对我国个人信用评分及监管的分析与思考

王俊山 王玥

个人信用评分是征信或一些市场机构提供的一种产品或服务。我国开展此项工作已经10多年，对经济社会发展起到了积极作用。但目前仍存在一些问题，应继续加强研究、及时解决。

一、个人信用评分的概念和原理

征信领域的个人信用评分是一个舶来品。在美国《公平信用报告法》（Fair Credit Reporting Act）中，将信用评分（credit score）定义为“一组数值或者分类方法，源于为放贷人员设计的用来预测信贷行为未来违约可能性的统计工具或者模型体系，也可称为风险预测或是风险评分”。

通俗来说，个人信用评分就是利用统计学方法进行建模，将影响个人信用状况的相关因素进行组合计算，用一定的分数或其他方式（如好中差、高中低）对个人的信用状况进行标示描述，预测性评价个人未来信用状况的一种产品（活动）。个人信用评分由于简单易懂、使用便捷的特点，被普遍应用于消费者信用状况的判断上。

个人信用评分的原理是通过对好人（未违约客群）和坏人（违约客群）的客群特征属性进行分析、比较和计算后得到预测新客户违约率的公式，将新客户的特征属性应用到违约率公式后，计算得出客户的具体分数。评分分数代表的是违约率，是一种让社会大众更直观理解信用评分的手段。个人信用评分应用的是大数法则，一个人评分分数低并不代表这个人就一定会违约，代表的是这个人所在分数区间的总体违约率高;相应地，个人评分分数高也不代表这个人就一定不会违约，而是代表这个人所在分数区间的总体违约率低。

个人信用评分与个人信用报告，都是一种征信产品（服务），两者都涉及个人信用信息的采集、整理、保存、加工和对外提供，其区别主要在于：（1）表现形式不同。个人信用报告的表现形式是具体的个人信用信息，如借款余额、还款历史、是否逾期等;个人信用评分的表现形式是具体分值，如500分、600分、好中差等。（2）判断信用状况的主体不同。个人信用报告只是客观展示个人的信用记录，由报告使用者根据所展示的信息来判断个人的信用高低，判断主体是报告使用者;个人信用评分则是征信机构运用各种模型或算法，对个人信用高低的直接判断，判断主体是个人征信机构。（3）监管要求不同。个人信用报告监管重点在于信息的准确性、完整性;个人信用评分除要求信息准确完整外，还要求评分方法客观公正。

传统的个人信用评分主要运用统计学上的逻辑回归方法。逻辑回归是信用评价模型中的经典，具有准确性高、假设条件少、结果稳定、可解释性强等特点，是国外评分机构最常用的方法。近几年来，随着金融科技和大数据技术的飞速发展，神经网络、梯度提升决策树、随机森林、支持向量机等方法也被广泛应用到信用评分中，特别是用于对非结构化数据（图像、视频、语音等）的处理，使这类数据成为信用评分模型中的重要参考因素。

二、美国个人信用评分市场发达

美国个人征信市场最为发达，个人信用评分产品多、应用广泛，对我国有一定借鉴意义。

（一）个人信用评分以FICO分为主

FICO评分是美国使用量最多、认知度最高的一类评分产品。FICO评分并不是指一个评分，而是上百种评分的统称，各个FICO评分的模型、使用数据、应用领域有所不同。FICO评分的评分模型都由费埃哲公司（Fair Isaac）提供，使用的数据则主要是艾克飞（Equifax）、益博睿（Experian）、环联（TransUnion）所采集的个人信息。费埃哲公司是一家信息服务公司，是商业化信用评分的发明者，艾克飞、益博睿、环联是美国的3家综合性消费者报告机构，3家机构都使用费埃哲公司的评分模型（支付评分模型使用费），利用自身数据形成个人信用评分，并将分数嵌入本机构提供的个人信用报告中，用于消费者申请贷款、信用卡、保险、租赁、求职等领域。

除FICO评分外，艾克飞、益博睿、环联等3家综合性消费者报告机构还联合开发了Vantage评分，但由于FICO评分已广泛渗入到各个领域，占据相对垄断地位，Vantage评分应用并不广泛。

