交通大数据的征信系统建模理论与指标体系

张丽岩 葛静 马健 陆胜

我国的征信行业仍处于起步状态，统一信联的推出是征信行业体系迈出的一大步，属于时代性的大跨步，将来征信行业的发展仍是一条漫长而又坎坷的道路。目前的征信体系大多集中于政府、企业、及个人金融层面，涉及具体至生活层面的评价及评估体系模型少之又少，对于交通行业而言，考虑交通大数据的征信模型基本没有，并且理论体系在这一层面也有所欠缺。如何克服交通行业及跨行业的数据共享问题，建设起考虑交通大数据的征信模型是促进交通行业发展的巨大推动力。

1.征信体系的研究现状

由于评价维度及适用性的发展，参与个人信用评价的人群愈来愈多，随着参与人群的增加，信用风险发生的影响范围及程度大大提升。随着近年来科学文化的发展，各国对于构建适应本国国情的个人征信体系的关注程度大大提升，如何确立起适应自身发展的固有模式及框架，如何合理操作运行整个征信体系均是各国随着时代的发展而考虑适应自身发展需求的征信新课题，随着近年来互联网行业的快速发展，越来越多的研究人员参与到信用体系的建设中。

1.1 国内研究现状

我国近代的征信体系建设起步较晚，在20世纪90年代初期才开始着手研究，通过对征信所需数据的收集、分析、评价等手段对个人信用进行一个笼统的评价，缺乏合理及科学有效的依据。早期的征信体系可以大致分为企业的征信体系及个人的征信体系，并且主要集中于金融行业。随着社会时代的进步，传统金融征信体系的基础并加上互联网的优势衍生出内容更加丰富的互联网个人征信体系，是整个征信行业发展的大跨步。我国国内关于征信体制的研究主要有以下三方面的内容研究：

（1）关于互联网金融个人征信体系重要性的研究。互联网金融的发展对于个人征信体系的建设发展的依赖性越来越大，通过征信体系的完善能够有效完善互联网金融行业的发展，征信体系的建设大幅度能够减少个人征信成本及提升征信效率。宋世伦、刘岩松（2012）认为，个人信用数据资源的采集会因相关网络技术手段的发展变得更便捷，同时大数据网络的发展能够获取更加全面的个人数据，为个人征信行业提供更加便利，更加多元化的综合服务。

（2）关于大数据个人征信方法的研究。大数据环境下的互联网个人征信体系的建设大多是依靠大数据带动的个人信息资源的获取。李博、董亮（2013）发现，考虑到大数据个人征信的特点，信息资源全面、来源丰富能够为个人信息数据的获取提供最大的便利，收集的信息维度更加丰富，评价更加全面。黄蛮（2014）提出，由于大数据环境下个人信息的收集与处理更加便捷，不同种类的信息均可以提供信息采集的资源点，进一步丰富个人征信体系的内容，最大程度满足各方面用户的需求。

（3）关于互联网个人征信体系构建模式的研究。如何构建符合时代要求的互联网个人征信体系是当今各研究学者都在热衷的话题。刘芸、朱瑞博（2014）认为，由于最初开展征信的是中国人民银行的征信系统，让互联网金融与中国人民银行基础平台相对接，构建起符合时代要求的新型互联网个人征信系统。袁新峰（2014）提出建设我国互联网征信体系应当尝试建立起征信子系统，即在总的征信模式下着重突出具体的某个方面的征信体系，比如构建起互联网金融征信子系统，并在构建的过程中将个人的隐私权放在首要位置，在保护个人信息的前提下实现信用评估的创新。

国内的学术界对于互联网征信体系的构建研究处于初步阶段，对于考虑交通大数据的征信模型更是处于萌芽阶段，各种相关文献相当匮乏，但是随着互联网金融在我国的快速发展，个人征信问题也倍受关注，国家也越来越重视个人征信体系的建设。

1.2 国外研究现状

相比较于国内征信行业的发展，在国外，如美国早在十九世纪中期就开始进行民间信用服务的建设，处于对当时社会发展的需要，构建起了不同种类的各个信用服务机构，从自身的工作业务角度慢慢磨合并实行适应于自身行业发展的征信体系研究。早在20世纪60年代后，就开始将征信体系的相关研究重点放入到法律法规的建设中去，随着社会的发展，又慢慢将重点移动至征信模式的研究中去。以下是几点具有代表性的研究方面：

（1）关于个人征信体系构建模式的比较研究。玛格里特·米勒（2004）建议将公共的征信模式与民营征信模式互补结合，由于两者具备各自不同的优势，二者的结合将征信模式的适用性大幅度提高，有利于对市场风险的调控及信用数据资源的完善。尼古拉·杰因茨（2009）提出要深入分析了解不同国家的征信模式，从模型的产生及使用对征信模式进行全方位多层次的评估分析，通过经济学的研究方法确定征信体系与经济的相互关系。

