基于大数据的互联网金融征信应用研究

王迎龙 廖 宁 王德政

(重庆工程学院 重庆 400056)

互联网金融（ITFIN）是指传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。互联网金融的发展对整个互联网经济有重要作用，由于互联网金融对数据的数量、质量有高要求，随着大数据的应运而生，大数据应用于互联网金融也势在必行。

一、大数据应用于互联网金融行业的意义

（一）是促进互联网金融大数据广泛应用的重要举措

国务院于2016年1月15日颁布的《推进普惠金融发展规划（2016～2020 年）》中提出“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台”。国内外各金融机构、互联网金融机构都在探索大数据的应用，希望大数据可以给企业带来技术上的突破，实现自动化、升级现有风险控制模型体系、探索基于场景化的消费金融市场、提升互联网获取客户的能力，从而从根本上提升金融行业的国际竞争力。

互联网金融大数据涉及的内容庞大和复杂，如客户信息的描述、客户行为的描述、客户的征信、企业贷款风险等，这些数据的处理和应用面临着许多技术难题，比如如何科学准确地评价客户的征信，即如何建立征信模型，再如，如何构建贷款风控模型，降低贷款风险等，这些影响金融行业进一步发展的关键问题，在“互联网+大数据”背景下，如何应用人工智能方法和技术寻找一种乃至多种解决方法，是互联网金融大数据智能应用的研究重点和迫切需要，也是促进互联网金融大数据智能化应用的重要举措。

（二）是提高互联网金融机构风控水平的现实需要

大数据技术通过采集更全面、更及时、更真实的数据，快速找出不同变量之间的相关关系，挖掘数据背后的风险信息，帮助互联网金融机构迅速准确地识别和监控风险，改善风险决策模式，提高风险管理效率。例如，美国的一家网贷公司采用大数据技术，实时搜集网店店主的销售、顾客流量、商品评价、物流、店主在Facebook 及Twitter等社交平台上与客户互动的信息，通过各类信息的交叉验证分析，在数分钟内即可评估出店主的征信风险水平，并计算出合适的贷款额度和利率，快速实现放贷。通过将互联网各个角度的信息转化为个体的征信信息，这家网贷公司实现了传统金融机构一般不愿涉足的小微网店贷款业务，这得益于大数据技术迅速采集和处理多渠道、多结构数据的能力。

互联网金融机构为了提高风险管控水平，必须做好贷后管理，实时跟进，采用平台跟踪为主、人工管理为辅的方式，借助征信平台对小微企业的经营状况进行跟踪和监控，并由小微企业定期向征信平台反馈企业财务数据和项目投资进度与收益的数据，征信平台可按照设定好的模型对企业现状进行评估，给出阶段性的评估结果及该时段小微企业的违约概率，将贷款违约损失降到最低。如果阶段性评估结果显示异常，违约概率增髙，则需要工作人员进行实地调查和催收，及时切断下一阶段贷款的发放，做好风险防范工作。为避免小微企业上报征信平台的数据不够真实，互联网金融机构也可派人对小微企业进行定期抽查，详细了解企业的真实情况，确保风险可控、收益可观。

（三）是创新互联网金融征信评价机制的客观要求

小微企业的征信评价问题一直是互联网金融机构授信业务的难题之一。目前，我国大多数互联网金融机构尚未建立小微企业专用征信评价机制。小微企业征信评级难的根源在于信息不完备导致的银企信息不对称，而在互联网大数据迅速发展的今天，这一难题有望破冰。依托互联网数据挖掘技术和云计算功能，互联网金融机构不仅可了解小微企业在金融领域的投融资征信，还可搜集到企业经营管理者的社会征信、产销上下游公司、物流公司与其在互联网上进行交易、转账等经营活动中留下的信息碎片，以及小微企业在水电气等部门的缴费记录。互联网技术的应用无法解决小微企业“软信息”采集的问题，但是互联网资源的最大特点在于“大”，通过大数据技术对庞大、细碎甚至毫无关联的信息碎片进行分析，小微企业的征信状况将更加真实、可视的特点呈现出来，从而得到更加客观、准确的征信评价[1]。

互联网金融机构创新小微企业征信评价机制，可在很大程度上扭转其对小微企业的信息弱势，缓解银企信息不对称的问题。且征信评价结果可与随后的授信准入、授信定价进行一体化对接，更好地实现前后授信管理一致，降低授信风险，同时方便贷后监督营理。因此，新形势下创新数据挖掘与授信评价机制是互联网金融机构授信管理的客观要求。

