大数据时代我国信用评级业重构研究

章向东+钟为亚

摘 要：次贷危机和欧债危机暴露出信用评级业自身发展问题重重，大数据时代信用评级业面临着颠覆性的技术革命。要实现我国信用评级业重构，把握未来信用评级业方向，可行路径在于信用评级业与互联网平台融合发展。要达到融合发展的合意结果，互联网平台要着力推动信用大数据标准化应用；信用评级机构要主动拥抱互联网大数据平台；监管部门要积极协调好隐私保护与大数据利用。

关键词：大数据时代；数字经济；信用评级业；重构

一、引 言

人、机、物三元世界的高度融合引发了数据规模的爆炸式增长和数据模式的高度复杂化，世界已进入网络化的大数据时代。{1}{2}2012年3月，美国奥巴马政府宣布推出“大数据研究与发展倡议”（Big Data Research and Development Initiative）。该计划将投资两亿多美元，用于推动和改善与大数据相关的收集、组织、分析工具及技术。{3}奥巴马政府把大数据定义为“未来的新石油”，将大数据从商业行为上升到了国家战略层面。2014年春运期间，百度公司上线了一项技术品牌项目“百度迁徙”，该项目利用大数据技术，动态、实时地展现了中国春节前后人口迁徙的轨迹与特征。{4}

数字经济飞速发展，规模和边界不断扩大，拥有巨大的活力和发展空间。{5}据《中国互联网络发展状况统计报告》，中国2013年网民规模达6.18亿，互联网普及率为45.8%，我国数字经济具有坚实的用户基础。据工信部数据，2014年第一季度，我国信息消费规模达6 910亿元，增长22.3%；在2013年，我国电子商务交易额突破了10万亿元，我国数字经济发展势头强劲。同时，数字经济正在不断“吞噬”传统产业，推动传统产业发生根本性变革。{6}尤其是互联网金融的出现，加速了去金融中介化，带来了普世金融，颠覆了传统的金融业模式，给金融业带来了一种新的发展思维和理念，正引发金融业的深度变革。{7}信用评级业作为传统的金融行业之一，重构迹象已初现端倪。

二、信用评级：大数据时代数字经济的命脉

当前世界经济呈现出信用全球化发展趋势，信息技术的发展将整个世界连为一体，带来了信用的网络化发展，由此信用评级成为“地球村”数字经济活动的命脉。

1. 信用评级是数字经济交易双方的“名片”

数字经济时代交易双方来自世界各地，双方存在着严重的信息不对称，信用评级机构运用自身独有的技术、人才和经验优势，对交易双方进行评级，以简单的符号传递其信用风险。同时，信用等级“名片”将促进市场的优胜劣汰机制。获得高信用等级交易主体更容易被市场接受，交易量会越来越大，获得发展，而低信用等级的交易主体将被市场淘汰。买卖双方在交易中的信用行为也将影响其信用等级，信用等级又将决定最终受益，形成良性循环{8}，促进数字经济交易发展繁荣。

2. 信用评级是数字经济资金融通的“桥梁”

数字经济时代，借贷行为存在严重的逆向选择和道德风险问题，如果缺乏客观准确的信用评级，信誉差的借贷者倾向于举借更多的债务，并且其用途也得不到保证，导致资金融通不可持续。当前，数字经济资金融通以互联网金融模式最为盛行。手机银行和P2P（peer-to-peer）是互联网金融的两种主要模式{9}，其中又以P2P最能体现互联网金融特性，故本文以P2P为例来说明信用评级在数字经济资金融通中的“桥梁”作用。在2013年，我国P2P公司倒闭70家，涉资金额12亿元，给投资者带来了巨大损失。究其原因，除了诈骗、自融资等道德风险问题外，一个共同的根本原因就是缺乏借贷者信用数据，信用评级层次区分不清晰，风险控制受限，坏账率高企导致公司经营困难。2013年，我国P2P贷款额达680.3亿元，同比增长近两倍，呈现出井喷式增长态势。预计2014年突破1 000亿元，2014～2016年将保持超过100%的平均增长率（图1，数据来源于艾瑞咨询公司）。没有信用评级，数字经济资金融通难以得到有效的保障。

3. 信用评级是数字经济健康运行的“血脉”

