我国个人信用评估体系优化研究

来源:用户上传      作者:

　　摘要：近年来，互联网金融快速发展，使得个人的消费习惯也在发生改变，传统的线下征信系统已经不足以满足个人信用体系评估所面临的问题。以芝麻信用等为代表的网络个人信用评估体系的需求日益增长，利用网络大数据和先进技术优势解决了部分个人信用评估问题，但仍然存在不足。现就我国个人信用評估方法、芝麻信用评分体系存在的问题进行分析，提出完善用于个人信用评估的基础数据库;建立科学的个人信用评估指标体系和评估模型;加大个人信用评估专业人才培养的力度等优化措施。
　　关键词：个人信用;信用评估;个人信用评估
　　中图分类号：F832.479    文献标识码：A
　　文章编号：1005-913X（2019）08-0090-02
　　 一、引言
　　 随着中国经济的快速发展，个人信贷业务发展迅速，住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款的规模也在迅速扩大，并逐步成为中国各商业银行等金融机构扩大业务份额、提高利润增长点以及国家拉动内需的一个重要途径。然而信贷主体个人信用的缺失导致银行面临极大的风险，并成为信贷业务发展壮大的主要障碍。
　　 二、个人信用评估方法简介
　　 （一）判别分析法
　　 判别分析法又称“分辨法”，是在分类确定的条件下，根据某一研究对象的各种特征值判别其类型归属问题的一种多变量统计分析方法，是最早应用于个人信用评估之中的。其优点是便于理解与应用。缺点是对数据要求高，在评估模型中许多指标不能做到非定性、连续、线性相关、对称，所以所得到的数据预处理起来相对困难，得出结果易出现偏差。
　　 （二）logistic回归分析法
　　 logistic回归分析法作为一种概率模型，可用于预测某事件发生的概率，主要解决的是二值变量的预测或分类问题。其优点是在数据以及变量方面不需要严格的假设条件，应用较为广泛。缺点是对指标的相关性要求很高，模型的准确性还有待改进。
　　 （三）分类树方法
　　 分类树方法过程由计算机计算完成，利用了概率论的原理，并且利用一种树形图作为分析工具。决策树分析法是常用的风险分析决策方法。其优点是易于理解和实现，计算量小。缺点是适用范围有限，无法适用于一些不能用数量表示的决策。
　　 （四）神经网络法
　　 神经网络方法的工作原理类似人的大脑，在个人信用评估中，神经网络理论是通过数据样本的训练来解决问题。其特点是具有自我组织与学习的能力，可以描述输入资料中变量间的非线性关系，可以依据样本和环境的变化进行动态的调整。由于企业各项财务指标与信用风险往往存在着非线性关系，因此人工神经网络比较适用于企业的信用评价。
　　 三、存在的问题
　　 中国一直实行的是以政府为主导的公共征信模式。为完善市场经济，健全市场信用体系，央行于2015年1月为八家私营信用评估机构颁发了个人征信牌照。其中阿里巴巴旗下的芝麻信用率先推出了中国首个个人信用评估体系——芝麻信用评分体系。现将以芝麻信用评分体系作为案例，来研究中国个人信用评估体系存在的问题。
　　 芝麻信用作为独立的第三方信用评估机构，在中国已经被广泛采用，为用户、商户提供信用服务。芝麻信用评分体系采用的是FICO评分系统，该系统具有五大主要影响因素。客户信用的偿还历史、信用账户数、信用使用年限、正在使用的信用类型、新开立的信用账户。
　　 由于FICO的建立是基于美国人的信用与信用卡的应用，为了能够更加准确的评估中国个人的信用消费习惯，使得评估结果更加准确，在用户授权的情况下，依据用户各维度数据（涵盖金融借贷、转账支付、投资、购物、出行、住宿、生活、公益等场景），运用云计算等技术，通过逻辑回归、决策树、随机森林等模型算法，对各维度数据进行综合处理和评估，在用户信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度客观呈现个人信用状况的综合评分。
　　 芝麻信用的个人信息采集主要来源于三个方面。一些来自淘宝、天猫等电商平台的交易数据，一些来源于支付宝、余额宝、蚂蚁微贷等互联网金融数据，最后是由法院、企业、政府等外部提供的信息数据，以及用户主动提供的诸如公积金、车辆、职业等信息。现在已经通过线上线下合作方式推广芝麻信用评分应用，如租车、租房等准对性服务。
　　 芝麻信用所收集的信息数据范围较宽，可覆盖学生、工人、个体商户、农民等群体的信息。这些信息对信用评估的准确性起到了很大的作用，但是仍然存在很大的问题。
　　 （一）信息采集不完整
