信用信息 大数据对传统资信评估的影响及国际征信行业现状
信用信息 大数据对传统资信评估的影响及国际征信行业现状
订阅RSS,随时关注

>>当前位置: 首页 > 荣誉资质

信用信息 大数据对传统资信评估的影响及国际征信行业现状

发布时间:2018-10-06 04:06:17

商家详细信息:

  大数据资信评估拓展了信用信息的内涵,丰富了信用信息的内容,提高了资信评估的决策质量,降低了传统资信评估的数据门槛,弥补了传统资信评估市场的不足。大数据资信评估市场空间巨大,最终会占据主导地位,但会加剧该市场的垄断性。本文主要结合企业信用评级和个人信用评分探讨大数据对传统资信评估的影响,这对于推进中国评级市场和征信市场的跨越式发展,完善社会信用体系具有非常重要的理论意义与实践意义。

  1830年,英国伦敦第一家现代征信机构的出现标志着资信评估行业的诞生。到20世纪初,资信评估行业逐渐形成了信用评级和征信两大相对独立的分支。前者主要服务于资本市场,如美国的标普、中国的大公国际等公司;后者主要服务于借贷市场,如美国的FICO公司、中国的中国人民银行征信中心等机构。从1830年到21世纪初,资信评估行业基本上可以划分为20世纪中期之前的前电子化资信评估和之后的电子化资信评估两个阶段。为便于对比分析,接下来本文将电子化资信评估定义为传统资信评估,将目前依托大数据的资信评估简称为大数据资信评估,如Zest Finance、Kreditech、Wecash闪银等公司均是采用大数据资信评估。资信评估对于揭示经济金融市场中的信用风险,提高资源配置和金融市场效率具有十分重要的意义。

  大数据是信息时代发展到数字化阶段的结果与体现,尽管对于大数据以及大数据时代的定义还存在一些争议,但是大数据对人类社会、经济、思想、文化等领域的影响与冲击则是有目共睹,并且这种影响日益深刻与广泛[1]。大数据时代的一个突出特征就是信息量及增长速度的飞速提高,同时信息传输方式越来越便捷。而揭示信用风险的资信评估正是以信用信息为加工和分析的载体,当前大数据对传统资信评估尤其是在企业信用评级和个人信用评分方面产生了巨大的冲击。

  信用信息指反映或描述信用主体信用状况的相关数据和资料等,主要包括政府信用信息、企业信用信息和个人信用信息。在传统资信评估中,企业信用信息主要指资产负债信息、经营信息等,个人信用信息主要指银行记录以及负债等信息(见表1)[2]。无论企业还是个人,财务信息都在传统资信评估中居于核心地位。而大数据资信评估中,信用主体的任何信息都是信用信息,如客户属性、网上交易记录、网上信用评价、网上交易习惯、社交网络信息以及财务信息等。信用信息的范围和类型没有边界,财务信息不再是最主要的部分,只是信用信息的一部分,甚至是很小的一部分。以Zest Finance为例,传统信用数据最多占30%~40%。相反,许多传统资信评估排除在外的信息,反而成为重要的信用信息,如拼写习惯、设备终端品牌,填写问卷的时间、浏览网络的时段、输入差错频率、手机的使用情况和位置数据等。信用信息内涵的无限制拓展全方位改变了传统资信评估的运行模式,这也是大数据资信评估不同于传统资信评估的最基本前提。

  传统资信评估的信用信息来源主要是以银行为主的金融机构,如私营商业银行、上市商业银行、开发银行、信用合作社、财务公司、信用卡发卡公司、贷款公司等,另外也有部分公用事业单位。因此,其信用信息主要是金融交易记录信息,这一点在中国人民银行征信报告中体现得也非常明显。而大数据资信评估的信息来源比较广泛,除了通过征信机构获得传统资信评估信息以外,主要借助现代通信技术,从社交网络、电商网络、移动终端等获得各种信用信息[3],并且这些网络来源的信息量非常大。

  美国FICO信用评分指标不超过50个,一般包含15~20个变量,当前中国人民银行的个人信用报告也包含20个左右的变量。而美国的Zest Finance公司进行信用评估时,采集贷款人1万多条信息,最后遴选出7000条指标变量;德国的Kreditech,采集15000多个数据点;中国的Wecash闪银软件,采集用户的6000个数据点。

  根据存储特征,可以将数据分为结构化数据、非结构化数据。结构化数据具有一定的逻辑结构和物理结构,一般存储在数据库中,大多存储在关系数据库中。结构化以外的数据即为非结构化数据,大多以文本的形式存在,不能存储到数据库中,而非结构化数据中,有一部分又具有一定的逻辑结构和物理结构,如HTML、XML中的一些数据,即属于半结构化数据。传统信用信息对应的数据基本是结构化数据,可以用二维表描述,而大数据时代的信用信息大多是非结构化数据,难以用传统的数据库储存[4],这就使得大数据资信评估的数据分析手段与传统资信评估区别较大(见表2)。