一方面，信用评级打通了线上线下的信息分割，决定着数字经济的正常运行。线下企业获得了信用评级就等于获得了线上活动的“通行证”，线上企业获得的信用评级也将为其线下活动创造便利；另一方面，信用评级起着辅助监管的作用。信用评级结果在金融监管方面用来限制被监管机构的投资范围，决定金融机构的资本充足率，定义信息披露要求，将信用评级与市场准入挂钩。{10}数字经济时代，信用评级通过揭示线上经济活动的信用风险，为监管调控部门提供重要的行业状况信号，起到表征数字经济健康程度的作用。

三、大数据时代我国信用评级业面临的严峻挑战

1. 大数据时代信用评级业发展的国际国内态势

金融危机和欧洲主权债务危机暴露出信用评级业存在垄断、利益冲突、顺周期性等严峻问题，国际社会对信用评级的水平和效果产生了严重怀疑，大数据时代的到来将加速全球信用评级业进入后危机重构时期。

一是大数据将打破信用评级垄断。标普、穆迪和惠誉三大评级公司几乎垄断了现行的国际信用评级体系，这会导致两个问题：首先占主导地位的信用评级机构会排斥新的进入者，其次占主导地位的信用评级机构会降低他们提供服务的质量，以降低成本获取更高的收益。{11}后危机时代发展民族信用评级机构，并由民族评级机构主导和调控本国评级市场成为各国共同诉求。{12}大数据技术的出现，使得信用评级不再是少数机构的专利，拓宽了信用数据来源，全球信用评级主体将多元化。

二是大数据将改善发行人付费制度带来的利益冲突。现行信用评级收费制度为发行人付费制度，信用评级机构为了争取业务，存在着评级机构与发行人合谋，给发行人虚高评级以换取发行人的评级业务和费用收入的道德风险，将严重损害投资者利益。{13}大数据技术支撑下，数据量的大小与复杂程度已经不再是信用评级的障碍，这将促使信用评级业盈利模式的转变和“声誉约束机制”的回归。

三是大数据技术将改善信用评级业信息披露状况。信用评级机构作为独立第三方、“社会监管者”，具有信息披露义务，却极少公布其评级方法和程序，信用评级的调整理据不透明。{14}大数据信用评级程序和方法公开透明，数据来源广泛、数据分析深刻、客观，大数据信用评级将推动行业信息更加公开透明。

2. 信用评级业面临大数据的颠覆性技术革命

大数据具有3V特点{15}：规模浩大（Volume）、类型多样（Variety）、生成快速（Velocity），由此将从以下三方面引发信用评级业的技术革命：

一是基于海量数据，信用评级结果客观、准确。大数据的特点之一就是数据量浩大。截至2012年底，阿里巴巴中国站会员数量达5 200万，企业会员800万，淘宝职业商户达700万户，庞大的客户群体在线进行交易，产生海量数据，海量数据蕴含着海量信用信息，为信用分析提供了客观的数据基础。二是立足于多样化的信用评价指标。在P2P网络信贷中，收入、现金流、信贷记录等“硬指标”所能提供的信用信息有限，借款人与贷款人存在着严重的信息不对称。社交网络数据传递出贷款人风险 ，这一“软信息”显著改善了信息不对称状况，增加了贷款可能性，降低了贷款利率。{16}可以预见，大数据技术将会导致能够利用的信用评级数据类型更加丰富多样，对传统信用评级方法产生巨大冲击。三是评级调整更加具有时效性、前瞻性。大数据依托于云计算，数据挖掘和分析快速而高效。通过实时动态把握客户交易数据，能够及时发觉异常状况。对产业链条前后端的全面把握，更有利于及时揭示风险，对于宏观经济形势的把握更具有前瞻性，从而改善传统信用评级业的顺周期性。

据以上可知，大数据技术将从根本上改善信用评级结果。更加客观、准确和及时地公布评级结果，更具公信力，评级更具效率，必将颠覆传统的信用评级体系，技术“革命”将引发信用评级业制度“革命”。我国信用评级业起步晚，若沿着传统信用评级业的思路改革，必步人后尘。面对行业外的竞争与挑战，我国信用评级业如果不主动变革，将会被互联网平台重构。如果把握住大数据时代的契机，适应互联网数字经济创造出的新的信用评级需求，重构我国信用评级业，必将打破国际信用评级垄断，实现全球信用评级体系的再平衡。

3. 信用评级业面临与互联网企业融合的强烈需求

谋求与互联网平台融合发展是我国信用评级业实现重构的必由之路。电商平台、互联网金融的出现和发展带来客户交易数据的剧增，海量数据背后是一个复杂的关系网络，通过对这一网络关系的相关分析，挖掘出隐藏在数据中的信用资源，这是互联网金融的核心所在{17}，也是现代信用评级业重构的关键所在。信用评级机构要主动适应大数据时代带来的冲击，用大数据思维和技术做信用评级。

