大数据下个人信用评价研究综述.docVIP

大数据下个人信用评价研究综述 摘要：由于大数据的兴起，使得我国对个人信用的评价方式发生了改变，庞大的数据来源为征信指标选择、数据收集方式、分析模型的构建提供了更多的选择。本文主要从征信的指标设计、数据来源、征信数据分析模型等方面展开论述，仅供参考。 关键词：征信；指标体系；评分模型 个人信用评价是体现自然人信用水平的判断方式，通过信用评价得出自然人的信用水平，以方便金融机构为自然人提供对等的服务。个人信用的功能是以自然人的信誉为保证，个人用协议的方式做出偿还承诺，征得出资方的信任，在未支付完账单的情况下提前消费，得到商品、服务或资金，个人信用是社会信用体系中的重要一环。征信是在合法前提下获取并处理企业和个人的信用信息，形成具有公信力的信用报告，确定被评价企业或个人的可授信额度，为消费提供信用额度参考。大数据征信日益受到业界和学者的关注。大数据可以从多角度、多维度挖掘数据。将大量的碎片信息整合为可用信息。如阿里芝麻信用从个人生活情况、消费情况、资金往来等角度构建指标体系对用户数据进行分析，进而提供与其信用相符的金融服务。 1个人信用指标体系构建 信息的采集与指标体系构建息息相关，任何指标都有其作用，组合分析就能获得人们的信用水平。海外第一个构建指标体系的DavidDurand（1941）提出，个人地产、个人资产、年龄、性别、居住的稳定性、职业、职业的稳定性、行业、个人有人身保险九个因素，我国指标体系建设相对较晚。1.1国有银行指标体系我国最早提出指标体系建设的是黄大玉。（2000），认为要根据国情建立适当的信用评估办法，以个人收入、资产、借贷历史为依据用以信用评判[1]。戴志敏、姜宇霏(2003)从用户的信贷情况提出思路，信贷次数与金额是不断变化的，银行也应建立动态评价，根据客户的信贷记录变化来调整信贷额度[2]。国有银行基本上是以最直观的用户个人基本信息、工作信息、经济来源、信贷记录等作为评价指标，如表1所示。直至互联网时代的到来不仅能将个人信用信息汇集起来，还能采集各种各样的数据，构建多样化指标体系，为征信带来更多可能。1.2互联网金融企业指标体系。互联网时代为征信带来了更多的可能，国家征信系统或商业银行难以采集人们日常生活中的金融行为，往往是这些看似不重要的行为更能反应出个人的信用情况。但信息采集渠道的合作是远远不够的，采集信用信息的角度不同，信用评价方向也会略有侧重，可以达到优势互补的效果，更全面的反应出个人信用水平。大数据几乎覆盖了我们的生活，从生活服务类平台采集到水、电、煤气等公共资源缴费信息，也从互联网企业平台采集个人行为信息，主要有社交信息、电商、互联网金融信息等。大数据的广阔覆盖与深度挖掘领域提升了信用评价水平，为指标体系的选择提供了很大的空间[3]。叶文辉（2015）以阿里集团旗下的芝麻信用为例，它是以收集人们在淘宝、支付宝等相关APP的金融数据为主，来对用户进行信用评分[4]。除此之外还可以通过收集人们的社交数据，生活缴费数据等来评判人们的信用水平。表2为阿里巴巴芝麻信用的指标。1.3以阿里巴巴（表2）与国有银行（表1）为例分析指标之间的关系。截至2019年6月，央行征信系统已覆盖9.9亿自然人，但约有4亿人未与银行产生业务联系，为获取他们的信用记录，占总人口的比例28%。国有银行评价指标的优点在于更能直观的反应出个人信用水平，了解授信人的个人信息、偿还能力、家庭情况、是否有不良记录等，而且个人信息安全性较高，但其不足之处在于覆盖人群相对较窄。阿里巴巴的芝麻信用优点覆盖人群较广，以互联网和大数据技术从支付宝、淘宝等平台收集个人金融业务信息、社交信息、生活信息等，可供分析指标多，收集成本低。但随着信息科技对生活的覆盖越发广泛，它存在的问题也不容忽视，大范围收集个人信息是否侵犯隐私，个人信息是否安全，不可出现类似Facebook信息外泄事件，以及人们使用支付宝、淘宝等平台所涉及金额较小，所得评价结果是否具有说服力等问题。 2大数据时代下征信信息采集 信息的采集是征信系统的关键。在李寿林（2007）的研究中发现，我国征信发展初期，个人征信数据库采集工作存在多个个难点。涉及部门多，实施推进难。资料不统一，信息共享难[5]。当前的政策环境下能弥补这些困难，沈燕（2007）认为我们可以借鉴国外经验，美英是市场主导型模式，政府发挥监管立法的作用，私营征信机构收集、加工个人和企业的信用信息。或借鉴欧洲国家政府主导型模式，央行与企业联合收集用户的信用信息。当下各大金融机构的数据来源方向主要是：电商平台、银联业务、社交平台、第三方支付企业、生活服务平台。据央行征信中心公告，信用信息不仅收集于各类国有金融企业、公积金中心、养老保险机构、公安系统等提供的个人信