大数据对“三农”主体传统信用风险评估缺陷的弥补

李明贤

（湖南农业大学经济学院，湖南 长沙 410128）

国务院印发的《推进普惠金融发展规划（2016—2020年）》指出，大力发展普惠金融是我国全面建成小康社会的必然要求，有利于促进金融业的可持续发展和经济发展方式的转型升级，增进社会公平和社会和谐。我国普惠金融的主战场在农村，“三农”主体是全面推进乡村振兴的重要力量，担负着乡村产业兴旺的使命；“三农”主体也是重要的消费群体，其金融服务的获得，还关系到以内循环为主、国际国内双循环互促新发展格局的实现。因此，对“三农”主体信用风险进行精准评估，帮助其获得金融服务，对巩固脱贫攻坚成果、助推城乡融合发展具有重要的意义。

涉农金融机构是服务“三农”的主力军，是农村普惠金融目标实现的主要力量，政府和金融监管部门也赋予了其服务“三农”的重任，特别是2021年“中央一号文件”要求涉农金融机构要回归服务“三农”的本源，涉农金融机构为此付出了艰苦的努力，央行和银保监会也给予了相关政策支持，并提出了“三个不低于”等业务考核要求，但“三农”主体贷款难贵慢问题一直没有得到有效解决。让更多的“三农”主体获得信贷服务并在获得信贷服务时得到公平的待遇是涉农金融机构的重要使命，而“三农”主体金融服务的获得关键在于其能否通过金融机构的信用风险评估。

一、解决“三农”主体融资难的关键在于对其信用风险进行精准评估

信用是“三农”主体获得金融机构信任的资本，是原始形态的财富向资本转化过程中的关键要素[1]，是经济主体最核心和最基础的资质。如果一个经济主体信用状况不好，就可能被金融体系所抛弃。信用的核心本质是信用价值，信用价值实现的前提是经济主体能够通过金融机构的信用风险评估。信用风险评估的基础是数据。在人类改变自然和变革制度的历史长河中，认知水平在相当长的时期内受制于数据积累[2]。在一个多层次的、比较发达的金融市场，整个金融体系应当有一个高度有效的信用评级标准，通过相互参照，对经济主体进行精准的信用风险评估，保护经济主体参与经济活动的权利，帮助有潜力的客户获得信贷支持，实现其信用价值。

信用风险源于银行与借款人之间的信息不对称（Broecker,1990）[3]。Stiglizs和Weiss指出，信息不对称是正规信贷市场面临的一大挑战[4]。信用风险评估可以帮助金融机构识别服务对象的风险，减少信息不对称。好的信用风险评估还可以唤醒人们的信用意识，使经济主体认识到信用的宝贵，并自觉遵守信用和契约，促进社会信用体系的不断完善。但如果信用评估有偏颇或者不全面，不能对经济主体进行有效准确的评估，就会影响经济主体参与经济活动的机会，而经济主体金融市场的参与度会影响一国的金融发展水平以及经济的长期增长[5]。

对“三农”主体信用风险评估与企业等信用主体不同，科学评估的难度更大。2008年美国次贷危机引发的全球银行危机，使得世界各国开始高度关注银行自身的风险管理质量[6]，表现为银行对发放贷款标准的严格把握。银行发放贷款的基本条件是通过银行对申贷客户的信用风险评估，只有达到放贷标准，收益能够覆盖成本和风险，银行才可能对其放贷。对“三农”的金融服务属于风控非标准化业务领域，因为：一方面”三农”主体缺乏相关财务数据，另一方面，涉农金融机构搜集和处理“三农”主体信用信息的能力不强，只能依靠抵押品，甚至担保、互保这些机制替代处理信用风险的方式，以减少交易前的逆向选择问题，遏制交易后的道德风险问题。[4]但“三农”主体往往缺乏合格的抵押担保品，导致涉农金融机构提高对其贷款的利率；加上担保、互保这些机制需要银行全面了解客户及其相互关系，需要耗费大量的人力、物力、财力，业务开展的成本很高，效率低，难以大面积推广，从而产生了信贷排斥。因此，中共中央国务院2019年4月17日常务会议提出要引导银行提高信用贷款的比重，降低对抵押担保的过度依赖。

