對我國個人信用評分及監管的分析與思考

王俊山 王玥

個人信用評分是征信或一些市場機構提供的一種產品或服務。我國開展此項工作已經10多年，對經濟社會發展起到了積極作用。但目前仍存在一些問題，應繼續加強研究、及時解決。

一、個人信用評分的概念和原理

征信領域的個人信用評分是一個舶來品。在美國《公平信用報告法》（Fair Credit Reporting Act）中，將信用評分（credit score）定義為“一組數值或者分類方法，源于為放貸人員設計的用來預測信貸行為未來違約可能性的統計工具或者模型體系，也可稱為風險預測或是風險評分”。

通俗來說，個人信用評分就是利用統計學方法進行建模，將影響個人信用狀況的相關因素進行組合計算，用一定的分數或其他方式（如好中差、高中低）對個人的信用狀況進行標示描述，預測性評價個人未來信用狀況的一種產品（活動）。個人信用評分由于簡單易懂、使用便捷的特點，被普遍應用于消費者信用狀況的判斷上。

個人信用評分的原理是通過對好人（未違約客群）和壞人（違約客群）的客群特征屬性進行分析、比較和計算后得到預測新客戶違約率的公式，將新客戶的特征屬性應用到違約率公式后，計算得出客戶的具體分數。評分分數代表的是違約率，是一種讓社會大眾更直觀理解信用評分的手段。個人信用評分應用的是大數法則，一個人評分分數低并不代表這個人就一定會違約，代表的是這個人所在分數區間的總體違約率高;相應地，個人評分分數高也不代表這個人就一定不會違約，而是代表這個人所在分數區間的總體違約率低。

個人信用評分與個人信用報告，都是一種征信產品（服務），兩者都涉及個人信用信息的采集、整理、保存、加工和對外提供，其區別主要在于：（1）表現形式不同。個人信用報告的表現形式是具體的個人信用信息，如借款余額、還款歷史、是否逾期等;個人信用評分的表現形式是具體分值，如500分、600分、好中差等。（2）判斷信用狀況的主體不同。個人信用報告只是客觀展示個人的信用記錄，由報告使用者根據所展示的信息來判斷個人的信用高低，判斷主體是報告使用者;個人信用評分則是征信機構運用各種模型或算法，對個人信用高低的直接判斷，判斷主體是個人征信機構。（3）監管要求不同。個人信用報告監管重點在于信息的準確性、完整性;個人信用評分除要求信息準確完整外，還要求評分方法客觀公正。

傳統的個人信用評分主要運用統計學上的邏輯回歸方法。邏輯回歸是信用評價模型中的經典，具有準確性高、假設條件少、結果穩定、可解釋性強等特點，是國外評分機構最常用的方法。近幾年來，隨著金融科技和大數據技術的飛速發展，神經網絡、梯度提升決策樹、隨機森林、支持向量機等方法也被廣泛應用到信用評分中，特別是用于對非結構化數據（圖像、視頻、語音等）的處理，使這類數據成為信用評分模型中的重要參考因素。

二、美國個人信用評分市場發達

美國個人征信市場最為發達，個人信用評分產品多、應用廣泛，對我國有一定借鑒意義。

（一）個人信用評分以FICO分為主

FICO評分是美國使用量最多、認知度最高的一類評分產品。FICO評分并不是指一個評分，而是上百種評分的統稱，各個FICO評分的模型、使用數據、應用領域有所不同。FICO評分的評分模型都由費埃哲公司（Fair Isaac）提供，使用的數據則主要是艾克飛（Equifax）、益博睿（Experian）、環聯（TransUnion）所采集的個人信息。費埃哲公司是一家信息服務公司，是商業化信用評分的發明者，艾克飛、益博睿、環聯是美國的3家綜合性消費者報告機構，3家機構都使用費埃哲公司的評分模型（支付評分模型使用費），利用自身數據形成個人信用評分，并將分數嵌入本機構提供的個人信用報告中，用于消費者申請貸款、信用卡、保險、租賃、求職等領域。

除FICO評分外，艾克飛、益博睿、環聯等3家綜合性消費者報告機構還聯合開發了Vantage評分，但由于FICO評分已廣泛滲入到各個領域，占據相對壟斷地位，Vantage評分應用并不廣泛。

