我國互聯網征信行業發展的主要問題及相關建議

季娟宇+趙雯+郭孟琪

摘 要：相對于傳統征信方式，互聯網征信在消除信息不對稱方面具有明顯優勢。當前，我國的互聯網征信行業發展迅速，但在數據篩選質量、信用評估模型、個人信息保護、監管法律法規的建設等方面存在明顯不足。本文從理論和實踐兩個方面分析了其中的主要原因，并提出了促進我國互聯網征信行業的若干具體建議。

關鍵詞：互聯網征信；大數據分析；信息保護

信用是現代經濟與金融的發展基石。隨著互聯網和電子商務的快速發展，可用于信用評價的信息也越來越多，互聯網征信由此應運而生。所謂互聯網征信，主要是指通過對個人或企業在互聯網交易或使用互聯網服務中留下的行為數據的采集，并利用大數據、云計算等技術進行信息評估的活動（劉新海，2016）。與傳統征信方式相比，互聯網征信在數據來源、數據質量、數據分析方法、商業模式等諸多方面存在明顯不同，也體現出更加強盛的發展勢頭。當前，我國互聯網征信行業發展迅速，也爆發出了不少問題。本文將在理論分析的基礎上，探討互聯網征信發展的理論根據，在我國面臨的主要問題及相應的解決措施。

一、關于互聯網征信發展的理論分析

根據法瑪的有效市場假說，在法律健全、透明度高、競爭充分的市場里，一切有價值的信息都能在價格中得到及時有效的反映，因而投資者可以并且能夠迅速對所有市場信息作出合理反應。然而，信息經濟學認為，信息不對稱是經濟交易中的常態，信用市場中的交易雙方通常掌握不對等的信息資源，受信主體對自己的經營狀況及債務償還能力有更為清楚的了解，往往會以授信主體的利益受損為代價為自己獲取更大的經濟利益。對此，George A. Akerlof在1970年提出逆向選擇模型（Adverse Selection Model），A. Michael Spence在1973年提出了信號傳遞模型（Signaling Model），Joseph Eugene Stiglitz于1976年提出了信息甄別模型（Screening Model），都證明了在信用協議簽訂前，信息不對稱會導致市場中的逆向選擇，形成劣幣驅逐良幣現象；而信用協定簽訂之后，則會存在道德風險問題。信息不對稱程度越高，信息成本也越高，市場交易費用越高，信用市場的運作效率則大大降低。

相關調查顯示，信用市場存在的問題每年會使中國的GDP減少2個百分點的貢獻。信用制度作為約束信用行為主體的規范，能有效地降低金融交易成本，防范投資風險，促進市場經濟健康運行。而信用制度不完善形成的契約不完全會使信用主體面臨極高的違約風險。因此，結合信息不對稱理論，要提高市場交易效率，維護市場秩序和公平競爭，必須盡快建立健全的征信體系。我國征信行業的發展從1980年后期開始的探索階段到區域性平臺搭建、央行集中統一平臺主導到現今的市場化改革階段，整個行業進入快速發展的階段，自2007年以來，P2P、第三方支付、網絡銀行等互聯網金融發展快速并相繼成熟，為征信業帶來了新的活力，促進了傳統征信業的發展。

相較于國外征信體系發展，我國起步較晚，但互聯網的快速發展引進的互聯網+征信的興起迎來新的發展契機，其海量數據的搜集、信息篩選與挖掘為征信市場提供了更多的征信獲取途徑，滿足了在以央行為主的傳統征信系統中沒有信貸記錄的“弱征信”群體以及網貸平臺等新興中小企業對于征信的需求，促進了社會信用體系的建設（陳斌，2015）。互聯網征信與傳統征信的差異（詳見上表）彌補傳統征信不足的同時也帶來了新的問題，需要市場與政府在發展中克服與解決。

二、當前我國互聯網征信行業存在的主要問題

1.網絡數據多而雜，范圍廣，篩選難

在信息時代的背景下，互聯網企業每天都在產生大量的數據碎片，根據中國互聯網絡信息中心（CNNIC）提供的《第39次中國互聯網絡發展狀況統計報告》（以下簡稱“發展報告”）顯示，截至2016年12月，中國網民規模達7.31億，全年共計新增網民4299萬人。互聯網普及率為53.2%，較2015年底提升了2.9個百分點。