二、互联网金融征信的国内外现状

互联网金融征信在我国尚处于发展阶段，是一个新型的行业，业务发展不完善，经验积累较少。我国整个征信行业都以中国人民银行的征信中心为主导地位，其他征信机构没有得到过多的重视。目前，我国建立的基础征信体系的系统内大约覆盖了2000多万家企业和9亿人口，为700多家金融机构提供个人和企业的征信记录。从征信业使用的数据上来看，我国征信机构更偏向于银行的贷款记录、个人征信卡还款和违约记录、房贷以及其他贷款信息。这些信息大都来自线下收集，线上信息处于空白状态。基于这种情况，2015年1月，央行发布了报告正式允许民间机构进入征信领域，补充我国征信业的不足[2]。

目前，在互联网金融征信方面比较有代表性的成果有：阿里巴巴的芝麻征信系统，美国的Zest Finance大数据征信系统。

（一）阿里金融的芝麻征信

芝麻征信是大数据征信进入市场的一个应用，证明我国市场正逐渐接受大数据征信。2015年1月5日，央行发布了公告，允许8家机构进入征信领域进行个人征信业务，这意味着个人征信系统有望向商业机构开放，腾讯征信、阿里巴巴的芝麻征信位列其中。芝麻征信是蚂蚁金服下一个独立的第三方征信管理和征信评级机构，依托阿里巴巴的支付宝平台的用户数据的积累，依据各方各面的公共数据信息，运用云计算以及大数据技术客观的给个人的征信情况进行评分。并通过与其他服务的合作，让每个人都能体验到征信带来的价值。

芝麻征信分是芝麻征信根据得到的海量数据，对其进行分析、处理、综合评估得到的一个具体的分数值。芝麻征信通过5个维度来进行考察，包括用户征信历史、履约能力、身份特质、行为偏好和人脉关系。集合过往的违约记录、资产信息、真实的学习和职业经历、购物缴费等活动偏好和人际交往中影响力等数据进行评估。这些征信评估可以帮助互联网金融机构对用户的还款意愿和是否具有还款能力得出结论，从而为客户提供现金分期、快速授信等服务。本质上来说，芝麻征信就是一套征信系统，它的数据来源主要分三个方面：一是网络平台、金融机构、社交网络等对外公布的信息；二是阿里巴巴集团旗下的电商以及第三方支付平台支付宝的支付记录；三是政府内部或者金融机构内部存储的用户的私人数据。芝麻征信通过大数据模型将通过以上方式得到的信息进行推演计算，以此作为征信评级的依据。芝麻征信可以应用于征信卡还款、网购、理财、转账、水电煤缴费，在芝麻征信分达到一定数值，还可以进行租车、租房、婚恋以及签证等多种服务，租车、租房、住酒店可不用交押金，办理签证时不用再办存款证明等。这种个人评级系统完善了我国的征信体系，提高了风险控制的效率[3]。

（二）Zest Finance的大数据征信系统

Zest Finance，原名Zest Cash，2009年成立于洛杉矶，是美国一家新兴的创新型科技金融公司，Zest Finance刚创立便受到了互联网金融圈和投资人的广泛关注。

Zest Finance由数学家和计算机科学家组成研发团队，成立初期的服务对象是美国传统金融征信风险评估系统无法覆盖的人群。美国的基础征信体系可以覆盖的人口约占总人口数量的85%，因此，剩余的15%国民没有征信评分而被银行排除在外，由于无法获得基本信贷需求，对于贷款的需求只能通过民间借贷或者高利贷来完成。

Zest Finance评估方式中最重要的一个理念就是假定每一个无征信的人都是“好人”，通过挖掘出他们在互联网上的征信信息，证明信息不完整的人的真正的征信情况，帮助他们享受正常的信贷服务，通过Zest Cash平台对其进行放贷服务。后来Zest Finance利用大数据技术重新塑造借贷审核流程，为在传统金融中难以获得征信的群体，提供征信评估服务，降低贷款成本。

与传统金融相比，Zest Finance的最大的优势在于强大的数据挖掘能力和模型开发能力。Zest Finance认为，消费者的征信记录和征信状况联系是紧密的，但是征信记录与征信状况不是完全一一对应的关系，除了银行给出的信贷数据，消费者还会有其他信息和行为关联到征信状况，哪怕之间的联系较弱，也可以间接的比对出个人的征信情况。在Zest Finance的大数据系统中，不仅包括传统信贷信息，还包括消费者的还款能力和还款意愿。通过多维度信息的搜集处理，实现对一个人的全方位考察。

Zest Finance在业务处理方面的效率提高了近90%，Zest Finance的模型在风险控制方面的性能提高了40%。Zest Finance希望可以把在征信贷款上取得的优势推广到其他应用领域，如为汽车金融，医疗服务，学生贷款等提供新的征信评分系统。

