大數據在征信業的應用不能過于偏重消費金融

王倩

近日，央行下發《關于進一步加強征信信息安全管理的通知》（銀發〔2018〕102號文，簡稱“102號文”），要求進一步加強金融信用信息基礎數據庫運行機構和接入機構征信信息安全管理。

此前在2018年人民銀行征信工作會議上，央行強調，2018年征信工作要堅持問題導向和目標導向相結合，緊扣經濟高質量發展、社會主要矛盾轉化與打贏防范化解重大風險攻堅戰與征信業發展的內在聯系，牢牢把握征信事業發展方向，開創征信管理履職新作為新氣象。

圖片來源：視覺中國

隨著我國金融產品種類與業務的快速發展，金融市場對外規模日益擴大，尤其是互聯網信用體系等的高速發展，征信業的重要性越來越大。但與金融市場迫切的需求相比，我國當前的征信業還處于很弱的發展初期階段。

那么征信業究竟存在哪些問題，如何將其不斷完善與發展呢？我們可以從大數據對征信方法與流程所發揮的作用角度進行討論。

征信是指為個人或機構過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。對于企業，征信的任務通常是由信用評估機構來完成的；個人的征信記錄則是由個人征信機構來完成。

征信的意義在于，它可以幫助提供貸款的人或機構理解借款人的信用風險以及其還款的可能性。征信存在的理論基礎是，從過去人們的信用行為特征中，可以幫助判斷其未來還付貸款的可能性。但是它不能夠足夠保證借款人絕對百分之百地償還部分或全部貸款。

從方法上，個人的征信評估通常采用的是評分（Scoring）方法，它是建立在數理統計預測的基礎上的。評分方法首先關注的是相關領域的信息，既有來自問卷咨詢、官方信息，也包含一些半官方信息。

當前大數據的發展應當說為獲取更多、更高質量的信息提供了捷徑。但是人們不能忽略的是，獲取的數據要經過嚴格的篩選與定性。對于成熟的征信系統，其獲取信息與數據要不斷隨著社會現象的發展而不斷進化的。例如在德國，其征信機構曾經嘗試將臉書（Facebook）納入其征信信息系統中，將其信息用來評估個人的信用積分。

雖然擁有海量信息與大數據，征信的評估過程仍舊要有人工的參與，完全依賴機器的算法是達不到最終信用評估的結果的。

例如，從臉書中，人們可以通過人腦對信息的理解、思維、判斷等，來借助人與人之間的關系識別個人的信用度（通常借助于其謊言出現的頻率等）。在這一點上，只有人腦通過判斷才能夠達到目的，機器算法在這里是無能為力的。

另一方面，并不是所有這些海量的數據都有利用價值。人們首先要有一個模型，究竟哪些數據有用，哪些數據價值不高。雖然現代科技使得人們可以更加方便地獲得大數據，但是擁有幾個說服力強的模型是首要任務。只有那些與模型相關的、能夠測量信用積分的數據才有意義。

對于傳統的征信方法，人們專注例如姓名、住址、通訊方式等基本信息，接下來更重要的、能幫助判斷其財務能力的一些信息還包括過去的支付歷史、擁有房產狀況（其中包括是自有方式還是租賃方式）、銀行賬戶信息、貸款與租賃合同、信用卡信息、網購的客戶賬戶、貸出款項信息等。

中國人民銀行征信中心個人征信系統采集的信息覆蓋個人貸款、信用卡、擔保等信貸信息，以及個人住房公積金繳存信息、社會保險繳存和發放信息、車輛交易和抵押信息、法院判決和執行信息、稅務信息、電信信息、個人低保救助信息、執業資格和獎懲信息共計8類公共信息，涉及的數據項超過80項。與市場上存在的互聯網征信與信用評估機構相比，該系統獲取的信息種類與規模大不相同，它比互聯網征信系統要完善得多。

征信的結果針對企業與個人，其用途也不一樣。信用評級公司為企業做信用評估的結果可以直接被用于判斷其違約可能性。而針對個人的征信結果，通常是為客戶提供參考意見。

在當下普遍的征信體系中，消費金融歷史交易記錄是它們主要提供與參考的數據。從正面角度來說，這些消費金融的記錄有助于人們評估消費者的信用度；但是從負面來說，受制于現代科技安全手段的局限，常存在一些偽造數據記錄的現象，從而其效果也一般。

我國民間的網絡征信系統當前競爭很激烈，但是它們在方法上需要改進，僅僅依賴消費歷史記錄是不足的。

我們建議，如果能通過合法的途徑，增添進去例如銀行開戶的信息、申請信用卡的信息、貸款與租賃等類別的合同信息（包含是否及時歸還按揭貸款、是否按照約定的額度歸還貸款）等方面與個人信用行為相關聯的信息，都有助于完善原有模型。

此外，尤其是小額消費貸款，其區別于普通消費貸款的一個重要特征就是：無還款意愿是其違約的主要動力。這一點必須是通過人為的審核才能夠被識別。征信系統要配合人為判斷，才是更好的解決辦法。

此外，從方法上我們還建議引入權重的概念。征信記錄的歷史數據，隨著時間的演變，其權重也會發生變化。人們在最開始的記錄得出信用積分，其權重要低于最新得出的信用積分。換句話說，最近的關于個人信用度的信息，其重要性要高于很久以前獲得的關于個人信用度的信息。隨著數據庫的不斷擴大，這一點的重要性也愈加明顯。這表明數據庫的信息定期更新起著不可忽略的作用。

我們還建議，民間的網絡征信系統要采用人工智能與專業人員人為判斷相結合的方式。純粹依賴人工智能和僅有的大數據，其結果不會理想。

其原因在于，當前人工智能的算法遠達不到替代人腦的程度。信用評分的結果不僅是交易記錄得來的，它在一定程度上還依賴著數量統計的方法。一方面，數理統計幫助人腦判斷的方法存在局限性；另一方面，在有的領域，運用數理統計的方法來替代人腦在當前還只是天方夜譚。（作者為金融學博士、同濟大學副教授）