2 我國(guó)個(gè)人信用評(píng)分發(fā)展的情況
關(guān)于個(gè)人信用評(píng)分的基本概念前面就介紹了這么多。下面呢我就跟大家聊一下我國(guó)個(gè)人信用評(píng)分發(fā)展的情況。
2.1 發(fā)展的四個(gè)階段
很多人會(huì)認(rèn)為芝麻分是我們國(guó)家第一個(gè)個(gè)人信用評(píng)分。這樣理解可能是因?yàn)閷?duì)我們國(guó)內(nèi)的個(gè)人信用評(píng)分的發(fā)展并不是特別的了解。
我一般把評(píng)分的發(fā)展劃分為四個(gè)階段，實(shí)際上在早期的金融機(jī)構(gòu)（這個(gè)圖上寫的是商業(yè)銀行），實(shí)際上在金融機(jī)構(gòu)那邊很多，除了商業(yè)銀行，保險(xiǎn)公司現(xiàn)在都有這樣類似的信用評(píng)分，當(dāng)然早期可能是以打分表的形式出現(xiàn)的。
第二個(gè)階段我主要是指試點(diǎn)的征信機(jī)構(gòu)做的這樣的評(píng)分，這是較早基于征信數(shù)據(jù)的評(píng)分開(kāi)發(fā)的一個(gè)嘗試。
第三個(gè)階段主要想介紹下人民銀行征信中心作為全國(guó)統(tǒng)一的金融信用信息數(shù)據(jù)庫(kù)開(kāi)發(fā)評(píng)分的這樣一個(gè)情況。他和前面的試點(diǎn)就不一樣在于，試點(diǎn)基本上是基于一個(gè)城市或一個(gè)地區(qū)這樣一個(gè)開(kāi)發(fā)的評(píng)分。而人行征信中心開(kāi)發(fā)的評(píng)分就覆蓋了幾乎是所有的有信貸業(yè)務(wù)的人群，是真正意義上的全國(guó)性的個(gè)人信用評(píng)分。
第四階段我想介紹下關(guān)于市場(chǎng)化的這些征信機(jī)構(gòu)，包括芝麻、拉卡拉甚至包括京東等等這類機(jī)構(gòu)評(píng)分的情況。
2.2評(píng)分卡制度
商業(yè)銀行評(píng)分早期是打分表（卡）形式，基本上是某一個(gè)特征對(duì)應(yīng)某一個(gè)分?jǐn)?shù)，比如說(shuō)單位的性質(zhì)，如果是國(guó)家機(jī)關(guān)對(duì)應(yīng)給一個(gè)分?jǐn)?shù)，事業(yè)單位也對(duì)應(yīng)相應(yīng)的分?jǐn)?shù)，不同的單位性質(zhì)對(duì)應(yīng)不同的分?jǐn)?shù)，這種形式就是打分表或打分卡形式。實(shí)際上，評(píng)分卡是通用稱呼，評(píng)分都可以用評(píng)分卡形式表現(xiàn)。盡管現(xiàn)在都采用統(tǒng)計(jì)模型方法構(gòu)建模型，但為了解釋和使用方便，也都以評(píng)分卡的方式出現(xiàn)。
有人說(shuō)評(píng)分卡是落后的、早期的，而模型是先進(jìn)的，這一點(diǎn)是不成立的。有的人認(rèn)為這種方式不準(zhǔn)，我個(gè)人不這樣認(rèn)為，這種評(píng)分卡很多是基于信貸員或風(fēng)險(xiǎn)經(jīng)理的業(yè)務(wù)經(jīng)驗(yàn)，不見(jiàn)得比模型的方式效果差。當(dāng)然，這種評(píng)分卡可能存在一種問(wèn)題，制定的標(biāo)準(zhǔn)執(zhí)行上會(huì)因?yàn)閭€(gè)人的喜好而變，不像自動(dòng)化的方式那么一致。所以在一致性和穩(wěn)定性上可能存在一些問(wèn)題，也會(huì)影響準(zhǔn)確性。
2.3 試點(diǎn)信用機(jī)構(gòu)評(píng)分
