基于大数据个人信用评分发展新趋势.docVIP

基于大数据个人信用评分发展新趋势 　　摘 要：随着互联网的快速发展，国内征信市场涌现出若干互联网征信公司，他们利用大数据等技术创建的个人信用评分与传统个人信用评分相比，在数据维度、获取方式、数据量级、数据时效性和应用场景等方面具有一定优势。 　　关键词：大数据；个人信用评分 　　中?D分类号：F832.4 文献标识码：A 文章编号：1671-0037（2018）2-83-3 　　Abstract： With the rapid development of Internet， the domestic credit market emerged several Internet credit reporting companies， they used big data and other technologies to create personal credit score， which compared with the traditional personal credit score，has certain advantages in data dimension， data access， data scale， timeliness and application scenario and so on. 　　key words： big data； personal credit score 　　大数据征信的实质是利用互联网获取信用信息，它不仅能够收集传统征信所能收集到的信息，还能捕获传统征信未能覆盖的信用信息。此外，利用互联网技术能够对不同应用场景的大量信息进行实时获取并归类，以最低的成本和最高的效率获得最有价值的个人信用信息。大数据征信不再局限于征信机构提供的个人基本信息，而是把信用主体在互联网上的行为习惯、消费偏好以及社交关系等多方面的浏览轨迹转化为有利于评估信息主体信用风险的可靠数据信息，在一定程度上将信用风险降到最低。同时大数据征信相对于传统征信还有一个突出的特征，即大数据征信下的个人信用评分模型更看重信用主体信用信息的实时性、动态性、共享性，因为它是基于信用主体的日常行为轨迹来研究的，一定程度上能够较为精确地评估其履约能力、违约系数。随着科学技术的发展，征信体系的建设也应与时俱进，充分利用好大数据使其发挥最大的作用。 　　1 个人信用评分 　　如今互联网金融蓬勃发展，人们对于风险建模的技术和应用不断升级，使传统信用评分模型向大数据方向转变，但是从本质上来讲，大数据下的信用评分模型仍是传统信用评分模型的拓展。 　　1.1 时代背景 　　21世纪，人类社会高速发展，尤其是互联网应用的日益频繁，信息流通和信息交流密切，人类进入了大数据时代。2012年以来，大数据被越来越多的人所提及。哈佛大学社会学教授加里?金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程[1]。” 　　随着大数据时代的到来和近几年的发展，可用于评估人们信用的数据越来越丰富，金融机构了解客户的数据更加全面和多元化。 　　1.2 理论研究 　　信用评分模型运用先进的数据挖掘技术和统计分析方法，通过对消费者的个人信息和消费历史记录等数据进行综合分析，构建模型以对消费者未来信用表现加以预测，并依据信用评分对消费信贷管理做出决策[2]。而信用评分则是根据消费者的信用历史资料，利用一定的信用评分模型，得到不同等级的信用分数。 　　无论是传统信用评分模型还是大数据下的信用评分模型，其本质没有变化，目标也没有变化，都是为了将风险控制在一定范围内，从而让经济平稳运行。信用评分模型的基本原理是确定影响违约概率的因素，然后给予权重，计算其信用分数。 　　1.3 经典模型 　　国际上最具代表性的信用评分系统是FICO（费埃哲评分系统），它是由Fair Isaac公司推出的一套评分系统，它以“5C”分析法为理论基础，而国内的芝麻信用在这方面与其类似。因此，以FICO和芝麻信用为例，对比分析传统个人信用评分模型与大数据背景下的个人信用评分模型数据维度的差异。 　　FICO评分系统信用分数区间是300～850分。若借款人信用分数低于620分，贷款方可要求借款人增加担保，或拒绝贷款；若借款人信用分数介于620～680，贷款方可进一步调查核实，采用其他信用分析方法个案分析；若借款人信用分数高于680分，贷款方可认为该借款人信用非常好，予其贷款。由此，信用分数越高，贷款方所面临信用风险越小。图1是FICO评分系统主要考虑的5个维度。信用评分是不带个人主观偏见的，把种族、性别、宗教等因素排除在外，使FICO评分更具客观公正性[3]。FICO评分主要用于贷款方快速、客观地度量客户