提高对“三农”主体信用贷款的比重，有赖于金融机构对其信用风险的精准评估，并在信用风险评估的基础上自主进行贷款定价。这也是构建现代金融体系的本质要求。如何对“三农”主体的信用风险进行精准评估，挖掘其中有还款意愿和还款能力的需求主体，是普惠金融业务开展的第一步。农村信用社改革改善金融支农功能可依据的主要指标之一是“是否提高了农信社对具有还款能力和还款意愿农户的贷款覆盖面”[7]。但现实中由于涉农金融机构的风险控制和管理体系不健全，风险识别和差异化定价能力较弱，不够精细，无法有效区分高风险客户和低风险客户，最终只能把中低风险客户按照高风险客户来进行利率定价，抬高了信贷门槛。加上“三农”主体很多是信用白户，没有借贷记录，缺少相应的数据，或者其经济数据非常分散、细碎，难以有效整合、汇总、形成数据合力，造成信贷机构与“三农”主体之间的信息不对称，金融机构无法对其进行信用风险识别，从而过度依赖抵押、质押手段，以防范道德风险和其他风险。而“三农”主体又缺乏合格抵押品，导致被排斥在金融服务体系之外。可见，在现有依赖“硬信息”的信用风险评估模式下，供求双方的数据缺失和数据挖掘处理能力不足导致了“三农”主体贷款难贵慢问题。

如何克服“三农”主体信用硬信息数据缺乏问题，帮助涉农金融机构对“三农”主体进行精准的信用风险评估，以使“三农”主体中潜在的有效客户能够被金融服务覆盖，获得信用贷款，在解决贷款难贵慢问题的同时提升普惠金融的覆盖面和服务深度，实现农村金融普惠，是我们需要探讨和解决的问题。近年来金融科技的广泛应用让我们看到了用大数据解决“三农”主体信用风险评估问题的曙光。通过引入非传统数据，大数据风控可以给出更精确的信用风险评价，减少对抵押品的依赖，提高缺少信用历史的用户的信用准入概率[9]。因此，在全面推进乡村振兴、发展数字乡村和实现2035年远景目标等政策背景下，探讨用大数据对“三农”主体进行信用风险评估，已具备了较好的宏观政策环境和现实条件。

二、传统方法用硬信息评估“三农”主体信用风险的难点及基于大数据评估的探索

从前面的分析可以看出，信用风险评估就如同经济发展背后的一个“大巫师”，全面准确的信用风险评估可以将潜在借贷主体纳入金融服务范畴，帮助他们抓住市场机会或者改善家庭人力资本素质，推进实体经济发展；相反，错误的或不全面的信用风险评估，则可能会将有信贷偿还意愿和能力的经济主体排斥在金融服务之外，影响信贷资源的优化配置和经济发展。

（一）传统方法用硬信息评估“三农”主体信用风险的难点

1.不能全面掌握潜在客户的信息

信用风险评估的起点是数据，传统信用风险评估的主要数据来源是贷款申请者申请贷款时提交的数据、过去使用贷款过程中产生的数据以及去征信机构查询的相关数据，这些数据主要是财务历史数据。可见，传统信用风险评估主要是基于信贷历史的因果逻辑，如果经济主体过去的信用良好，那么可以预测其未来的信用也好。因果思维模式在信息完全和不完全情况下的效应是不同的。在信息不完全状态下，如果研究者以信息完全为预设前提，依据自己掌握的部分信息为依据对问题做出因果逻辑判断和推论，则不一定能得出正确的认知。[2]信贷机构依赖历史事件进行信用风险评估，但历史事件却没能将相关数据全面真实的记录下来，那就无法准确预测经济主体的信用，经济主体就可能因为不正确的信用风险判断而被排斥在金融服务体系之外。这对经济主体是不公平的，也不利于实体经济的发展。因此，必须从信用风险产生的原因出发，全面准确的搜集潜在客户的所有相关信息，对其信用风险进行准确评价。