大数据时代，互联网企业与信用评级业存在着合作的基础与需求。互联网企业在数据积累和分析上有着天然的优势，海量数据蕴藏着丰富的信用信息，如阿里金融依托于阿里巴巴集团内部的电商平台，通过挖掘客户交易信息，建立了信用评价体系和信用数据库，据此为十万多家小企业提供贷款，但是依然存在业务渠道狭小、经验不足、相关人才缺乏的问题。{18}信用评级机构有着成熟的业务操作经验、稳固的客户群体，但是从国际信用评级机构所暴露出来的问题可以看到，信用评级机构在评级的前瞻性、及时性、客观性等方面存在着严重的缺陷。因此互联网企业与信用评级机构存在着相互合作的需求。

当前互联网平台与信用评级机构合作还比较少。大数据信用评级多局限于互联网金融内部，如P2P网络信贷平台中利用自身借贷平台数据对借款人进行评分；而阿里金融依托于阿里巴巴、淘宝等电子商务平台商户数据进行信用评分，属于内部评级。而传统信用评级机构则局限于传统信用评级技术和方法，缺乏大数据和互联网思维。对于信用评级结果的改善多基于改进评级程序、加强外部监管等。基于此种市场状况，有必要探讨如何促进互联网平台与信用评级机构的融合发展。

四、大数据时代我国信用评级业重构路径演化博弈分析

1. 演化博弈模型设定

理性经济人假设是西方经济学中的经典假设，但是由于经济形势复杂和认识能力受限等问题，经济人在做出决策时往往表现出“有限理性”，最开始不能或不会采用完全理性条件下的最优策略。{19}演化博弈模拟经济人在非理性条件下，通过竞争与合作等行为相互学习，调整行为策略，最终达到“进化稳定策略（ESS）”。为了探究影响信用评级机构与互联网平台合作的因素，本文构建了一个信用评级机构与互联网平台合作演化博弈。

（1）参与方：参与博弈的主体为互联网平台和信用评级机构。

（2）行为策略：互联网平台和信用评级机构都有两种博弈策略。互联网电商平台可以选择提供大数据技术和不提供大数据技术，即{提供，不提供}；信用评级机构可以选择合作和不合作，即{合作，不合作}。

（3）行为策略所占的比例：假定在博弈中，在互联网平台和信用评级机构群体中各随机抽取一个成员配对进行博弈，互联网平台群体中选择提供大数据技术所占比例为x，选择不提供大数据技术的比例为1-x；信用评级机构群体中选择合作的比例为y，选择不合作的比例为1-y。

（4）支付：互联网平台选择提供大数据技术的成本为C，成功合作获得的收益为V1，如果未能获得合作，则C成为沉没成本；信用评级机构提供信用评级服务的收益为P，不进行大数据技术升级的成本为C0，在与电商平台合作时获得大数据支撑的成本为V1，即互联网平台获得的收益，体现了互联网平台提供大数据的价值；如果信用评级机构自身进行大数据技术升级，成本为C2。显然C2>V1>C。由此可得如图2所示的支付矩阵。

2. 演化博弈模型分析

五、大数据时代我国信用评级业重构的政策建议

1. 互联网平台要着力推动信用大数据标准化应用

由演化博弈结果可知，要促进我国信用评级业重构，互联网平台合作意愿的增强来源于大数据技术成本的降低。信用资源具有网络外部性的特点，应用得越广泛越具有价值，而信用大数据的广泛应用以数据标准的统一为前提。《中国大数据技术与产业发展白皮书》指出大数据时代数据存在广泛的异构性，表现在：（1）数据类型从以结构化数据为主转向结构化、半结构化、非结构化三者融合；（2）数据产生方式的多样性带来数据源变化；（3）数据存储方式的变化，越来越多的数据不能仅仅采用关系数据库存储，需要新的存储方式应对数据爆炸。大数据的异构性带来了数据集成和数据分析的困难，不利于降低利用成本。对各领域的信用数据，应该统一格式，统一系统接口标准，相互分享数据，促进大数据信用分析的广泛应用。