此外，随着互联网行业的飞速发展和大数据技术的日趋成熟，部分放贷机构和信息服务公司开始利用大数据等金融科技手段开发评分产品。如放贷机构ZestFinance、信息服务公司CreditKarma、信用卡公司Capital One等引入更多维度的创新数据，服务于传统信用评分过低或者缺少信贷记录的客户，以弥补传统信用评分过分依赖消费者信贷信息的局限性，其评分产品既用于机构内部，也同时向外部提供。

（二）个人信用评分信息以信贷信息为主

FICO评分关注的客群特征属性有五类，分别是客户的信用历史、信用账户数、使用信用的年限、正在使用的信用类型和新开立的信用账户。Vantage评分的评分维度包括支付历史、信用账户类型和开户时长、信用额度使用比率、負债情况、近期信贷行为、可用信贷余额等六个方面。这两种评分的维度主要是个人的借贷信息。FICO和Vantage评分虽然覆盖了美国大多数人群，但由于部分人群缺乏信贷历史记录或记录较少，依然有15%的人群无法覆盖。

为解决上述问题，费埃哲公司与Equifax、LexisNexis Risk Solutions两家机构合作，专门推出FICO XD评分，引入电信、水、电、煤气付款等信息，帮助美国4500万无征信记录的人群获得评分服务。3家综合消费者报告机构也开始将电信、公用事业、车辆、驾驶员违约等非信贷信息引入Vantage评分，提升评分产品覆盖和分析能力。放贷机构ZestFinance也在信贷信息的基础上引入互联网数据等非结构化数据，利用多维数据和算法，为FICO评分低于550分的客户和无FICO评分的客户提供评分。

（三）评分业务监管重点在于评分信息可追溯、可异议、可纠错

美国对信用评分业务的监管主要集中在《公平信用报告法》《平等信贷机会法案》（Equal Credit Opportunity Act）两部法律中，从敏感数据保护、评分应用、信息准确性三个方面保护信息主体权益：一是明确不得使用歧视性信息。如《平等信贷机会法案》规定，禁止在评分中使用种族、肤色、宗教信仰、性别、婚姻状况等信息。二是评分可追溯。《平等信贷机会法案》规定，申请人受到贷款机构“不利行动”（如拒绝或撤回信贷）时，贷款机构需出具“不利行动”理由的陈述。如果是应用了评分产品，则需披露评分产品中对申请人最不利的5项变量情况，申请人能够了解到自身信息的来源和使用情况，并且有明确的方向和途径改善自身信用情况。三是评分可异议、可纠错。《公平信用报告法》规定，申请人有权向个人征信机构提出评分申请，个人征信机构应向申请人提供以下信息：最新评分分数、评分出具日期、评分模型所用的4个以内对申请人信用评分有负面影响的要素、评分信息来源等。申请人可免费向征信机构提出异议和信息纠错的要求，征信机构需在规定时间内作出决定并向申请人反馈。

由于评分模型、评分方法具有一定专业性，且涉及企业商业秘密，美国未对评分模型、评分方法提出监管要求，一般由评分使用方从评分稳定性、区分度、有效性等方面对模型进行检验。信息主体对评分模型、评分方法存在异议的，可以联系评分机构做出说明。为了加强社会公众对信用评分的理解，评分机构一般会对外公布評分维度、影响评分的因素、提高评分的方法，定期发布评分有效性检验情况，部分机构还会在网站上提供“教育评分”模型供消费者试用。

（四）对提供个人信用评分产品的机构实施穿透式监管

《公平信用报告法》对于“个人信用评分业务”作出明确定义，评分如涉及对消费者偿债能力、偿债意愿、信用状况以及诚信、信誉等的评价，用于对消费者服务定价的参照、区分，应用于个人租房、保险、就业等场景，就属于消费者报告的范畴，由联邦贸易委员对该业务进行监管，并要求从事个人信用评分业务的机构接受联邦贸易委员会的监管。

以联邦贸易委员会诉Spokeo公司为例。Spokeo自称是一家不从事征信业务的信息服务商，主要在网络上采集个人社交信息。该公司利用采集的信息开发了名为“Credit Estimate”（信用估算）、“Wealth Level”（财富等级）的产品（类似于个人信用评分），应用于招聘环节中个人求职者的资质审查。联邦贸易委员会认为Spokeo的业务涉及对个人的评价，且用于招聘领域，属于消费者报告业务的范畴，对其未按照《公平信用报告法》开展消费者报告业务处以80万美元的罚款，责令其确保信息准确性，建立信息披露机制以及异议、投诉渠道，并对因该公司服务问题而遭受不公平待遇的个人进行赔偿。