由此看出，隨著網民規模的不斷擴大，網絡普及率的不斷增加，互聯網征信業務的覆蓋面更為廣泛。以騰訊征信為例，騰訊通過QQ、微信、財付通等多種業務擁有了龐大的用戶（8億QQ用戶，5億微信用戶，3億微信支付用戶）和海量的交易記錄，數據范圍涵蓋至個人的日常生活數據。用戶只要在網上留下交易痕跡，征信機構就可通過數據挖掘和分析處理來分析其信用價值及風險。

然而，和央行征信系統相比，傳統的央行征信模式雖然來源渠道單一，但包含了個人身份、信貸記錄、行政處罰等重要信息，對于個人的信用分析具有重要價值（劉紅熠、楊妮妮，2016）。互聯網征信雖然擁有海量的網絡信用數據，但數據瑣碎并且雜亂。一些社交言論、交易記錄對于個人的信用評分是否有參考意義還有待考證，從中進行數據的整合，挖掘數據與數據的相關性必然耗費大量的時間和精力，成本過于高昂。

2.缺乏合適的信用評估模型

要讓海量的數據有效地反映消費者的信用狀況，征信機構必須擁有強大的數據挖掘能力，開發出合適的信用評估模型，形成豐富的征信產品，滿足市場需求。美國的Equifax、Experian和Trans Union三大征信機構采用FICO信用評分模型，通過應用數學模型對個人信用報告包含的信息進行量化分析，以FICO分來評估個人信用質量和信用風險，信用分覆蓋了80%以上的美國人，曾有利地促進了美國房貸市場的快速發展。在大數據時代，美國各征信機構也在積極探索信用評估的新思路。Zestfinance以大數據技術為基礎采集數據，在FICO的基礎上增加了網絡數據、社交數據等數據類型，開發了欺詐模型、還款能力模型等多種機器學習分析模型來判斷信貸行為（劉新海、丁偉，2014）。

相比而言，中國的征信公司對信用風險技術分析的投入還不夠，從信貸審批至風險管理各個環節，量化分析不足，金融機構在過去一般都采用經驗判斷法來進行信用評估，缺乏合適的經濟計量模型，征信機構的信用評分也未推出。以上海資信有限公司為例，該公司作為發展較早、規模較大的市場化個人征信機構，曾設計模型評估個人信用，提供個人信用評分、個人信用評級等征信增值產品。但是，由于規模和認知度不夠，公司的發展范圍僅局限在當地市場，無法擴展到其他區域。除此之外，國內的其他征信機構，或者不具備一定的創新能力，或者規模太小無法形成影響力，再或者不具備研發能力。沒有集中有效的信用評分系統，沒有強大的信用評分模型開發能力，征信行業的發展在不知不覺中陷入了瓶頸。

3.個人隱私保護及信息安全問題

未來互聯網征信的發展主要以個人信用數據的采集為主，反映個人的信用信息狀況，因此對個人的隱私保護是征信行業發展的重要環節（劉紅熠、楊妮妮，2016）。根據中國互聯網絡信息中心（CNNIC）提供的《第39次中國互聯網絡發展狀況統計報告》（以下簡稱“發展報告”）顯示，2016年遭遇過網絡安全事件的用戶占比達到整體網民的70.5%，其中個人信息泄露事件占據了32.9%，由此看出民眾對于網絡信息安全有著極強的不信任感，而且當前征信查詢的不規范使得個人的征信記錄很容易被違規使用，甚至形成詐騙犯罪行為。

同時，由于互聯網企業的準入門檻較低，企業內部制度不健全，風險防范措施不到位，員工往往法律意識淡薄，容易利用職務之便非法出售用戶的個人信息，淡化了隱私保護的邊界，大大增加了隱私泄露的風險。