  无论企业信用评级还是个人信用评分,传统资信评估的技术手段侧重于对抽样的计量回归分析,尤其是正态分布假设下的线性回归,因为传统信用数据多是横截面数据、时间序列数据和面板数据等结构化数据。而大数据资信评估所面对的信息量非常大,并且大多是非结构化数据,这就决定了其资信评估的技术手段侧重于机器学习,以全样本为对象进行如因素分析、判别分析、分群分析、决策树、类神经网络以及规则归纳等。而且大数据资信评估对计算机的运算能力要求和依赖程度非常高,如在Zest Finance公司,Hilbert模型中有7000多条变量,75%依靠计算机处理,只有25%依靠人工干预。另外,数据分析的目的也更加体现实用性、可操作性。传统资信评估的计量分析侧重于假设检验,包括参数检验,而大数据资信评估数据分析的目的以预测为主,包括具体数值的预测和场景预测。[4]

  上述数据分析技术手段变革的结果之一,是资信评估的时间成本大大降低。以Wecash闪银为例,5000元人民币以内的微授信在借款人登录和提交资料以后,10分钟内可以完成授信决策,借款人可以即刻提现;50万元以内大额授信需2~3个工作日可以提现。而Zest Finance对借款人的上万条数据分析在5秒钟内全部完成。Kreditech从各种公开来源的信息判断借贷者欺诈、欠账与及时还款的可能性只需35秒,15分钟之内完成贷款发放。而在传统资信评估最顶尖的FICO评分中,完成抵押贷款的审批需要0.5个至2个工作日,汽车贷款在1小时左右,小额消费信贷需要15分钟。其决策时长远远高于大数据资信评估。

  大数据资信评估的另一个优势就是申请人可以随时借助互联网终端进行申请信贷,不受时间与设备的限制,而传统资信评估需要一些现场操作,并主要局限在工作日和工作时段(见表3)。

  进入传统资信评估行业的数据门槛体现在两方面:一是数据库规模要足够的大。这是由信用信息的成本收益特征决定的。比如益佰利公司拥有全球4亿家企业和1.3亿家庭及个人的信用信息,环联公司拥有2.2亿个消费者的信用信息,邓白氏公司拥有全球2亿多家企业的信用信息[5]。二是数据分析模型的准确性高,能经受住市场的检验。传统资信评估不仅在横向上需要有足够大的数据库规模支撑开发资信评估模型,而且在纵向上需要数据库有足够长的时间跨度以检验校正资信评估模型,以建立一个较高违约预测准确度并且比较稳定的资信评估模型。所以,尽管一些发展中国家建立公共征信机构,依托行政力量可以在较短的时间内建立庞大的信用数据库,但是很难在短时间内开发出能经受市场检验的资信评估模型。如果资信评估模型的准确度不高,则无法建立良好的市场声誉,没有良好的市场声誉,资信评估机构也就没有市场。

  大数据资信评估分别借助网络平台、机器学习突破了上述两大限制。第一,借助网络平台,大规模获取客户信用信息,短时间内建立一个庞大的数据库规模。以Zest Finance为例,通过第三方组织、访问互联网系统,如个人社交账户等可以从多领域、多机构获取和整合个人信用信息,再加上客户提交的数据,大数据资信评估公司可以在非常短的时间内建立一个非常完整的而且极其详细的个人信用资料库(见表4)。Zest Finance公司从2012年至今至少积累了10亿条个人信用信息,速度非常快、规模非常大。第二,通过机器学习、数据挖掘建立了比较准确的信用评估模型,大大加快了市场声誉积累的时间过程。如Zest Finance比传统评分方法的违约率下降了40%。又如中国的金电联行2007年成立,截至2014年第一季度,通过大数据资信评估,已累计为1000多家企业提供超过40亿元的信用融资,最高授信达6800万元,截至目前未发生一笔不良贷款。正是由于其准确的违约预测,大数据资信评估公司市场发展非常迅速。

  在服务的客户群体上,大数据资信评估主要针对信用不良以及缺乏信用记录的群体。由于传统资信评估主要依托财务信息,尤其是银行信贷信息,所以其主要客户是拥有银行信贷记录并且信用良好的群体。以美国为例,评分高于650分的群体在向大银行融资时主要借助传统资信评估,而低信用评分的群体由于很难从大银行机构融资,因此也很少应用传统资信评估。但大数据资信评估主要针对低评分群体。如Zest Finance主要针对的是FICO评分低于500分的群体,Avant Credit主要针对FICO评分低于600分的群体。尽管一些大数据资信评估公司定位为任何人提供服务,但是目前主要的服务群体仍然集中在信用记录缺乏乃至不良的群体。