早期有兩家試點(diǎn)的征信機(jī)構(gòu)，一家是上海資信，上次在介紹征信也特別介紹過(guò)上海資信。上海資信是人民銀行和上海市政府合作成立的征信試點(diǎn)機(jī)構(gòu)，它采集上海的所有的金融機(jī)構(gòu)金融信息，特別是信貸信息，包括上海市的一些政務(wù)方面的信息，如公積金和社保，它主要服務(wù)于上海市的所有金融機(jī)構(gòu)。最早在02年的時(shí)候就開(kāi)發(fā)了個(gè)人的信用評(píng)分，當(dāng)時(shí)叫做個(gè)人綜合信用管理評(píng)分，設(shè)的分值區(qū)間是-1000——1000，這個(gè)分值很有意思，它實(shí)際上相當(dāng)于兩個(gè)評(píng)分，但把它們放到一塊去了，一個(gè)是-1000到0，這個(gè)分是針對(duì)跟金融機(jī)構(gòu)尤其跟銀行是沒(méi)有打過(guò)交道人的評(píng)分；0到1000是給跟銀行打過(guò)交道的人的評(píng)分。這個(gè)評(píng)分后來(lái)把分值區(qū)間調(diào)整到0到2000，實(shí)際上仍然是一樣的，只不過(guò)是統(tǒng)一加了1000。以前有人有這樣的觀點(diǎn)，認(rèn)為只要跟銀行打過(guò)交道的，你不管是辦過(guò)貸款、信用卡，甚至只有過(guò)存款業(yè)務(wù)，即使逾期沒(méi)還都比沒(méi)有跟銀行打過(guò)交道的人要分?jǐn)?shù)要高。我個(gè)人是不太贊同這樣一個(gè)觀點(diǎn)。實(shí)際上，F(xiàn)ICO等機(jī)構(gòu)主要還是對(duì)有信貸機(jī)構(gòu)，或者是信貸機(jī)構(gòu)比較豐富的人給打分，而沒(méi)有跟銀行打過(guò)交道，或者說(shuō)跟銀行打過(guò)交道的時(shí)間比較短，也就是我們所說(shuō)的薄文件的這樣的人，由于資料或信息比較少，對(duì)這部分人也是不評(píng)分或者專門信息進(jìn)行評(píng)分。這兩者實(shí)際上是有一些區(qū)別的，不給評(píng)分是因?yàn)樾畔⒈容^少，而無(wú)法準(zhǔn)確的評(píng)分，而不是因?yàn)檫@些人由于沒(méi)有跟銀行打過(guò)交道，他們的信用水平就低一些。上海資信非常可惜，這個(gè)評(píng)分沒(méi)有維護(hù)，現(xiàn)在已經(jīng)不再使用了，他們的官網(wǎng)也沒(méi)相關(guān)的這個(gè)評(píng)分信息了。鵬元征信征信在05年4月底的時(shí)候開(kāi)發(fā)過(guò)個(gè)人的，叫個(gè)人綜合信用風(fēng)險(xiǎn)評(píng)分，好像這個(gè)評(píng)分還在對(duì)外進(jìn)行服務(wù)，叫做鵬元800，它的分值區(qū)間我過(guò)去在查的時(shí)候好像是200到800這樣一個(gè)區(qū)間，但是在現(xiàn)在的一些網(wǎng)站和資料上是320分到800分，每80分有一段，最低為F段，最高是A。補(bǔ)充一點(diǎn)的是，上海資信的評(píng)分實(shí)際上是前面講的一家叫做環(huán)聯(lián)的機(jī)構(gòu)開(kāi)發(fā)的，是環(huán)聯(lián)在澳大利亞這個(gè)機(jī)構(gòu)開(kāi)發(fā)的。
征信中心也有一個(gè)評(píng)分，但可惜的是一直沒(méi)有對(duì)外。從08年我到中心開(kāi)始，就開(kāi)始帶著做個(gè)人信用評(píng)分。關(guān)于征信中心能不能做評(píng)分的爭(zhēng)議很大，尤其是征信管理?xiàng)l例出臺(tái)后有許多的聲音。一種說(shuō)法是征信管理?xiàng)l例規(guī)定了征信中心是金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)，征信中心并不是一個(gè)征信機(jī)構(gòu)，而是負(fù)責(zé)管理和維護(hù)數(shù)據(jù)庫(kù)，不要老是想到掙錢，沒(méi)有必要做這一類的增值產(chǎn)品，而應(yīng)該好好的把金融信息，采集、整理、加工好，增值的產(chǎn)品交給市場(chǎng)去做。也有說(shuō)法即使征信中心是個(gè)征信機(jī)構(gòu)，但是征信機(jī)構(gòu)和評(píng)級(jí)機(jī)構(gòu)之間如何協(xié)調(diào)，征信機(jī)構(gòu)主要強(qiáng)調(diào)提供的信息的真實(shí)、客觀、權(quán)威，如果去做評(píng)分，評(píng)分這樣的一個(gè)事情，不管基于專家意見(jiàn)還是統(tǒng)計(jì)模型，它或多或少都會(huì)有主觀性的存在，即使是統(tǒng)計(jì)模型，在建模過(guò)程中，選擇變量上，都會(huì)有建模人的主觀意思在里邊。