此外，隨著互聯網行業的飛速發展和大數據技術的日趨成熟，部分放貸機構和信息服務公司開始利用大數據等金融科技手段開發評分產品。如放貸機構ZestFinance、信息服務公司CreditKarma、信用卡公司Capital One等引入更多維度的創新數據，服務于傳統信用評分過低或者缺少信貸記錄的客戶，以彌補傳統信用評分過分依賴消費者信貸信息的局限性，其評分產品既用于機構內部，也同時向外部提供。

（二）個人信用評分信息以信貸信息為主

FICO評分關注的客群特征屬性有五類，分別是客戶的信用歷史、信用賬戶數、使用信用的年限、正在使用的信用類型和新開立的信用賬戶。Vantage評分的評分維度包括支付歷史、信用賬戶類型和開戶時長、信用額度使用比率、負債情況、近期信貸行為、可用信貸余額等六個方面。這兩種評分的維度主要是個人的借貸信息。FICO和Vantage評分雖然覆蓋了美國大多數人群，但由于部分人群缺乏信貸歷史記錄或記錄較少，依然有15%的人群無法覆蓋。

為解決上述問題，費埃哲公司與Equifax、LexisNexis Risk Solutions兩家機構合作，專門推出FICO XD評分，引入電信、水、電、煤氣付款等信息，幫助美國4500萬無征信記錄的人群獲得評分服務。3家綜合消費者報告機構也開始將電信、公用事業、車輛、駕駛員違約等非信貸信息引入Vantage評分，提升評分產品覆蓋和分析能力。放貸機構ZestFinance也在信貸信息的基礎上引入互聯網數據等非結構化數據，利用多維數據和算法，為FICO評分低于550分的客戶和無FICO評分的客戶提供評分。

（三）評分業務監管重點在于評分信息可追溯、可異議、可糾錯

美國對信用評分業務的監管主要集中在《公平信用報告法》《平等信貸機會法案》（Equal Credit Opportunity Act）兩部法律中，從敏感數據保護、評分應用、信息準確性三個方面保護信息主體權益：一是明確不得使用歧視性信息。如《平等信貸機會法案》規定，禁止在評分中使用種族、膚色、宗教信仰、性別、婚姻狀況等信息。二是評分可追溯。《平等信貸機會法案》規定，申請人受到貸款機構“不利行動”（如拒絕或撤回信貸）時，貸款機構需出具“不利行動”理由的陳述。如果是應用了評分產品，則需披露評分產品中對申請人最不利的5項變量情況，申請人能夠了解到自身信息的來源和使用情況，并且有明確的方向和途徑改善自身信用情況。三是評分可異議、可糾錯。《公平信用報告法》規定，申請人有權向個人征信機構提出評分申請，個人征信機構應向申請人提供以下信息：最新評分分數、評分出具日期、評分模型所用的4個以內對申請人信用評分有負面影響的要素、評分信息來源等。申請人可免費向征信機構提出異議和信息糾錯的要求，征信機構需在規定時間內作出決定并向申請人反饋。

由于評分模型、評分方法具有一定專業性，且涉及企業商業秘密，美國未對評分模型、評分方法提出監管要求，一般由評分使用方從評分穩定性、區分度、有效性等方面對模型進行檢驗。信息主體對評分模型、評分方法存在異議的，可以聯系評分機構做出說明。為了加強社會公眾對信用評分的理解，評分機構一般會對外公布評分維度、影響評分的因素、提高評分的方法，定期發布評分有效性檢驗情況，部分機構還會在網站上提供“教育評分”模型供消費者試用。

（四）對提供個人信用評分產品的機構實施穿透式監管

《公平信用報告法》對于“個人信用評分業務”作出明確定義，評分如涉及對消費者償債能力、償債意愿、信用狀況以及誠信、信譽等的評價，用于對消費者服務定價的參照、區分，應用于個人租房、保險、就業等場景，就屬于消費者報告的范疇，由聯邦貿易委員對該業務進行監管，并要求從事個人信用評分業務的機構接受聯邦貿易委員會的監管。

以聯邦貿易委員會訴Spokeo公司為例。Spokeo自稱是一家不從事征信業務的信息服務商，主要在網絡上采集個人社交信息。該公司利用采集的信息開發了名為“Credit Estimate”（信用估算）、“Wealth Level”（財富等級）的產品（類似于個人信用評分），應用于招聘環節中個人求職者的資質審查。聯邦貿易委員會認為Spokeo的業務涉及對個人的評價，且用于招聘領域，屬于消費者報告業務的范疇，對其未按照《公平信用報告法》開展消費者報告業務處以80萬美元的罰款，責令其確保信息準確性，建立信息披露機制以及異議、投訴渠道，并對因該公司服務問題而遭受不公平待遇的個人進行賠償。