三、当前互联网金融征信技术研究存在的不足

互联网金融的主要服务对象是小微企业，面向小微企业的互联网金融征信大数据技术在我国虽然取得了一定的进展，但总体上仍处于起步阶段，依然存在不少的问题，集中体现在：

（一）征信数据覆盖不充分

我国大多数居民在征信评估方面的意识不强，对应的征信体系设计也不充分，加上互联网金融本身具有强烈的民营资本色彩，抵御风险和偿债能力相对较弱，在征信方面做得相较于各大银行不够完善，而且对于征信模型以及具体评分标准方面没有完全统一。互联网金融机构在产品运营过程中离不开征信系统的处理，征信系统可以在交易的各个环节比如贷款的贷前评估，贷中记录，贷后监管起到重要作用，而征信系统的关键是用户数据。按照征信系统的原理，数据越全面，征信评估结果越准确。互联网个人征信系统应该考虑数据涵盖传统的征信数据、财务数据、社交数据、经营数据等[4]。

目前，互联网金融机构建立的内部征信系统，基本沿用了各自的产品方向构建个人征信系统；如阿里小贷积累了包括信贷额度、违约记录，同时借助阿里旗下网店、阿里云等数据信息进行征信评估审核；P2P行业代表人人贷借助前端销售+后端审核模式，其核心还是传统征信评估模式，其内部审核系统数据还是主要来源于贷款方的自己提供与线下确认以及第三方合作。由此可以看出，我国互联网金融机构风险控制的缺陷在于数据的数量级别低和领域区间性太强。基本上单一企业单一领域数据搭建征信系统。

（二）大数据模型的可信赖性有待提高

征信数据模型的准确性建立在海量数据处理的基础上，同时需要不断的根据实际情况调整模型参数和维度。由于互联网金融征信系统应用时间短、数据少、经验缺，目前的大数据征信模型大都基于规则制定，其中征信规则占有很大的比例，未能完全发挥大数据的优势特点。因此，基于大数据的互联网金融征信风险管控的核心不在于数据本身，而在于通过足量的数据分析得到的风险管控模型。要尽量获取不同层面、不同领域、不同系统的征信数据，只有不断纳入足够多的变量，在此基础上进行综合分析、判断和建模，得到的互联网金融征信风险管控模型才具有完备性和充分性，才能真正提高互联网金融征信风险管控质量和水平，也能最大限度地避免各种骗贷等风险事故的发生[5]。

（三）基础征信数据整合难度大

随着互联网带来的广泛网络化潮流，政府职能部门开始逐步信息化，同时强化数据共享，但是由于种种原因，数据整合程度但仍不能满足大数据征信需要。互联网金融机构缺乏可靠的政府机构作为可信的征信收集渠道，与传统银行或股份制银行竞争，处于劣势，互联网金融机构只能从各商业银行历史征信数据里进行简单的汇集整理，大量的个人征信报告原始数据仍然分布在各个司法、工商、税务、公用事业单位等部门，政府的自来水公司、电力部门、煤气公司为代表的基础信息，以及个人的档案、户籍、司法系统、社保等系统尚未完全联网互通，社会基础征信信息相对缺乏。

（四）线上数据线下确认模式成本高

在央行不开放征信系统的条件下，互联网金融机构只能自行寻求风险控制方案，较为常见的模式就是线上上传数据、线下确认。由于借贷方的数据自行上传，没有第三方渠道支持，互联网金融机构只能在线下进一步确认真伪：普通的信息通过电话或者提供的亲友电话确认。涉及资产信息甚至要去住址寻访确认，这些专门安排的人员，通过网络、电话，甚至乘坐一些交通工具到达借款人位置进行数据确认，势必加大互联网金融机构获取准确征信数据的成本和痛苦。

（五）失信行为的惩戒制度不健全

我国对不诚实交易的控制存在很大的缺陷，处罚力度不够，导致借款人违约成本较低，市场欺诈、合同违约和债务违约等现象层出不穷，政府部门和公共机构对于社会征信体系建设不完善，监管力度不强，针对互联网金融的交易未能与时俱进，推出适用于当前经济发展的管理条例[6]。

（六）数据平台标准未能统一

目前，我国对征信的征信信息平台没有统一的规定，仅由民间机构对数据进行定义无法实现长远的发展。由于互联网金融平台未能接入到全国统一的征信系统，所以无法获得核心的征信数据，使得其征信评价结果的准确性有待商榷。其次，不同的金融平台的业务操作规范不同、授信标准不同、信息内容相对分散，导致征信数据形态各异，很难形成统一的数据标准，无法实现行业内数据共享，难以指定标准化的规范，现有的征信信息系统也未能覆盖整个社会，严重制约大数据的信息获取。