美國幫助“信用隱形”消費者創建信用報告方法對我國的借鑒與啟示

馮雨晴 吳悅僮

（中國人民銀行吉林省分行，吉林長春 130051；中國人民銀行白山市分行，吉林白山 130400）

一、引言

根據美國消費者金融保護局的數據，至少有2600萬美國人被歸為“信用隱形”群體，這個數字表明，每10名成年人中就有1名在全美國三家信用報告公司中不存在任何信用記錄；除此之外，另有約1900萬人因信用記錄不足無法獲得信用評分。為擴大金融包容度、降低信貸成本、減少信貸歧視，美國通過新增針對“信用隱形”群體的服務程序、開展替代數據共享、申請信用建設者貸款等方式解決“信用隱形”問題，邁出其創建信用報告和建立信用評分的第一步。與之相對，截至2020年9月，我國共有約8000萬戶小微企業、4000萬名在校大學生、3900萬名工作五年內的畢業生和6000萬名民政低保人群等缺乏信用記錄。2020年11月6日召開的第三屆中國國際進口博覽會上，時任中國人民銀行副行長陳雨露在普惠金融建設和數字化發展主題論壇表示：普惠金融重點服務的對象往往是這些缺乏信貸記錄甚至是沒有信貸記錄的“白戶”。

二、美國發展現狀

（一）分業立法，健全法律體系

1960年至2022年期間，美國相繼出臺了一系列信用與數據監管法律，逐步構建了以《公平信用報告法》和《平等信用機會法》為核心，《信息自由法》、《金融隱私權法》《公正信用賬單法》等20余部法律在內的法律監管體系（見表1）。其中，《公平信用報告法》[2]規范個人征信信息，以“公平、準確、隱私”為核心，規定個人信息主體、信用信息提供者、征信機構等在征信活動中的權利義務關系，約束征信機構、個人信息采集者、個人信息傳播者的行為，監督征信機構公平公正的提供征信服務，保護個人征信權益。

表1 美國征信行業法律體系建設

（二）不斷完善及創新信用評分工具

20世紀50年代，美國工程師BillFair和數學家Earllsaac研究設計了一套量化評分統計模型，這套模型于80年代進化演變成FICO信用分模型并沿用至今。盡管目前關聯度較小、算法歧視等問題暫未解決，但FICO自動評分模型依舊是世界上最常使用的個人信用評分模型，美國三大征信機構TransUnion、Equifax、Experian均采用FICO信用評分量化個人信用水平和風險，并參考其提供的算法模型推出各自的信用評分。FICO信用分數指標體系主要從5個維度判斷個人信用水平，分別為：信用償還歷史（35%）、信用賬戶數量（30%）、使用信用年限（15%）、正在使用的信用類型（10%）、新開立的信用賬戶（10%）。消費者可根據得分更快獲得信用貸款，大大縮短交易時間，提升交易效率，節約交易成本。同時，消費者種族、性別、膚色、宗教信仰、薪資、職業等因素對信用評分均不存在任何影響，有效保障信用評分的公正性、客觀性[3]。

伴隨著大數據的迅猛發展，TransUnion、Equifax、Experian三家征信機構聯合創立vantageLCC公司并推出VantageScore評分模型，旨在為4000萬暫未接入FICO評分系統的消費者提供信用評分。與FICO信用評分模型相比，VantageScore能夠收集信用記錄不足6個月的消費者并計算其信用分數（FICO信用分數要求信用記錄至少為6個月），同時以影響力作為評分標準，更適用于生活領域，且信息維度更全面、數據來源更廣泛。

（三）替代數據應用效能提高，信息采集標準和范圍愈加明晰

2005年，美國信息政策研究所預測未來替代數據僅包括車輛責任險、兒童保育費用、學費三類，然而十幾年后的現在，替代數據范圍已細化到稅務記錄、活期存款賬戶記錄、俱樂部紀錄、租金支付數據、公共機構數據等多個方面[4]。截至2020年末，美國利用替代數據成功解決貸款方案的機構增加到31家，較2010年提升了181%(見表2)。