三、我國個人評分市場廣泛但目前存在一定問題

（一）開展個人評分的機構主要是具有集團公司、金融科技公司背景的機構

據不完全統計，除中國人民銀行征信中心外，國內提供個人評分服務的市場機構有50家之多。開展個人評分業務的機構主要分為三類：

一類是大型互聯網集團設立的獨立法人機構，如螞蟻金服的芝麻信用、京東集團的京東數科、百度集團的度小滿科技、騰訊的財付通、平安集團的前海征信等。這類機構依托集團內部積累的大量數據，結合少量外部數據，加工形成個人評分產品對外提供。

二是具有金融科技背景的獨立第三方機構，如百融云創、同盾科技等機構。這類機構自身不產生數據，主要從外部獲取數據，具有較強的數據挖掘和建模能力，通過對外部采集的數據進行加工處理，形成評分產品。

三是銀聯及其下屬公司和三大電訊運營商。如銀聯和銀聯智策根據消費者支付信息提供的“火眼D分”“持卡人消費綜合評分”，三大電訊運營商使用個人電訊身份、消費、繳費、通信等信息提供的 “試金石信用分”“聯通沃信用分”“電信甜橙分”等。

（二）評分模型主要應用非借貸數據，信貸信息使用較少

從評分模型使用的數據來看，信貸信息雖與個人信用狀況強相關，但當前其他機構基本上無法獲得全量的借貸數據，只能使用非借貸數據開展評分。以芝麻分為代表的互聯網公司的評分，主要使用客戶的支付、交易、出行、住宿、生活、公益等方面的數據，評分更多側重客戶身份信息、守約記錄、消費記錄、行為記錄等方面。以百融分、同盾分為代表的第三方科技公司主要使用客戶的身份信息、借貸申請信息、欺詐信息以及P2P網貸信息等，評分更側重客戶的借貸意向、欺詐風險和違約風險等。

（三）評分以金融場景為主，并已拓展到商業和社會生活領域

市場機構的評分產品已被廣泛應用到金融領域，據不完全統計，已經有40余家銀行業金融機構在使用市場機構的評分產品，主要被用于金融機構的授信審批領域，包括篩選高風險客戶、判斷客戶欺詐風險、評估客戶信用水平、進行客戶分層，或將評分作為授信模型參數之一，綜合判斷客戶信用風險。其中，貸前環節應用主要包括貸前審批及核定額度，金融機構根據借款人的評分決定是否發放貸款、發放多少貸款。在貸中貸后管理環節，評分主要用于監測借款人信用風險變化情況，對不同分數段的客群，金融機構采取調整貸款額度、設定還款提醒頻率、進行差異化催收等不同策略。除以上環節外，個人信用評分還被用于市場營銷、客戶分層分類管理等方面。從金融機構的應用情況上看，98%的產品為反欺詐等防風險類評分，營銷類和催收類評分比較少。

市場機構的評分產品除被應用到金融領域外，還拓展到免押租賃、先享后付等商業服務場景，如免押租房、免押租車、餐飲、購物等先消費后付款等。

（四）個人信用評分存在邊界不清、透明度不高等問題

一是數據服務與個人征信邊界不清，評分是否納入征信監管爭議較大。大多數評分機構認為自己采集的是個人的身份、支付、消費、社交等非借貸信息，而這類信息不屬于《征信業管理條例》規定的信用信息范圍，所提供的個人分是依據上述數據對個人消費能力、欺詐風險、誠信履約狀況的判斷，主要用于客戶篩選、客戶分層、欺詐風險評估等，并非對個人償債能力和償債意愿的判斷，因此不應納入征信監管。為規避征信監管，大部分市場機構提供的評分名稱都不含“信用”兩個字，而是以公司名稱或者用途代替。