（2）关于个人信用评价重要性的研究。早在二十世纪九十年代中期就有将互联网金融的雏形出现。玛丽·克罗宁（1997）就认为互联网可以将资金的運转提升至极限，能够在世界每个角落进行。Angelini E（2008）提出了个人信用评价的数据资源将偏向于个人的数据而不仅限于金融层面。Crosman P在2012年通过实验证明了个人的行为数据相比较于传统的个人金融数据具有相当大的优点，通过互联网技术的交流及机器的数据分析能够有效推断出个人的行为偏好及其信用度，并且将评估个人信用的方法不断优化，最大限度满足各行业对信用评价的不同需求，将评价的结果更加精细化。随着互联网时代的发展，大数据的融入，个人征信的数据资源将更加丰富，其评价指标将更加丰富。

综上所述，由于每位专家和学者的研究侧重点不同，针对具体行业的个人征信体系构建的研究比较少，尤其是对考虑交通行业所专门设定的征信体系几乎没有，对于考虑交通大数据建设交通行业征信体系的文章研究也少只能散见于一些论文中，缺乏学术界思想潮流的支持。随着大数据网络时代的发展，个人征信体系的研究终将会成为时代发展的主流。

2.构建考虑交通大数据征信模型的理论基础

2.1 模型构建的必要性分析

在当今社会高速发展的时代背景下，交通行业的发展尤其迅速，从基础的建设到后期的养护都离不开人的参与。倘若交通行业没有自身的个人征信体系，无论是动态或者是静态的信息博弈，都会导致“囚徒困境”，最终致使信用评估体系无法正常进行。

交通行业若没有自身的征信体系，个人信用数据的共享机制及失信的惩罚手段将无法付诸实践，产生此种状况主要是博弈的关系，个人的信息很难由一家机构从另外一家机构获取，不同机构间本身就存在对立关系，这样会使授信方无法及时获取受信人在其他地方的授信情况。由于缺乏长期合理的更新机制，只追求一时的受信成功，必然会导致受信人采用不同的手段来美化自己的能力。长此以往便会导致整个社会的风气变差进而导致信用危机，一旦出现信用危机将会带来前所未有的灾难。如何克服此种困难就需要构建一个完善的信用评估体系，为个人的征信做出一个约束作用。

建立健全个人征信体制，可以有效降低授信的成本，提升授信的工作效率。构建考虑交通大数据的征信模型，能够为整个交通行业的发展提供巨大便利，为交通行业的管理提供更多资源，改善交通行业的现状，促进整个社会信用的格局改善，将个人征信体系的建设放在第一位，使社会信用发展水平趋于最优化发展。

2.2 构建考虑交通大数据征信模型的理论基础分析

（1）构建征信模型的信息不对称理论分析。在我们的日常生活中，沒有十全十美的事物，信息由于其本身的特点所具有不对称性质，容易导致在选择时出现逆向选择进而对道德产生风险影响。信息的不对称性是普遍存在的，无法通过任何途径的手段解决而长期普遍存在的问题。构建个人征信体系从一定程度上能够缓解可能产生的道德风险问题，首先征信体系能够尽可能搜集个人信用相关的数据，通过科学合理有效的分析形成直截了当的信用评估报告，帮助个人面对并了解所存在的风险并有效控制风险，预防逆向选择的发生进而产生道德风险的争议；另一方面，构建考虑交通大数据征信模型能够有效促进个人信用数据共享机制的发展，促进个人的执行力度，确保计划科学合理地进行。

（2）构建征信模型的交易费用论分析。个人征信系统的交易费用主要来自于两方面。一方面，受信者在申请获得自身信用评估时需要向授信方提供个人的基本资料及财产生活状况等，所提交的一切信息均有可能会影响授信方的评估，同时如果一个受信人需要向不同的授信机构进行评估，则需要进行多次的数据资料的提交，会消耗个人的时间、精力等一切相关费用；另一方面，授信机构在收集受信人的相关信用数据时会产生大量时间及人力、物力的消耗，并且由于提交申请资料的真实性，需要逐条检验方能得出最终的评估结果，又会进一步提升处理的费用，同时由于个人在发现自身存在的问题时会尽力掩盖自身具有问题的信息，这又会对授信方增加巨大的阻碍。

在征信评估体系中必然会产生交易费用，并且交易费用又会进一步促进征信体系的建立，那么构建合理完善的征信机制能够大大改善征信中的交易费用的情况。对具体交通行业的征信模型的构建，可以最大程度地缩短处理个人信用的时间，提升工作效率并且促进交通行业的发展。