近年來，美國不斷加強對債權人在信用交易中考慮種族、膚色、國家、性別、年齡、婚姻狀況、信用申請者收入來源等客觀因素行為的禁止力度，減少對潛在借款人的差別性待遇。2019年，美國聯邦儲備委員會、美國消費者金融保護局等五大機構就替代數據的使用發表聯合聲明，稱替代數據可以提高信用決策的準確性和速度，能夠有效幫助“信用隱形”消費者獲取信用貸款[5]，2020年，美國審計署調查發現，約50%的受調查人群使用替代數據成功申請了貸款。2022年，金融科技公司Nova Credit在一份名為《替代數據在借貸中的現狀》的報告中表示，替代數據的使用能夠增加征信行業的包容性，在信貸業務中納入替代數據不僅能提高貸款機構評估消費者信貸風險的能力，而且會增強金融長尾人群在信貸中獲益的概率[6]。

三、對我國的啟示

（一）創新平臺，滿足信用隱形人群信貸需求

從數據、服務和產品角度出發，構建多層次征信市場、提升征信市場化完備程度。一是積極探索替代數據新模式，在征信數據庫原有資源的基礎上，利用互聯網大數據、區塊鏈等新技術，進一步推進“銀行+非銀”信息采集轉型，積極發掘其他可被納入信用信息范圍的非銀數據，豐富征信系統數據內容，加快推進信息共享，擴大金融服務半徑。二是搭建多維信用體系，一方面，增加數據庫覆蓋面積，基于不同行業用戶的情況和需求,探索如網絡支付流水、用戶社保及納稅情況等參考渠道，擴大數據采集、應用范圍；另一方面，強化銀村合作，加快推進農村地區“整村授信”工作，提高授信覆蓋率，有效實現對金融長尾人群的高效授信決策，使其能夠合法、合規的進入受信任名單，獲取更完善的消費金融服務。

（二）統籌兼顧，深化數據聯動機制

政府持續深化數據聯動機制，形成標準一致、多方共治的征信服務體系。一是構建“政府+市場”的總體部署局面，公共征信機構與市場化征信機構協同合作，功能互補，促進征信服務多元化、法制化、市場化發展，提升金融長尾人群申請貸款的效率；二是助推“市場+科技”的協同工作機制，建立市場化征信機構與金融科技公司的合作平臺，應用數據挖掘技術和模型算法幫助征信機構獲取更高效、多維、科學的數據資源，提升數據抓取、數據治理及數據安保能力；三是做好“傳統+創新”的數據結合模式，以傳統數據為基礎、以創新技術為驅動，擴大信貸范圍，應用替代數據拓寬金融長尾群體獲取信用貸款的渠道；四是疏通“銀行+企業”的信息共享渠道，規范各地授信流程和信息查詢方式，降低銀行放貸前的信息搜集成本，化解企業信貸風險，暢通銀企融資對接，彌補區域間銀企信息不對稱短板。

（三）健全法律，構建健康外部環境

進一步細化征信多層次法律法規體系建設，完善替代數據監管權責、采集方式，實現更大范圍、更深層次的普惠金融。一是立足大數據征信系統中替代數據的應用趨勢，從法律層面明確規定替代數據采集與處理方式和法律地位，確保數據采集的明確性、相關性、合法性。二是與時俱進，持續完善征信業法律法規和相關的配套機制，適應征信發展新業態，促進各類征信機構的有序合作與競爭，實現征信信息的充分共享和有效使用，確保征信服務體系的普惠化、公平化發展，構建良好的金融生態外部環境。

（四）持續推進替代數據加工及信用評分體系建設

一是增強科研投入，以創新技術引領科技發展，充分利用區塊鏈、大數據等數字化技術，提升風險控制能力，進一步完善和普及個人信用評分體系，打造高質量數據信息平臺。二是汲取國內外現有信用評分體系的先進經驗做法，將正面工作成果逐步向下推廣，同時利用自身豐富的數據優勢，不斷改進信用評估模型和數據挖掘能力，提高信用評分的科學性和可靠性；三是深化信息聯動，統一信用評分標準，在保證信用安全的前提下，盡可能采集更多的線上及線下有效數據，并將信用評分指標與旅游、教育、醫療等行政服務模塊對接，建立完備的個人信用評分體系。