2. 信用评级机构要主动拥抱互联网大数据平台

信用评级机构要积极寻求与互联网大数据平台融合发展，这是信用评级机构避免行业危机的必由之路。信用评级业应用大数据进行信用评级带来的一系列收益体现为成本的下降，而信用评级业自身发展大数据技术成本高昂，因此要积极寻求与互联网企业的技术合作。（1）思想现行。“大数据”正以各种方式和路径影响着企业的商业生态，{20}它正成为信用评级业发展的基本时代背景。（2）力推技术革命引致制度革命。信用评级机构要凭借自身的专业人才和客户资源，结合大数据技术支持，由大数据技术革命出发，助推信用评级体系的制度性变革，实现我国信用评级体系的重构，抢占数字经济时代信用评级业制高点。

3. 政府部门要积极协调好大数据利用与隐私保护

要促进信用评级业重构，首先要鼓励大数据技术应用。演化博弈结果表明，政府应该综合运用财政、产业政策，鼓励信用评级机构与互联网平台合作，助推演化初始值，增加双方合作动机，促进行业间技术、人才合作与交流。其次，大数据应用的一个重要问题就是隐私保护。要协调好隐私保护与大数据利用：一方面要完善立法。我国现阶段还缺少适用于大数据环境下的隐私保护法律法规。另一方面，要依靠技术。大数据技术在不断发展，监管技术也要随之发展，要设立相关行业技术标准，做好隐私保护。除了监管部门的努力外，还需要发挥行业自律，将政府部门的监管和行业自律结合起来。

注 释：

①Lohr S：“The age of big data”，New York Times，Vol.11，2012.

②李国杰：《大数据研究的科学价值》，《中国计算机学会通讯》2012年第8期。

③赛迪智库软件与信息服务研究所：《美国将发展大数据提升到战略层面》，《中国电子报》2012年7月17日。

④张舵、李峥巍、赵婧夷：《“百度迁徒”如何知道我们去哪儿了》，《新华每日电讯》2014年2月13日。

⑤⑥逢健、朱欣民：《国外数字经济发展趋势与数字经济国家发展战略》，《科技进步与对策》2013年第8期。

⑦乔海曙、吕慧敏：《中国互联网金融理论研究最新进展》，《金融论坛》2014年第7期。

⑧刘颖、王希俊：《信用违约互换在我国商业银行的信用管理研究》，《求索》2013年第2期。

⑨谢平、邹传伟：《互联网金融模式研究》，《金融研究》2012年第12期。

⑩谢平、许国平、李德：《运用信用评级原理加强金融监管》，《管理世界》2001年第1期。

{11}刘晓剑：《中国信用评级行业监管研究》，湖南大学博士学位论文，2012年，第100-133页。

{12}胡文莲、孙哲、肖瑞婷：《后危机时代国际信用评级业改革趋势及其启示》，《中国金融》2010年第8期。

{13}张强、张宝：《次贷危机视角下对信用评级机构监管的重新思考》，《中央财经大学学报》2009年第5期。

{14}周小川：《关于信用评级的若干问题及展望》，《西部金融》2012年第2期。

{15}Bryant，R E，R H Katz，E D Lazowska：“Big-data Computing： Creating Revolutionary Breakthroughs in Commerce，Science，and Society”，Computing Research Initiatives for the 21st Century，2008，pp.1-15.

{16}Freedman S，Jin G Z：“The Signaling Value of Online Social Networks： Lessons from Peer-to-Peer Lending”，National Bureau of Economic Research Working Paper， 2014.

{17}陈凯：《数据征信是征信技术发展的方向》，《中国经济周刊》2013年第44期。

{18}钟曜磷、彭大衡：《阿里征信模式对我国金融征信体系建设的启示》，《征信》2014年第2期。

{19}谢识予：《经济博弈论》，上海：复旦大学出版社，2002年，第208-285页。

{20}李文莲、夏健明：《基于“大数据”的商业模式创新》，《中国工业经济》2013年第5期。

（责任编校：文 香）

由演化博弈结果可知，要促进我国信用评级业重构，互联网平台合作意愿的增强来源于大数据技术成本的降低。信用资源具有网络外部性的特点，应用得越广泛越具有价值，而信用大数据的广泛应用以数据标准的统一为前提。《中国大数据技术与产业发展白皮书》指出大数据时代数据存在广泛的异构性，表现在：（1）数据类型从以结构化数据为主转向结构化、半结构化、非结构化三者融合；（2）数据产生方式的多样性带来数据源变化；（3）数据存储方式的变化，越来越多的数据不能仅仅采用关系数据库存储，需要新的存储方式应对数据爆炸。大数据的异构性带来了数据集成和数据分析的困难，不利于降低利用成本。对各领域的信用数据，应该统一格式，统一系统接口标准，相互分享数据，促进大数据信用分析的广泛应用。