3.构建考虑交通大数据的征信模型

3.1 建立模型指标体系

考虑到目前交通行业及整个征信行业的发展现状，由于较为新型的考虑交通大数据的征信模型缺乏一定数据支持，而整个征信行业评估体系建设的并不完善，只能从探索的角度出发，考虑到获取数据信息的困难及个人信息的保护，在创建征信模型指标体系时充分考虑数据的可获取性及模型的相关性，选取最适合的可获取的评价指标，具体评价指标体系如下：（1）自然情况：性别、年龄、文化、婚姻状况、职业、月收入、收支比、居住地；（2）交通层面：驾照、驾照行为、日常出行、异地出行、旅游、出行行为；（3）参考数据：芝麻信用。

3.2 评估指标体系的原则

个人风险受到很多方面因素的影响，而且各个因素的作用方法存在较大差异，所以选择指标的时候应该遵循一些基本原则，增强指标的针对性，这样才能使整个指标体系更为高效合理。本文在评估时主要遵循以下原则：全面性、重要性、公正性、科学性、可操作性。

本文在设计个人信用评估指标体系的时候充分把握了上述原则，而且在互联网大数据因素中合理地引入了“5C”评分方法。然而考虑交通大数据的征信这一行业毕竟产生不久，还没有相关的法律法规作为支撑，所以具体设计的时候还是很大程度参考了银行的研究模型，同样使用了信用评分方法来评估个人的信用等级。通过计算获取了信用分之后合理设置信用评级，在这过程中引入了大量互联网思维指标，这与时代的发展比较吻合，也与传统的评估方法有明显差异，希望能够对个人信用风险进行有效的控制。

3.3 确立评估指标体系及因素权重

本文主要考虑以下评估指标：（1）年龄：通常情况下，年龄这一因素对贷款人的收入水平以及能够支配的财富多少有很大程度的影响。一般年龄低于25岁的贷款人发生违约的可能性很大，25—45岁间的贷款人信用程度有较大提升，不过年龄超过55岁之后，贷款人面临退休等问题，违约风险有所提升。（2）受教育程度：通常情况下，事业的起点高度在很大程度上由受教育的程度来决定，一般学历水平比较高的人工作起点较为理想，所以有很大的发展空间，在此按照学历分为硕士以上、本科、大专和高中等几个类型。（3）性别：参考银行对男女的信度评分，女性的评分要高于男性，综合考量整体情况，本项占分比较小。（4）婚姻状况：婚姻状况体现一个人的生活状况，参考银行中的信用评价体系，结婚的人更加显得信度可靠，不过这并不是主要参考依据。（5）职业：职业没有高低贵贱之分但是职业的收入以及不同的职业所遇到的人的不同会带来差异性的影响因素。参考银行的征信体系，职业收入越高的人其可信度越高，这可以作为一个衡量的依据。（6）个人月收入及所占支出比：评价信用人偿还贷款意愿的时候一般通过其月收入来衡量，通常情况下，那些月收入比较多的人偿还意愿较强，这一指标在测试其偿还意愿的时候具有很高的效率。（7）当前地址居住时间：不同地区的经济发展水平也存在一定的差异，所以这在很大程度上影响到了贷款者的收入水平，这里依据2015年的最新城市分级对所在地进行分类：第一类是特级城市，也就是4个直辖市；第二类是一线城市，总共15个；第三类是二线城市，总共36个；第四类是三线城市，总共 73个；最后一类是四线及以下城市。（8）是否有驾照：驾照的拥有与否并不是考量一个人信度的重要标准，但是驾照的获取也从一个侧面反映出个人的生活状况，这并不是征信的主要参考内容。（9）个人驾照一年内扣分情况：由于有些人并不拥有驾照，但是扣分情况是作为一个重要的参考指标，由于已经考虑到没有驾照的人在有无驾照选项已经有过分数的减少则将其分数整理在六分以内选项合理有效。（10）日常交通出行方式选择：随着社会生活水平的提高，个人出行的交通方式已经千变万化，出于政府鼓励公共交通出行，所以将日常出行选择公共交通的民众的分数略微有所提升，个人出行的方式并不能直接反映出个人素质的差异性，所以对此项内容的分数不进行提升。（11）市区道路行人过街不走斑马线占比：市区道路内行人是否走斑马线是凸显出个人素质的最重大体现，将公民的个人素质直接挂钩其个人信度合理有效。（12）异地出行或居住返家交通方式选择：异地出行的交通方式凸显出一个人的收入水平，不同交通方式出行的人所遇到的人群也会有所不同，不过此项仅作为参考的一个方面。（13）一年内外出旅游次数：随着物质生活水平的不断提高，个人出游也成为象征个人生活水平的参考，但其并不是主要的参考依据，对信用分的影响不大。（14）芝麻信用评级：由于本文所获取的数据资源较少，芝麻信用作为大数据时代下互联网快速发展的产物，其对于考虑交通大数据的个人征信方面有巨大的参考意义，因此其所占的比值偏大。

