大数据个人信用体系模型及案例综述.pdfVIP

《大数据个人信用体系、模型及案例综述》

摘要：摘要：近年来随着金融科技的迅猛发展，个人信用体系在大数据及云计算技术发展背景下拓宽了边界和内涵，解决了

传统信用评级覆盖不足的痛点并能有效辅助识别真实贷款需求及贷后风险，本文对近年大数据个人信融体系及个人信用体系

模型搭建和进行了综述并对实用案例进行分析，构建个人信用体系的大数据来源有，大数据的发展为传统信用评级机构提供

了更为先进的数据采集和数据分析手段，有效地克服了传统征信单值测度的局限性（Lin，2015），不仅大幅度提高了评估

结果的准确性，还将非传统信用指标纳入了评级体系，从而推动了普惠金融实践（PackinLevAretz，2016）

李妍

摘要：近年来随着金融科技的迅猛发展，个人信用体系在大数据及云计算技术发展背景下拓宽

了边界和内涵，解决了传统信用评级覆盖不足的痛点并能有效辅助识别真实贷款需求及贷后风

险，本文对近年大数据个人信融体系及个人信用体系模型搭建和进行了综述并对实用案例进行

分析。

关键词：大数据个人信用体系建模

近十年来，随着移动互联网和金融科技的迅猛发展，传统的个人信用体系已经不能满足市场需

求，由于我国的个人信用体系建设起步较晚，直接影响了我国金融市场的交易秩序。为了夯实

金融行业发展的基础推动我国市场经济健康发展，以大数据为基础对个人信用体系进行拓宽和

优化对我国征信行业的发展有着重要的意义。

一、大数据个人信用体系的构建

大数据不同于传统数据主要体现在三个方面：一是体量大，体现在规模和传输量;二是流动速

度大，数据实时或接近实时获取和传输;三是种类多，数据结构形式多样。

构建个人信用体系的大数据来源有：一是个人产生的数据，如社交网络信息、产品评价、搜索

记录、购物喜好等;二是商业过程数据，如物流数据、支付数据等，也有数据公司采集传统商

业数据，如大型百货公司客流量、大型游乐场客流量等数据;三是来自GPS定位、车辆轨迹和

个人穿戴设备的数据（廖理，2019）。

.

大数据的发展为传统信用评级机构提供了更为先进的数据采集和数据分析手段，有效地克服了

传统征信单值测度的局限性（Lin，2015），不仅大幅度提高了评估结果的准确性，还将非传

统信用指标纳入了评级体系，从而推动了普惠金融实践（PackinLevAretz，2016）。

国内研究者主要集中于研究大数据个人信用体系的构建：蔡金鑫等（2018）等过改进传统的

“5C信用评估法”，构建基于大数据的个人信用评估指标体系，为大数据征信的发展提供参

考;王达山（2016）通过分析互联网金融衍生的个人信用数据，综合传统信用评价数据，从个

人身份、信用历史、经济能力和社会信用属性四个信用维度，提出了运用个人信用能力模型来

对个人信用能力进行评价;方匡南等（2018）提出了基于多源数据融合的个人信用模型，可以

同时对多个数据集进行建模和变量选择，同时考虑了数据集间的相似性和异质性。所提出的整

合模型在变量选择和分类效果方面都具有明显的优势。此外，将整合模型应用于城市和农村两

个数据集的个人信用评分中发现，整合模型在实际应用中也有很好的表现。

已有研究针对基于大数据的个人信用体系提出了诸多创造性的观点，更多的研究聚焦于深入探

讨如何应用大数据建立个人信用评估模型。

二、大数据个人信用评估模型及方法

袁章帅等（2019）将lGSO-BP协同集成学习算法应用于社交网络信用评价中，建立基于

IGSO-BP协同集成学习算法的社交网络信用评价模型。梁心怡（2019）通过统计分析，结合

大学生网络消费信贷的个人信用数据，通过定性和定量分析建立适合大学生的个人信用评分模

型。

宋丽平等（2015）针对P2P网络借贷平台的特点，确定个人信用风险评估指标，并以平台借

款人个人信用等级作为预测输出目标，创建BP神经网络模型，使贷款人和网贷平台能够更好

地了解借款人的信用状况。都红雯等（2018）以微贷网为例，在该平台原有信用风险评估指

标基础上，借鉴国外FICO信用评分方法和国内芝麻信用评分方法，尝试构建适用于国内P2P

网贷平台的信用评估指标体系，用于评估借款者信用。并选取微贷网平台网站6917个借款者

的数据、采用SVM-Logistic组合模型、运用修正后的指标体系进行信用风险评估，将测试结

果与实际结果比较，优化了信用风险评估体系。谢陈昕（2019）对比分析了基于Logistic回

归、决策树、随机森林、支持向量机和神经网络的个人信用风险评估模型，并在此基础上提出

了采用4种机器学习算法综合筛选重要变量再建立Logistic回归模型的两阶段组合模型。应

用这一模型对“人人贷”平台借款人数据进行实证