縱觀征信市場成熟的發達國家，無不建立了健全的法律體系來保護用戶的隱私權，為社會信用體系的建設提供重要保障。以美國為例，美國國會早在1971就制定了《公平信用報告法》來保護消費者的基本權利，并出臺17部配套法律如《隱私權法》等從規范授信行為和懲治失信行為等方面保證征信業的健康發展。而我國關于個人隱私保護的法律法規仍不夠完善，即使是2013年出臺的《征信業管理條例》和《征信業管理條例》，對哪些涉及隱私權需要保密，哪些數據可以向公眾開放，缺乏明確的法律界定，對失信行為缺少監管處罰機制，這也造成了互聯網企業對用戶信息安全的漠視（張健華，2015）。信息安全環境的不穩定，對于用戶嘗試互聯網企業的征信服務，造成了不利的影響。

4.政府主導下征信市場發展緩慢

美國的征信行業是以市場為主導，由市場的需求來決定數據庫的規模和征信產品的創新，通過市場的篩選實現優勝劣汰，推動征信機構的兼并重組，因此當前美國形成了以Equifax、Experian和Trans Union三家征信公司為主導的征信市場，不僅推動征信產品不斷創新，而且運作效率和服務水平得到提高，形成了成熟的征信體系。

而我國的征信市場剛剛起步，各項法律法規尚不健全，征信產品供需不平衡，完全市場化的運作模式并不適合我國國情，完全照搬美國經驗反而會導致征信市場的混亂，造成無序競爭。所以，根據征信產品本身的外部性特點，采用政府運作模式在征信行業發展初期有利于推動征信制度的建立。但隨著市場需求的不斷擴大，產品多樣化需求的增加，僅靠央行的征信系統不能覆蓋到所有的信貸數據，也不利于運作效率的提高和服務創新的推進。

三、促進我國互聯網征信行業健康發展的建議

1.推動互聯網征信行業集中化和技術革新

根據規模效應理論，征信行業存在著規模效益，隨著征信規模的擴大，增加一單位的產品供給，所帶來的邊際成本極小。當征信機構在數據庫的規模、人力資本等方面占據優勢時，生產出來的產品即相關的征信報告或者決策意見質量會更高。目前，我國互聯網征信領域中，以螞蟻金服下的芝麻信用、騰訊信用、聚信立、深圳前海征信為翹楚，這些征信機構在各自領域中有著獨特的優勢和領先的地位，但其數據來源的單一性也是不可避免的。以單一化的數據評判個人或企業的信用是片面的，不具有說服力，因此，互聯網征信行業的集中化就顯得尤為重要。

實現集中化存在兩種主要途徑，其一，在全國形成具有代表性的、規模較大的征信機構，使其在征信市場上具有核心地位，其余區域性的小型機構依附于這些規模較大的機構，或向其提供數據。美國個人征信機構初期大多由商人集資建立，后期隨著市場擴大和消費信貸發展，征信機構之間開始并購，并逐步形成了以Transunion、Experian和Equifax三家公司為代表的集中化體系。而在德國、英國、日本，征信行業同樣經歷了由野蠻生長至并購淘汰的過程，這對我國建立集中化的互聯網金融征信體系有很大啟示。其二，由政府主導形成第三方數據收集、信用評級中心，并給予一定的法律保障，全國的征信機構向其提供數據，再由中心收集、整理后形成全面的信用評級報告并發送給有需要的征信機構，實現各機構間的信息共享，由此推動互聯網征信行業的集中化。

互聯網征信行業的集中化就是數據、信息的集中化（馮文芳，2016），這需要以成熟的互聯網技術為支撐。當集中化的時機成熟，進入機構之間信息資源整合配置的階段，大數據的收集、篩選、整合等運作就需要足夠強大的技術背景，因此，技術革新是集中化的前提和基礎。

2.加強政府監管，完善法律體系

為維護用戶隱私和信息安全，我國政府在互聯網征信行業監管方面應做到以下幾點。一是嚴密監控、嚴厲打擊以征信為借口的非法信息搜集行為，對網絡信息詐騙等行為及時審查、及時發現找出來源并做出相應的懲罰，對用戶損失及時、盡力給予補償及挽救（王斯坦、王屹，2016）。二是制定互聯網使用準則，規定明確的互聯網信息搜集范圍及合法方式，推進《征信業管理條例》宣傳，必要時可實行實名認證等機制，避免不法分子有機可乘。三是提升互聯網監管機構的監管能力，引進具有相應知識和能力的專業化人才，實行與當前技術相匹配的監管手段及保護方式，例如提高防火墻技術，防止信息被竊取（封思賢、包麗紅，2016）。四是加強宣傳，號召網絡公民注意防范網絡潛在危險，加強用戶自我保護意識，適當給用戶進行相關知識普及。

