píng)估通常采用的是評(píng)分（Scoring）方法，它是建立在數(shù)理統(tǒng)計(jì)預(yù)測(cè)的基礎(chǔ)上的。評(píng)分方法首先關(guān)注的是相關(guān)領(lǐng)域的信息，既有來(lái)自問(wèn)卷咨詢(xún)、官方信息，也包含一些半官方信息。

當(dāng)前大數(shù)據(jù)的發(fā)展應(yīng)當(dāng)說(shuō)為獲取更多、更高質(zhì)量的信息提供了捷徑。但是人們不能忽略的是，獲取的數(shù)據(jù)要經(jīng)過(guò)嚴(yán)格的篩選與定性。對(duì)于成熟的征信系統(tǒng)，其獲取信息與數(shù)據(jù)要不斷隨著社會(huì)現(xiàn)象的發(fā)展而不斷進(jìn)化的。例如在德國(guó)，其征信機(jī)構(gòu)曾經(jīng)嘗試將臉書(shū)（Facebook）納入其征信信息系統(tǒng)中，將其信息用來(lái)評(píng)估個(gè)人的信用積分。

雖然擁有海量信息與大數(shù)據(jù)，征信的評(píng)估過(guò)程仍舊要有人工的參與，完全依賴(lài)機(jī)器的算法是達(dá)不到最終信用評(píng)估的結(jié)果的。

例如，從臉書(shū)中，人們可以通過(guò)人腦對(duì)信息的理解、思維、判斷等，來(lái)借助人與人之間的關(guān)系識(shí)別個(gè)人的信用度（通常借助于其謊言出現(xiàn)的頻率等）。在這一點(diǎn)上，只有人腦通過(guò)判斷才能夠達(dá)到目的，機(jī)器算法在這里是無(wú)能為力的。

另一方面，并不是所有這些海量的數(shù)據(jù)都有利用價(jià)值。人們首先要有一個(gè)模型，究竟哪些數(shù)據(jù)有用，哪些數(shù)據(jù)價(jià)值不高。雖然現(xiàn)代科技使得人們可以更加方便地獲得大數(shù)據(jù)，但是擁有幾個(gè)說(shuō)服力強(qiáng)的模型是首要任務(wù)。只有那些與模型相關(guān)的、能夠測(cè)量信用積分的數(shù)據(jù)才有意義。

對(duì)于傳統(tǒng)的征信方法，人們專(zhuān)注例如姓名、住址、通訊方式等基本信息，接下來(lái)更重要的、能幫助判斷其財(cái)務(wù)能力的一些信息還包括過(guò)去的支付歷史、擁有房產(chǎn)狀況（其中包括是自有方式還是租賃方式）、銀行賬戶(hù)信息、貸款與租賃合同、信用卡信息、網(wǎng)購(gòu)的客戶(hù)賬戶(hù)、貸出款項(xiàng)信息等。

中國(guó)人民銀行征信中心個(gè)人征信系統(tǒng)采集的信息覆蓋個(gè)人貸款、信用卡、擔(dān)保等信貸信息，以及個(gè)人住房公積金繳存信息、社會(huì)保險(xiǎn)繳存和發(fā)放信息、車(chē)輛交易和抵押信息、法院判決和執(zhí)行信息、稅務(wù)信息、電信信息、個(gè)人低保救助信息、執(zhí)業(yè)資格和獎(jiǎng)懲信息共計(jì)8類(lèi)公共信息，涉及的數(shù)據(jù)項(xiàng)超過(guò)80項(xiàng)。與市場(chǎng)上存在的互聯(lián)網(wǎng)征信與信用評(píng)估機(jī)構(gòu)相比，該系統(tǒng)獲取的信息種類(lèi)與規(guī)模大不相同，它比互聯(lián)網(wǎng)征信系統(tǒng)要完善得多。

征信的結(jié)果針對(duì)企業(yè)與個(gè)人，其用途也不一樣。信用評(píng)級(jí)公司為企業(yè)做信用評(píng)估的結(jié)果可以直接被用于判斷其違約可能性。而針對(duì)個(gè)人的征信結(jié)果，通常是為客戶(hù)提供參考意見(jiàn)。

在當(dāng)下普遍的征信體系中，消費(fèi)金融歷史交易記錄是它們主要提供與參考的數(shù)據(jù)。從正面角度來(lái)說(shuō)，這些消費(fèi)金融的記錄有助于人們?cè)u(píng)估消費(fèi)者的信用度；但是從負(fù)面來(lái)說(shuō)，受制于現(xiàn)代科技安全手段的局限，常存在一些偽造數(shù)據(jù)記錄的現(xiàn)象，從而其效果也一般。

我國(guó)民間的網(wǎng)絡(luò)征信系統(tǒng)當(dāng)前競(jìng)爭(zhēng)很激烈，但是它們?cè)诜椒ㄉ闲枰倪M(jìn)，僅僅依賴(lài)消費(fèi)歷史記錄是不足的。

我們建議，如果能通過(guò)合法的途徑，增添進(jìn)去例如銀行開(kāi)戶(hù)的信息、申請(qǐng)信用卡的信息、貸款與租賃等類(lèi)別的合同信息（包含是否及時(shí)歸還按揭貸款、是否按照約定的額度歸還貸款）等方面與個(gè)人信用行為相關(guān)聯(lián)的信息，都有助于完善原有模型。

此外，尤其是小額消費(fèi)貸款，其區(qū)別于普通消費(fèi)貸款的一個(gè)重要特征就是：無(wú)還款意愿是其違約的主要?jiǎng)恿?。這一點(diǎn)必須是通過(guò)人為的審核才能夠被識(shí)別。征信系統(tǒng)要配合人為判斷，才是更好的解決辦法。

此外，從方法上我們還建議引入權(quán)重的概念。征信記錄的歷史數(shù)據(jù)，隨著時(shí)間的演變，其權(quán)重也會(huì)發(fā)生變化。人們?cè)谧铋_(kāi)始的記錄得出信用積分，其權(quán)重要低于最新得出的信用積分。換句話說(shuō)，最近的關(guān)于個(gè)人信用度的信息，其重要性要高于很久以前獲得的關(guān)于個(gè)人信用度的信息。隨著數(shù)據(jù)庫(kù)的不斷擴(kuò)大，這一點(diǎn)的重要性也愈加明顯。這表明數(shù)據(jù)庫(kù)的信息定期更新起著不可忽略的作用。

我們還建議，民間的網(wǎng)絡(luò)征信系統(tǒng)要采用人工智能與專(zhuān)業(yè)人員人為判斷相結(jié)合的方式。純粹依賴(lài)人工智能和僅有的大數(shù)據(jù)，其結(jié)果不會(huì)理想。

其原因在于，當(dāng)前人工智能的算法遠(yuǎn)達(dá)不到替代人腦的程度。信用評(píng)分的結(jié)果不僅是交易記錄得來(lái)的，它在一定程度上還依賴(lài)著數(shù)量統(tǒng)計(jì)的方法。一方面，數(shù)理統(tǒng)計(jì)幫助人腦判斷的方法存在局限性；另一方面，在有的領(lǐng)域，運(yùn)用數(shù)理統(tǒng)計(jì)的方法來(lái)替代人腦在當(dāng)前還只是天方夜譚。（作者為金融學(xué)博士、同濟(jì)大學(xué)副教授）