2. 信用评级机构要主动拥抱互联网大数据平台

信用评级机构要积极寻求与互联网大数据平台融合发展，这是信用评级机构避免行业危机的必由之路。信用评级业应用大数据进行信用评级带来的一系列收益体现为成本的下降，而信用评级业自身发展大数据技术成本高昂，因此要积极寻求与互联网企业的技术合作。（1）思想现行。“大数据”正以各种方式和路径影响着企业的商业生态，{20}它正成为信用评级业发展的基本时代背景。（2）力推技术革命引致制度革命。信用评级机构要凭借自身的专业人才和客户资源，结合大数据技术支持，由大数据技术革命出发，助推信用评级体系的制度性变革，实现我国信用评级体系的重构，抢占数字经济时代信用评级业制高点。

3. 政府部门要积极协调好大数据利用与隐私保护

要促进信用评级业重构，首先要鼓励大数据技术应用。演化博弈结果表明，政府应该综合运用财政、产业政策，鼓励信用评级机构与互联网平台合作，助推演化初始值，增加双方合作动机，促进行业间技术、人才合作与交流。其次，大数据应用的一个重要问题就是隐私保护。要协调好隐私保护与大数据利用：一方面要完善立法。我国现阶段还缺少适用于大数据环境下的隐私保护法律法规。另一方面，要依靠技术。大数据技术在不断发展，监管技术也要随之发展，要设立相关行业技术标准，做好隐私保护。除了监管部门的努力外，还需要发挥行业自律，将政府部门的监管和行业自律结合起来。

注 释：

①Lohr S：“The age of big data”，New York Times，Vol.11，2012.

②李国杰：《大数据研究的科学价值》，《中国计算机学会通讯》2012年第8期。

③赛迪智库软件与信息服务研究所：《美国将发展大数据提升到战略层面》，《中国电子报》2012年7月17日。

④张舵、李峥巍、赵婧夷：《“百度迁徒”如何知道我们去哪儿了》，《新华每日电讯》2014年2月13日。

⑤⑥逢健、朱欣民：《国外数字经济发展趋势与数字经济国家发展战略》，《科技进步与对策》2013年第8期。

⑦乔海曙、吕慧敏：《中国互联网金融理论研究最新进展》，《金融论坛》2014年第7期。

⑧刘颖、王希俊：《信用违约互换在我国商业银行的信用管理研究》，《求索》2013年第2期。

⑨谢平、邹传伟：《互联网金融模式研究》，《金融研究》2012年第12期。

⑩谢平、许国平、李德：《运用信用评级原理加强金融监管》，《管理世界》2001年第1期。

{11}刘晓剑：《中国信用评级行业监管研究》，湖南大学博士学位论文，2012年，第100-133页。

{12}胡文莲、孙哲、肖瑞婷：《后危机时代国际信用评级业改革趋势及其启示》，《中国金融》2010年第8期。

{13}张强、张宝：《次贷危机视角下对信用评级机构监管的重新思考》，《中央财经大学学报》2009年第5期。

{14}周小川：《关于信用评级的若干问题及展望》，《西部金融》2012年第2期。

{15}Bryant，R E，R H Katz，E D Lazowska：“Big-data Computing： Creating Revolutionary Breakthroughs in Commerce，Science，and Society”，Computing Research Initiatives for the 21st Century，2008，pp.1-15.

{16}Freedman S，Jin G Z：“The Signaling Value of Online Social Networks： Lessons from Peer-to-Peer Lending”，National Bureau of Economic Research Working Paper， 2014.

{17}陈凯：《数据征信是征信技术发展的方向》，《中国经济周刊》2013年第44期。

{18}钟曜磷、彭大衡：《阿里征信模式对我国金融征信体系建设的启示》，《征信》2014年第2期。

{19}谢识予：《经济博弈论》，上海：复旦大学出版社，2002年，第208-285页。

{20}李文莲、夏健明：《基于“大数据”的商业模式创新》，《中国工业经济》2013年第5期。

（责任编校：文 香）

由演化博弈结果可知，要促进我国信用评级业重构，互联网平台合作意愿的增强来源于大数据技术成本的降低。信用资源具有网络外部性的特点，应用得越广泛越具有价值，而信用大数据的广泛应用以数据标准的统一为前提。《中国大数据技术与产业发展白皮书》指出大数据时代数据存在广泛的异构性，表现在：（1）数据类型从以结构化数据为主转向结构化、半结构化、非结构化三者融合；（2）数据产生方式的多样性带来数据源变化；（3）数据存储方式的变化，越来越多的数据不能仅仅采用关系数据库存储，需要新的存储方式应对数据爆炸。大数据的异构性带来了数据集成和数据分析的困难，不利于降低利用成本。对各领域的信用数据，应该统一格式，统一系统接口标准，相互分享数据，促进大数据信用分析的广泛应用。