3.4 创建评价模型

综合分析上文各个指标的因素权重，对各个指标项目赋予具体的分值：个人自然情况的分值是对自然情况下的个人信息的关注评估，从各种静态的信息中评估个人信用的预期值。交通层面则是本文的核心内容，分析个人在交通参与层面的活跃度及行为来确定个人信用积分。其他信用模型的参考，是在没有大量数据支持下最能够直观表现个人信用的直接体现。本文构建的评估模型的标准按照表格的形式呈现，具体为以下的表格所示：

将十五个项目的分数相加获取的最终分数为评估的分数，并对评估分数段加以划分得到对应的信用评估等级，评分大于170且小于210分，评定为信用极好；评分大于155且小于170分，评定为信用优秀；评分大于120分且小于140分，评定为信用良好；评分大于100分且小于120分为信用较差；评分低于100分的用户，评定为信用极差。

信用等级划分为五级的原因一方面是中国的机构当前采取的分类方法普遍为国际通用的五级分类法，采用此分类方法可以很好地便于对比交通行业的业务；另一方面是便于统计和操作。交通管理机构能以将信用评级作为交通参与人员的重要参考，为不同等级的交通参与人员划分的授信额度。一般而言，对于信用良好及信用良好以上的人员的管理可以在非必要检测的部分适当缩减工作量，但是对于信用较差的部分人员，交通管理部门可以适当加强监管力度。

随着国家的现代化建设步伐加快，征信行业的发展受到越来越多的关注，国家在征信行业投入的精力愈来愈足，由于本文所选取的考虑交通大数据的征信模型处于起步阶段，发展潜力巨大，通过将征信纳入交通行業的发展规划中，则会推动交通行业又好又快发展，提升发展效率。

参考文献

[1] 欧阳红兵. 中外征信体系比较研究[ J]. 商业经济研究，2015（7）：91-93.

[2] 李真. 互联网金融征信模式：经济分析、应用研判与完善框架[J]. 理论探讨，2015（1）5-9.

[3] 陈小林， 杜若华， 刘永锋.我国互联网金融征信体系建设路径思考[J]. 征信，2015（1）：29-31.

[4] 阮晓东. 大数据征信，互联网金融发展支点[J]. 新经济导刊，2015（7）：53-56.

[5] 刘世成. 互联网金融模式下的征信机构及其需求分析[J].征信，2015（4）：44-46.

[6] 曾晨明. 大数据也时代我国个人征信业发展的 SWOT 分析[J]. 金融纵横，2015（6）67-72.

[7] 曾菊凡. 互联网金融与征信业的互动耦合发展机理研究[J].中国人口·资源与环境2015（5）：617-619

[8] 王晓娆. 基于博弈论视角的个人征信困境及对策研究[J].征信，2015（11）：13-17

[9] 张文博. 美国个人征信市场化运作特点——监管措施及对我国的启示[J]. 华北金融，2015（5）：35-37.

[10] 黄玺. 互联网金融背景下我国征信业发展的思考[J]. 征信，2014（5）：6-12.

[11]袁新峰. 关于当前互联网金融征信发展的思考[ J].征信，2014（1）：39-42.

[12] 姜红娜. 三种信用模式比较与对中国信用体系建构的启示[J]. 经济研究导刊，2014（22）：96-98.

[13] 刘芸， 朱瑞博. 互联网金融、小微企业融资与征信体系深化[J]. 征信，2014（2）：31-35.

[14] 史小康， 马学俊. 个人信用评级模型的指标选择方法[J]. 统计与决策，2014（21）：41-43.

基金项目：

江苏省高校哲学社会科学研究项目（2016SJB870015， 2018SJA1348）；

苏州市社会科学基金项目（2017LX047，Y2018LX028）；

江苏省社科应用研究精品工程课题（17SYC-086）；

江苏省自然基金面上项目（BK20151201、BK20160357）；

苏州市产业技术创新专项（SS201525），苏州市科技计划项目"新兴技术在苏州政府治理、城市管理和生态环境的典型应用研究"支持；

江苏省建设厅科技项目2017ZD047。

（作者单位：1.苏州科技大学；2.常熟市恒翔建设有限公司；*马健为通讯作者）