三、我国个人评分市场广泛但目前存在一定问题

（一）开展个人评分的机构主要是具有集团公司、金融科技公司背景的机构

据不完全统计，除中国人民银行征信中心外，国内提供个人评分服务的市场机构有50家之多。开展个人评分业务的机构主要分为三类：

一类是大型互联网集团设立的独立法人机构，如蚂蚁金服的芝麻信用、京东集团的京东数科、百度集团的度小满科技、腾讯的财付通、平安集团的前海征信等。这类机构依托集团内部积累的大量数据，结合少量外部数据，加工形成个人评分产品对外提供。

二是具有金融科技背景的独立第三方机构，如百融云创、同盾科技等机构。这类机构自身不产生数据，主要从外部获取数据，具有较强的数据挖掘和建模能力，通过对外部采集的数据进行加工处理，形成评分产品。

三是银联及其下属公司和三大电讯运营商。如银联和银联智策根据消费者支付信息提供的“火眼D分”“持卡人消费综合评分”，三大电讯运营商使用个人电讯身份、消费、缴费、通信等信息提供的 “试金石信用分”“联通沃信用分”“电信甜橙分”等。

（二）评分模型主要应用非借贷数据，信贷信息使用较少

从评分模型使用的数据来看，信贷信息虽与个人信用状况强相关，但当前其他机构基本上无法获得全量的借贷数据，只能使用非借贷数据开展评分。以芝麻分为代表的互联网公司的评分，主要使用客户的支付、交易、出行、住宿、生活、公益等方面的数据，评分更多侧重客户身份信息、守约记录、消费记录、行为记录等方面。以百融分、同盾分为代表的第三方科技公司主要使用客户的身份信息、借贷申请信息、欺诈信息以及P2P网贷信息等，评分更侧重客户的借贷意向、欺诈风险和违约风险等。

（三）评分以金融场景为主，并已拓展到商业和社会生活领域

市场机构的评分产品已被广泛应用到金融领域，据不完全统计，已经有40余家银行业金融机构在使用市场机构的评分产品，主要被用于金融机构的授信审批领域，包括筛选高风险客户、判断客户欺诈风险、评估客户信用水平、进行客户分层，或将评分作为授信模型参数之一，综合判断客户信用风险。其中，贷前环节应用主要包括贷前审批及核定额度，金融机构根据借款人的评分决定是否发放贷款、发放多少贷款。在贷中贷后管理环节，评分主要用于监测借款人信用风险变化情况，对不同分数段的客群，金融机构采取调整贷款额度、设定还款提醒频率、进行差异化催收等不同策略。除以上环节外，个人信用评分还被用于市场营销、客户分层分类管理等方面。从金融机构的应用情况上看，98%的产品为反欺诈等防风险类评分，营销类和催收类评分比较少。

市场机构的评分产品除被应用到金融领域外，还拓展到免押租赁、先享后付等商业服务场景，如免押租房、免押租车、餐饮、购物等先消费后付款等。

（四）个人信用评分存在边界不清、透明度不高等问题

一是数据服务与个人征信边界不清，评分是否纳入征信监管争议较大。大多数评分机构认为自己采集的是个人的身份、支付、消费、社交等非借贷信息，而这类信息不属于《征信业管理条例》规定的信用信息范围，所提供的个人分是依据上述数据对个人消费能力、欺诈风险、诚信履约状况的判断，主要用于客户筛选、客户分层、欺诈风险评估等，并非对个人偿债能力和偿债意愿的判断，因此不应纳入征信监管。为规避征信监管，大部分市场机构提供的评分名称都不含“信用”两个字，而是以公司名称或者用途代替。