那怎么保證征信機(jī)構(gòu)在提供的產(chǎn)品具有這個(gè)客觀、公正性？第三種說(shuō)法實(shí)際上涉及到這樣一個(gè)問(wèn)題，征信中心把金融數(shù)據(jù)都?jí)艛嗔?，如果把評(píng)分都做了，以后市場(chǎng)方面要怎么發(fā)展呢？尤其是作為征信中心這一個(gè)事業(yè)單位，他的效率都受到大家的質(zhì)疑，當(dāng)然也存在也存在一個(gè)與民掙利的問(wèn)題。所以綜合上面的，大概有這幾種關(guān)于征信中心是不是應(yīng)該做評(píng)分的一個(gè)說(shuō)法。目前我個(gè)人是認(rèn)為，征信中心做評(píng)分的確是不太合適的，包括我在人社部給他們介紹征信和評(píng)分的時(shí)候，我也在跟他們說(shuō)，希望他們?cè)谧鲈u(píng)分的時(shí)候一定要謹(jǐn)慎。因?yàn)樵谧鲈u(píng)分的過(guò)程中，尤其是政府機(jī)構(gòu)或者是事業(yè)單位在做這個(gè)評(píng)分時(shí)，有很多社會(huì)問(wèn)題在里邊。
但是當(dāng)時(shí)征信中心為什么會(huì)要做評(píng)分呢？這有其它原因在里邊。征信中心是一個(gè)經(jīng)費(fèi)自理事業(yè)單位，中心人員工資都是要靠自籌，我記得大概是在08年的時(shí)候，大概是有3個(gè)月的工資沒(méi)有按時(shí)發(fā)放，當(dāng)時(shí)中心的領(lǐng)導(dǎo)也比較著急，考慮到信用卡在中國(guó)起步發(fā)展階段，急需信用評(píng)分類似產(chǎn)品。所以中心希望通過(guò)評(píng)分產(chǎn)品來(lái)解決經(jīng)費(fèi)緊張的問(wèn)題。
2.4 發(fā)展
2015年征信局通知八家征信機(jī)構(gòu)籌辦之后，一些征信機(jī)構(gòu)也陸陸續(xù)續(xù)的推出了自己的評(píng)分。實(shí)際上我對(duì)這個(gè)一直很納悶，為什么這些征信機(jī)構(gòu)都是先推出評(píng)分，而不是認(rèn)真地做好數(shù)據(jù)的采集和共享？有人解釋說(shuō)評(píng)分的風(fēng)險(xiǎn)小，不用擔(dān)心個(gè)人信息泄露。評(píng)分確實(shí)有這樣的一個(gè)優(yōu)勢(shì)，其結(jié)果只是一個(gè)分值，不會(huì)泄露更多的個(gè)人信息。但是征信局籌辦的通知都給了，這些機(jī)構(gòu)完全可以信息的采集、整理、加工、共享方面做的更好。也有說(shuō)這些機(jī)構(gòu)是順勢(shì)推出來(lái)的評(píng)分，本來(lái)他們自身的金融業(yè)務(wù)內(nèi)部使用的評(píng)分，我覺(jué)得這樣對(duì)征信未必會(huì)有幫助，據(jù)說(shuō)的確也有評(píng)分玩的有點(diǎn)過(guò)火，受過(guò)監(jiān)管機(jī)構(gòu)的警告。當(dāng)然也有人說(shuō)，由于沒(méi)有征信中心的數(shù)據(jù)，尤其是信貸這方面的信息，做出的評(píng)分的效果都不是特別理想，希望通過(guò)這樣一種方式推動(dòng)征信中心數(shù)據(jù)的開(kāi)放。估計(jì)這些都是玩笑，但我確實(shí)覺(jué)得征信中心應(yīng)該開(kāi)放數(shù)據(jù)給市場(chǎng)機(jī)構(gòu)的，由市場(chǎng)機(jī)構(gòu)去開(kāi)發(fā)各類的信用工具，這樣可能會(huì)更有效率，也更有創(chuàng)新，當(dāng)然也應(yīng)該包括開(kāi)放給高校的老師和同學(xué)一些脫敏數(shù)據(jù)供產(chǎn)學(xué)習(xí)、研究使用。