　　 由于芝麻信用目前的数据主要来源于本行业内的数据，缺少金融机构信贷数据作为支撑，也没有接入央行征信系统，使得其缺少对个人银行信用信贷信息的衡量，无法知晓个人资产的真实状况与分布。掌握的碎片化、生活化的侧面信息并不能完全代替类似信贷记录这样的金融性核心信息，因此，芝麻信用在信用历史、履约能力两个维度上的数据采集不够完整，导致信用评估的准确性大打折扣。
　　 （二）数据过大
　　 互联网渠道拥有海量信息，数据越多，越容易失真，尤其是处于前沿领域且不够成熟的社交数据应用于评估体系。个人有效征信数据90%产生于信贷领域，90%使用也是信贷领域，对信贷记录缺乏的中国个人信用评估机构来说难以在海量的数据中去伪存真。因此，对数据的挖掘与分析是一个巨大的挑战。
　　 （三）信息的采集与隐私保护之间的矛盾
　　 芝麻信用信息主要来源于用户的交易信息、浏览记录、好友信息等方面。中国目前还没有个人隐私保护方面的法律，芝麻信用这种大数据征信模式在个人隐私保护方面很难把控，若将对其采集到的数据进行法律控制，则将会被限制使用就会导致法律风险。同时，芝麻信用在采集、存储和提供个人信息数据的过程中，容易受到黑客、病毒的攻击，易出现系统漏洞导致客户信息被篡改，甚至导致信用信息的崩溃。 　　 （四）“刷分”导致违约风险加剧
　　 芝麻信用的高分用户多为淘宝、支付宝等高频使用者。通过多用户对比发现，收入较高且稳定的用户，因习惯问题经常使用信用卡而非蚂蚁花呗，也不会将钱转入余额宝，在“履约能力”这一项目评分就会低于收入较低但是常使用蚂蚁花呗的用户。因此，互联网消费信贷和现金信贷的低门槛，使得频繁使用阿里系统而增加资金往来以刷取更高分数成为可能，无收入或收入较低的用户成为“高分”用户极为可能，这大大增加了履约风险。
　　 （五）评价体系有效性有待检验
　　 一方面，评价周期短，评价缺乏系统性。每个评价体系都是一个建立、验证、修正、再验证的封闭循环，一个领域的评价体系至少需要两、三个周期才能逐步趋于成熟，而目前芝麻信用处于试运行期，采集数据周期较短，一些指标体系尚处于修订、完善、补充阶段，其系统性需渐进性的改进。另一方面，采集范围窄，评价缺乏代表性。在芝麻信用完成对接的企业中，有出租公司、婚恋交友网站、新兴租房网站等，但该类企业所处的行业分类较细，市场规模和份额较小。而航空业、通信业、供水供电等掌握大量数据的行业还未和芝麻信用形成合作关系，合作机构缺乏广泛的代表性，将影响数据维度的全面性和准确性。
　　 四、优化措施
　　 （一）完善用于个人信用评估的基础数据库
　　 中国需要建立完善個人资信档案登记机制。中央银行牵头各大金融机构共同参与、建立一个可以互联共享的个人信用基础数据库。个人信用数据库通过建立个人信用记录，可以对其未来的信用行为产生影响，通过制度约束其信用行为，做到遵守合同、法律等。
　　 （二）建立科学的个人信用评估指标体系
　　 目前中国各大商业银行的信用评估办法都各成体系，参考的指标和范围权重不同，导致信用评估结果大相径庭，不够权威和准确。而且，在信用指标体系的选取，过于注重个人职业、收入等现实材料，对收入不稳定、隐形收入等未来的发展潜力没有进行考量，评估太注重抵押、担保。而忽视了个人的还款能力。以个人支付能力与信用记录相结合，建立一个标准化的科学的信用评估指标，建立定性判断与定量分析相结合的信用评估等级，将信用评估结果分为不同的信用级别，以此进行是否贷款、贷款金额大小等决策，不仅大大提高科学性与准确性，而且简化了程序。
　　 （三）加大人才培养力度
　　 中国应建立信用评估师从业资格考试制度，成立自律性信用评估行业协会，信用评估机构也应主动、自行培养相关人才。同时，中国政府应鼓励高校设置相关课程，有针对性的培养信用评估人才，提高中国信用评估从业人员的专业素质。
　　参考文献：
　　[1] 张 晶，刘艳红.浅析我国个人信用体系建设框架[J].农村经济与科技，2013（5）.
　　[2] 刘松涛，王俊帆，曾云阳.我国个人信用体系建设存在的问题与研究对策[J].中国市场，2015（8）.
　　[3] 孙 波.建立和健全我国个人信用制度的构想[J].济南经济，2012（12）.
　　[4] 杨 静，周美芳.网络交易中个人信用评价研究[J].中国电子商务，2013（1）.
　　[5] 连云靖，胡高福.互联网+时代我国信用经济健康发展的研究[J].农村经济科技，2016（17）.
　　[责任编辑：王功巧]
转载注明来源:https://www.xzbu.com/2/view-15010110.htm