二是個人評分透明度不高，評分準確性得不到保障。由于沒有明確的監管部門、缺乏有效的市場監管，市場機構并不愿主動公開自己的評分模型和評分使用的維度信息，評分如何作出、評分分值的調整規則對社會公眾而言是一個“黑箱子”。與傳統個人信用評分使用信貸信息等結構化數據，與數據提供者建立了有效的數據質量保障機制不同，市場機構的評分中使用的信息大多是主動抓取或實時調取，信息中存在大量模糊信息和不準確信息，而大數據評分、機器學習算法對評分所使用信息的準確性要求并不高，如部分機構根據公司住址推測信息主體的大概收入、根據信息主體購買車輛保險的支付記錄反向推測信息主體的車輛財產價值，還有市場機構評分使用地域信息，對屬于某一地域（詐騙分子較多的地域）的信息主體的評分分值直接扣減。

三是評分過程中信息主體權益無法得到有效保障。市場機構大量使用個人的消費、社交、通信等敏感信息，應用于個人評分模型中，這些信息無論是采集還是運用過程中，信息主體的知情權都沒有得到有效保障。由于評分模型、維度、數據不公開，信息主體無法知悉自己的評分是依據什么信息作出，更不清楚這些信息是否準確、是否同意市場機構使用這些信息、有無侵犯個人隱私。當信息主體因分值較低而在各類經濟活動中受到限制時，信息主體也無法提出異議、要求糾錯，甚至在很多市場機構向金融機構、其他商業機構提供評分的活動中，信息主體都不知道自己被評分了。

四、對完善我國個人信用評分的建議

（一）將市場機構提供的個人評分作為征信產品的一種，將評分納入征信監管

我國《征信業管理條例》第二條規定“個人征信業務是對個人的信用信息進行采集、整理、保存、加工，并向信息使用者提供的活動”。該條規定并未將信用信息限定為個人借貸信息。2005年中國人民銀行發布的《個人信用信息基礎數據庫管理暫行辦法》將個人信用信息定義為“個人身份信息、個人借貸信息以及反映個人信用狀況的其他信息”。社會信用體系建設部際聯席會議編制的公共信用信息目錄也將個人的身份、教育、社保、行政處罰、行政許可等信息都列入公共信用信息范圍。因此，個人信用信息并不僅限于個人借貸信息，個人信用評分也并非僅限于依據借貸信息所作出的評分。按照實質重于形式的監管原則，采集個人的非借貸信息，應用到金融機構放貸或其他經濟交易活動中，實際上已經涉及對個人信用狀況的判斷，影響到個人獲得公平合理的交易機會，應當認定為個人征信業務，由中國人民銀行依法實施征信監管。

（二）擴大評分的范圍，以開展實質性評價作為判斷是否屬于評分的標準

在當前的互聯網時代，市場機構評分以形式新穎、迎合年輕消費者需求為特征，許多機構并不以分值的形式來對信息主體進行評價，而是以個人信用畫像、行為特征刻畫等產品形式對外推廣，對于這類產品，應穿透產品的表面，看其是否涉及對個人信用狀況的評價，如果只是對個人消費能力、性格特征等方面的判斷，不主動應用到金融、經濟交易活動中對個人是否履約的判斷，則可不認定為屬于信用評分。但如涉及對個人償債能力、償債意愿、誠信狀況的判斷，用于金融、經濟交易活動中，則無論其外在表現形式如何，都應劃歸信用評分的范圍，依法實施監管。

（三）對個人信用評分的業務規則作出明確要求，使評分有法可依、有章可循

個人信用評分的業務規則，必須要與《征信業管理條例》的立法目的相符，即保護當事人合法權益。要提高個人信用評分的透明度，“陽光是最好的消毒劑”，只有在陽光之下，才能破解評分的黑匣子，信息主體才能了解自己的信用評分采用了哪些維度的信息，這類信息是否侵犯了個人隱私、是否同意市場機構使用這些信息、信息是否準確完整。當然提高評分的透明度，并非要求市場機構將評分的模型開發過程、模型使用的每一個信息都公開，評分模型的開發和應用涉及市場機構的商業秘密和市場競爭力，也應予以保護。因此評分方法和評分模型公開的范圍以反映評分的可靠性為限，這可有效規避市場機構借助個人信用評分濫采濫用個人信息的問題，促使評分機構更合理地使用個人信息、提高自身的數據分析挖掘能力。同時，為避免評分機構使用單一信息提供者的信息對個人作出評分，防范評分成為機構其他業務擴張的工具，應要求評分機構擴大模型的數據來源和維度，提高評分的客觀公正性。

（責任編輯? ? 王? ?媛;校對? ?WY，LY）