目前市場(chǎng)上有許多所謂的食用評(píng)分，大都需要市場(chǎng)的難。就我目前了解的情況，作為征信機(jī)構(gòu)的個(gè)人信用評(píng)分，除征信中心之外，效果都不是很好。當(dāng)然這里面并不是技術(shù)的原因，主要還是數(shù)據(jù)的問(wèn)題。有機(jī)構(gòu)對(duì)外稱KS40多或者50多，但是其它機(jī)構(gòu)驗(yàn)證時(shí)，結(jié)果往往并不理想，好一點(diǎn)的能到30多一點(diǎn)，低的甚至只有十幾。一般而言KS值應(yīng)該在35左右才可以應(yīng)用。
問(wèn)答錦集
問(wèn)題1：請(qǐng)問(wèn)，評(píng)分體系在p2p網(wǎng)絡(luò)金融中的運(yùn)用前景？
答：應(yīng)該說(shuō)在P2P中，評(píng)分是能夠發(fā)揮其作用的，但是關(guān)于P2P對(duì)客戶風(fēng)險(xiǎn)的識(shí)別，不可能完全靠評(píng)分把所有問(wèn)題解決。尤其是P2P網(wǎng)絡(luò)金融這一塊，比線下金融業(yè)務(wù)面臨更高的風(fēng)險(xiǎn)。評(píng)分的作用是給P2P機(jī)構(gòu)多一道風(fēng)險(xiǎn)把控的工具。未來(lái)我也會(huì)給大家介紹評(píng)分的應(yīng)用。評(píng)分的作用能夠發(fā)揮有一定的作用，但絕不是全部。
問(wèn)題2：我有一個(gè)問(wèn)題，莊博士，您好，我想問(wèn)的是基于邏輯回歸技術(shù)的FICO評(píng)分模型和基于阿里小貸的信息不對(duì)稱模型，哪一種方法更好呢？
答：去年在征信中心開(kāi)了計(jì)量風(fēng)險(xiǎn)模型研討會(huì)，會(huì)上阿里、騰訊等機(jī)構(gòu)都參加了，其中阿里的團(tuán)隊(duì)關(guān)于計(jì)量風(fēng)險(xiǎn)模型還是不錯(cuò)的。但是至于哪個(gè)模型（算法）比較有效，我是這樣的理解的。FICO一直采用logistic回歸這個(gè)模型，在數(shù)據(jù)處理方面的確有其獨(dú)到之處，加之logistic回歸得到的結(jié)果較穩(wěn)定容易解釋，該算法仍然是個(gè)不錯(cuò)的選擇。前期招行也問(wèn)過(guò)我類似的問(wèn)題，它們采用了除了logistic回歸之外還用了向量積和隨機(jī)森林和一串算法等各方面都做了嘗試，但是結(jié)果沒(méi)有什么明顯提升。當(dāng)時(shí)我主要圍繞數(shù)據(jù)屬性、算法的使用、參數(shù)的調(diào)整等方面做了解釋，目前覺(jué)得主要問(wèn)題還在數(shù)據(jù)，在以是否按期還款為目標(biāo)的模型中，信貸信息是較強(qiáng)的信用信息，其它信息可能相對(duì)弱一些，所以有不少機(jī)構(gòu)會(huì)研究其它算法或者理論，所以我很難說(shuō)哪種算法比較合適。我剛剛提到的幾個(gè)問(wèn)題，比如說(shuō)可解釋性問(wèn)題，目前其他算法在可解釋的問(wèn)題上，在穩(wěn)定性的問(wèn)題上可能還需要進(jìn)一步探討。
問(wèn)題3：互聯(lián)網(wǎng)機(jī)構(gòu)拿了征信牌照，基于互聯(lián)網(wǎng)行為數(shù)據(jù)建模和第三方征信機(jī)構(gòu)的傳統(tǒng)評(píng)分辦法，哪個(gè)置信度更高？互聯(lián)網(wǎng)方式效率更高
答：基于互聯(lián)網(wǎng)數(shù)據(jù)做得評(píng)分，那個(gè)效果更好，哪個(gè)效率更高，我覺(jué)的單純從業(yè)務(wù)角度看，很難說(shuō)哪個(gè)更好。但是未來(lái)從監(jiān)管角度來(lái)說(shuō)，我相信對(duì)公平性的要求會(huì)加強(qiáng)。這樣的話，基于互聯(lián)網(wǎng)行為數(shù)據(jù)的建模關(guān)于在解釋信用問(wèn)題上可能會(huì)有很好的突破才可以。
（下篇：征信發(fā)展與模型講座個(gè)人總結(jié)與解析版）