二是个人评分透明度不高，评分准确性得不到保障。由于没有明确的监管部门、缺乏有效的市场监管，市场机构并不愿主动公开自己的评分模型和评分使用的维度信息，评分如何作出、评分分值的调整规则对社会公众而言是一个“黑箱子”。与传统个人信用评分使用信贷信息等结构化数据，与数据提供者建立了有效的数据质量保障机制不同，市场机构的评分中使用的信息大多是主动抓取或实时调取，信息中存在大量模糊信息和不准确信息，而大数据评分、机器学习算法对评分所使用信息的准确性要求并不高，如部分机构根据公司住址推测信息主体的大概收入、根据信息主体购买车辆保险的支付记录反向推测信息主体的车辆财产价值，还有市场机构评分使用地域信息，对属于某一地域（诈骗分子较多的地域）的信息主体的评分分值直接扣减。

三是评分过程中信息主体权益无法得到有效保障。市场机构大量使用个人的消费、社交、通信等敏感信息，应用于个人评分模型中，这些信息无论是采集还是运用过程中，信息主体的知情权都没有得到有效保障。由于评分模型、维度、数据不公开，信息主体无法知悉自己的评分是依据什么信息作出，更不清楚这些信息是否准确、是否同意市场机构使用这些信息、有无侵犯个人隐私。当信息主体因分值较低而在各类经济活动中受到限制时，信息主体也无法提出异议、要求纠错，甚至在很多市场机构向金融机构、其他商业机构提供评分的活动中，信息主体都不知道自己被评分了。

四、对完善我国个人信用评分的建议

（一）将市场机构提供的个人评分作为征信产品的一种，将评分纳入征信监管

我国《征信业管理条例》第二条规定“个人征信业务是对个人的信用信息进行采集、整理、保存、加工，并向信息使用者提供的活动”。该条规定并未将信用信息限定为个人借贷信息。2005年中国人民银行发布的《个人信用信息基础数据库管理暂行办法》将个人信用信息定义为“个人身份信息、个人借贷信息以及反映个人信用状况的其他信息”。社会信用体系建设部际联席会议编制的公共信用信息目录也将个人的身份、教育、社保、行政处罚、行政许可等信息都列入公共信用信息范围。因此，个人信用信息并不仅限于个人借贷信息，个人信用评分也并非仅限于依据借贷信息所作出的评分。按照实质重于形式的监管原则，采集个人的非借贷信息，应用到金融机构放贷或其他经济交易活动中，实际上已经涉及对个人信用状况的判断，影响到个人获得公平合理的交易机会，应当认定为个人征信业务，由中国人民银行依法实施征信监管。

（二）扩大评分的范围，以开展实质性评价作为判断是否属于评分的标准

在当前的互联网时代，市场机构评分以形式新颖、迎合年轻消费者需求为特征，许多机构并不以分值的形式来对信息主体进行评价，而是以个人信用画像、行为特征刻画等产品形式对外推广，对于这类产品，应穿透产品的表面，看其是否涉及对个人信用状况的评价，如果只是对个人消费能力、性格特征等方面的判断，不主动应用到金融、经济交易活动中对个人是否履约的判断，则可不认定为属于信用评分。但如涉及对个人偿债能力、偿债意愿、诚信状况的判断，用于金融、经济交易活动中，则无论其外在表现形式如何，都应划归信用评分的范围，依法实施监管。

（三）对个人信用评分的业务规则作出明确要求，使评分有法可依、有章可循

个人信用评分的业务规则，必须要与《征信业管理条例》的立法目的相符，即保护当事人合法权益。要提高个人信用评分的透明度，“阳光是最好的消毒剂”，只有在阳光之下，才能破解评分的黑匣子，信息主体才能了解自己的信用评分采用了哪些维度的信息，这类信息是否侵犯了个人隐私、是否同意市场机构使用这些信息、信息是否准确完整。当然提高评分的透明度，并非要求市场机构将评分的模型开发过程、模型使用的每一个信息都公开，评分模型的开发和应用涉及市场机构的商业秘密和市场竞争力，也应予以保护。因此评分方法和评分模型公开的范围以反映评分的可靠性为限，这可有效规避市场机构借助个人信用评分滥采滥用个人信息的问题，促使评分机构更合理地使用个人信息、提高自身的數据分析挖掘能力。同时，为避免评分机构使用单一信息提供者的信息对个人作出评分，防范评分成为机构其他业务扩张的工具，应要求评分机构扩大模型的数据来源和维度，提高评分的客观公正性。

（责任编辑    王   媛;校对   WY，LY）