除了政府監管，我國還應完善互聯網信息安全相關的法律體系。首先，法律規定應該具體化。例如在《關于加強網絡信息保護的決定》中的第二條，提出了“合法、正當、必要的原則”，卻沒有對這三個原則作出明確的闡釋和范圍的界定。在刑法和治安管理法摘要中，對網絡信息的法律保護范圍和處罰措施也顯得過于局限和抽象。法律規定具體化包括懲處范圍和懲處措施的具體化，也是法律的全面化和完整化，這樣才不會被不法分子有機可乘，危害公眾利益。其次，法律規定應當與時俱進。互聯網發展日新月異，法律如果不隨著時代的變更進行補充和完善，就會過時，使網絡犯罪利用科技的手段鉆法律的漏洞，威脅互聯網征信市場的安全。最后，法律規定應當維護“數據所有權”，應當明確規定信息數據的所有權問題，強化互聯網用戶維權意識，對違背數據持有者意愿而獲得并使用數據的行為進行嚴厲懲處（周秀娟、羅敏娜，2017）。

3.政府適當“放手”，促進征信行業市場化

傳統征信，主要以金融借貸數據作為信用評價標準，數據來源是政府主導下的各商業銀行報送的信貸信息，而沒有借貸信息的用戶便無法享受征信所帶來的便利。FICO中國區總裁陳建曾表示，在中國，約存在8億的潛在消費信貸用戶。但是，其中，沒有征信記錄的人數多達5億。由此可見，征信市場潛力巨大，而促進征信行業市場化能有效開發這一部分潛力。促進征信行業市場化的前提是政府適當“放放手”，即原本依靠央行主導的征信體系向市場化邁進，形成民間的征信市場，而其有效途徑就是大數據背景下的互聯網金融征信模式。全國政協委員、中央財經大學金融學院教授賀強建議政府向市場化征信機構開放數據，大數據云評分是中國普惠金融的必然之路。

將征信交給市場，有明顯的優勢。一方面相比較于非盈利機構，市場化的征信機構更貼近客戶需求，有盈利需求和競爭壓力，有助于提升自身產品服務質量和制定合理的定價策略，從而提高征信市場效率。另一方面，民間征信市場數據來源更為廣泛，相比較于銀行信貸信息數據更豐富，能夠較為全面、準確地給用戶做出征信評價報告，從而促進征信行業整體效率的提高。

參考文獻：

[1]陳斌.互聯網金融需要互聯網征信.清華金融評論，2015（4）.

[2]封思賢，包麗紅.監管第三方支付機構的博弈分析.中國經濟問題，2016（4）.

[3]馮文芳.互聯網金融背景下小微企業大數據征信體系建設探析.國際金融，2016（3）.

[4]劉紅熠，楊妮妮.互聯網征信背景下個人信息主體權利保護問題研究.征信，2016（6）.

[5]劉新海，丁偉.大數據征信應用與啟示-以美國互聯網金融公司ZestFinance為例.清華金融評論，2014（10）.

[6]劉新海.征信與大數據：移動互聯時代如何重塑“信用體系”.中信出版社，2016年.

[7]王斯坦，王屹.我國互聯網征信發展現狀與征信體系構建.經濟研究參考，2016（10）.

[8]張健華.互聯網征信發展與監管.中國金融，2015（1）.

[9]周秀娟，羅敏娜.論互聯網金融個人征信的法律監管.電子科技大學學報（社科版），2017（2）.

作者簡介：季娟宇（1996- ），女，江蘇省南通市人，南京師范大學強化培養學院2014級金融本科生；趙雯（1996- ），女，江蘇省南通市人，南京師范大學強化培養學院2014級金融本科生；郭孟琪（1995- ），女，江蘇省泰州市人，南京師范大學強化培養學院2014級金融本科生