2. 信用评级机构要主动拥抱互联网大数据平台

信用评级机构要积极寻求与互联网大数据平台融合发展，这是信用评级机构避免行业危机的必由之路。信用评级业应用大数据进行信用评级带来的一系列收益体现为成本的下降，而信用评级业自身发展大数据技术成本高昂，因此要积极寻求与互联网企业的技术合作。（1）思想现行。“大数据”正以各种方式和路径影响着企业的商业生态，{20}它正成为信用评级业发展的基本时代背景。（2）力推技术革命引致制度革命。信用评级机构要凭借自身的专业人才和客户资源，结合大数据技术支持，由大数据技术革命出发，助推信用评级体系的制度性变革，实现我国信用评级体系的重构，抢占数字经济时代信用评级业制高点。

3. 政府部门要积极协调好大数据利用与隐私保护

要促进信用评级业重构，首先要鼓励大数据技术应用。演化博弈结果表明，政府应该综合运用财政、产业政策，鼓励信用评级机构与互联网平台合作，助推演化初始值，增加双方合作动机，促进行业间技术、人才合作与交流。其次，大数据应用的一个重要问题就是隐私保护。要协调好隐私保护与大数据利用：一方面要完善立法。我国现阶段还缺少适用于大数据环境下的隐私保护法律法规。另一方面，要依靠技术。大数据技术在不断发展，监管技术也要随之发展，要设立相关行业技术标准，做好隐私保护。除了监管部门的努力外，还需要发挥行业自律，将政府部门的监管和行业自律结合起来。

注 释：

①Lohr S：“The age of big data”，New York Times，Vol.11，2012.

②李国杰：《大数据研究的科学价值》，《中国计算机学会通讯》2012年第8期。

③赛迪智库软件与信息服务研究所：《美国将发展大数据提升到战略层面》，《中国电子报》2012年7月17日。

④张舵、李峥巍、赵婧夷：《“百度迁徒”如何知道我们去哪儿了》，《新华每日电讯》2014年2月13日。

⑤⑥逢健、朱欣民：《国外数字经济发展趋势与数字经济国家发展战略》，《科技进步与对策》2013年第8期。

⑦乔海曙、吕慧敏：《中国互联网金融理论研究最新进展》，《金融论坛》2014年第7期。

⑧刘颖、王希俊：《信用违约互换在我国商业银行的信用管理研究》，《求索》2013年第2期。

⑨谢平、邹传伟：《互联网金融模式研究》，《金融研究》2012年第12期。

⑩谢平、许国平、李德：《运用信用评级原理加强金融监管》，《管理世界》2001年第1期。

{11}刘晓剑：《中国信用评级行业监管研究》，湖南大学博士学位论文，2012年，第100-133页。

{12}胡文莲、孙哲、肖瑞婷：《后危机时代国际信用评级业改革趋势及其启示》，《中国金融》2010年第8期。

{13}张强、张宝：《次贷危机视角下对信用评级机构监管的重新思考》，《中央财经大学学报》2009年第5期。

{14}周小川：《关于信用评级的若干问题及展望》，《西部金融》2012年第2期。

{15}Bryant，R E，R H Katz，E D Lazowska：“Big-data Computing： Creating Revolutionary Breakthroughs in Commerce，Science，and Society”，Computing Research Initiatives for the 21st Century，2008，pp.1-15.

{16}Freedman S，Jin G Z：“The Signaling Value of Online Social Networks： Lessons from Peer-to-Peer Lending”，National Bureau of Economic Research Working Paper， 2014.

{17}陈凯：《数据征信是征信技术发展的方向》，《中国经济周刊》2013年第44期。

{18}钟曜磷、彭大衡：《阿里征信模式对我国金融征信体系建设的启示》，《征信》2014年第2期。

{19}谢识予：《经济博弈论》，上海：复旦大学出版社，2002年，第208-285页。

{20}李文莲、夏健明：《基于“大数据”的商业模式创新》，《中国工业经济》2013年第5期。

（责任编校：文 香）