  在服务的金融市场上,大数据资信评估主要针对的是小额信贷,并且期限较短。传统资信评估大多集中在额度较大、期限较长的信贷市场,如汽车贷款、住房贷款参考FICO评分定价后,可以发放高达上百万元长达数十年的信贷。而大数据资信评估主要针对小额度、短期信贷。如Wecash闪银分别发放6000元以内微授信和6000~500000元的大额授信两个档次2~18期的贷款,Avant Credit发放100~1000美元,1~4年期的贷款(见表5)。

  大数据资信评估与互联网金融合二为一,信息征集、资信评估、银行信贷三者合一。传统资信评估公司的信息征集、信用评级、信贷融资业务通常分别由不同的公司独立经营,如在美国,300多家小征信公司以及三大征信公司从事个人信用信息征集,FICO公司从事个人信用评分业务,银行利用FICO评分从事信贷融资业务。而从事大数据资信评估的公司,集信息征集、数据分析、资信评估、信贷融资于一体,大大延长了传统资信评估的产业链条,改变了传统资信评估行业的产业形态。甚至部分大数据资信评估公司,在发展战略上以替代银行为目标,如Kreditech在2014年已经开始发行信用卡。

  目前,德国73%的人群享受不到银行服务,美国有4400万人没有银行信用记录,全球有25亿成年人没有得到过正规金融服务,有40亿人没有信息记录和信用评分[6]。这些人群都是大数据资信评估的首要目标市场。如果这些人群没有登录互联网,这些人群只能是潜在的市场。所幸的是,全球网民数量快速增加。根据市场研究公司eMarkete的研究,2015年全球网民逼近30亿,2018年将达到36亿,占全球人口的50%。从某种程度上说,网民有多少,大数据的市场规模就有多大。依据当前的贷款利率,大数据资信评估公司拥有非常丰厚的利润收入,Avant Credit信用贷款的年化利率高达397%,远远高于正规金融的贷款利率水平。

  大数据资信评估以弥补传统资信不足为切入点进入市场,在最近3~7年,如上文所述,大数据资信评估将与传统资信评估并行不悖,相互补充。但是,着眼未来,大数据资信评估将替代传统资信评估的市场主导地位。原因如下:第一,从大数据资信评估公司成立2年来的融资速度与规模看,传统资信评估市场将很快被大数据资信评估占领。中国的Wecash在2014年8月获得IDG资本4000万元人民币的融资[7];截至2014年12月,美国的Zest Finance公司,已经获得3轮、累计1.12亿美元的融资,业务范围横跨美英两国[8];截至2014年6月,德国的Kreditech公司已经获得2轮、累计1500万美元的融资,还在波兰、西班牙、捷克及俄罗斯等8个国家开展业务(见表6)。第二,从业务范围看,大数据资信评估提供的服务产品逐渐覆盖传统资信评估。如德国的Kreditech公司目标客户定位为所有群体,并且其融资产品已从小额贷款、分期付款扩展到虚拟信用卡、一般信用卡。传统资信评估的市场在未来10年左右将被大数据资信评估占领。

  大数据资信评估虽然打破了传统资信评估的数据门槛,但是其技术进入门槛更高。由于其依托机器学习、数据挖掘处理数据,使得其对计算机载体及后台人力资源有更高的要求,也需要巨额的资本投资。大数据资信评估与融资市场结合在一起,融资市场的进入门槛将会提高大数据资信评估的行业进入难度。因此,资信评估行业的进入门槛将会更高。较高的市场进入门槛会导致资信评估市场更加垄断,而不是提高竞争。Kreditech公司成立2年就已经扩展到8个国家,并且还在不断地扩张市场。可见,大数据资信评估公司具有非常强的市场扩展倾向,必然导致更高程度的垄断。

  第一,在理论上,信息不对称理论面临挑战。以往的经典经济学理论中,信贷市场中的借款方是代理方,拥有私人信息优势,而贷款方是委托方,处于信息劣势,面临借款人的道德风险和逆向选择。但是在大数据资信评估中,不但借贷双方的信息不对称问题几乎消除,甚至委托方与代理方的地位发生逆转。在大数据背景下,借款方的许多私人信息,如上网行为信息,可能借款方都没有注意到,但是已经为贷款方所收集和掌握,并加以分析。在这一过程中,似乎借款方成为委托方,贷款方成为代理方。经典的信息不对称理论如何解释这一现象,如何提出相应的规制对策是一个十分重要的理论问题。第二,在实践上,金融监管机制应如何调整。大数据资信评估首先与普惠金融结合,继而冲击商业银行系统乃至整个金融系统,这将对传统货币政策工具的传导机制产生影响。作为金融监管当局该如何调整金融监管机制是一个非常具有挑战性的问题,尤其是在大数据资信评估迅速发展的背景下。

  要继续访问我们的网站,只需关闭您的广告并刷新页面。滚动到顶部-->



推荐