2.难以对潜在客户的信用风险进行准确评估

信用风险形成的最核心原因是信用主体缺乏债务管理能力。信用主体以往的信用历史、借款行为及相应的还款历史与信用风险有较强的关系，因此，传统上信用模型、评分卡和信用评级等方法被广泛应用，这些模型和方法所用的数据主要是信用历史数据。如美国著名的FICO信用评估模型就主要依据借款人的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型及新开立的信用账户等对潜在借款人的信用风险进行评估。可见，传统信用风险评估中主要考虑潜在借款人过去的财务数据，主要通过其资产负债表、现金流量表和利润表等来判断借贷主体的业务发展状况，预测其违约的可能性。[7]运用历史数据可能会导致对信用风险的现期认知与未来认知的不足，不能有效服务于经济主体的金融服务需求。而且对“三农”等小微经济主体来说，他们可能从来没有参与过信贷活动，也没有信用卡，甚至没有财务报表，金融机构无法据此对其进行信用风险评估。

3.获取潜在客户信息的成本高

为了更好的解决小微主体融资中的信息不对称问题，在传统技术条件下，一些金融机构开发出了关系型借贷，即不需要抵押，而是依靠种族、家族或者小范围的其他力量来维护这种借贷关系，如格莱珉银行的小组联保贷款。但这种替代关系信息的搜集在传统技术条件下需要耗费大量的人力和财力成本，并且，随着工业化、城市化水平的不断提高，我国农村人口流动性变大，熟人社会已经被陌生人社会所取代，这种小范围的“其他力量”逐渐消散，因此这种信贷模式很难大面积推广。解决“三农”主体贷款难贵慢问题，需要我们掌握更有效的技术来搜集和分析更多其他信息以甄别其信用风险。

针对小微主体信用历史数据缺乏问题，一些小贷机构开发出运用经济主体的“三品”“三表”等立体、多维数据信息来验证和评价借贷主体信用状况的做法，取得了较好的效果，这充分说明了非传统数据用于信用风险评估的价值。

（二）基于大数据评估“三农”主体信用风险的探索

经济主体（个人或者企业）的信用并不仅仅反映在其从事金融活动时的相关历史信息中，而是体现在其从事经济和社会活动方方面面的过去、现在乃至未来的数据中，这也是很多小微信贷机构依据软信息进行放贷决策的原因。Stein将信用风险度量指标分为硬信息(客观存在的信息)和软信息(描述性信息)两类[9]。典型的软信息包括社会地位、人品、企业声誉等[10]。廖理和张伟强针对互联网借款平台中个人借款者的信息价值进行实证研究，发现个人借款者的所有信息都存在或多或少的价值[11]。吴晶妹在《三维信用论》一书中指出，经济主体的信用由三个维度构成：一是个体素质，即经济主体是否讲诚信，体现的是一个人的还款意愿，是和品性相关的维度；二是社会活动的合规度，即经济主体作为社会的一分子，是否遵循社会的规定、规则、惯例等；三是经济主体在经济活动中的践约度，即经济主体是否有契约精神，是否按契约的约定履行责任。[12]因而在对“三农”等小微主体进行信用风险评估时，我们可以寻找替代数据和补充数据，代表性的有电信、公用事业、医疗、房租等方面的缴费数据，这些数据具有先消费后付款的信用交易数据的特点；也包括互联网消费、电话号码变更、工作单位地址、社会资本等可以佐证“三农”主体性格和收入状况的数据，以及社交、购物、游戏等折射“三农”主体社会交往、行为特征等方面的数据。Lehner的研究表明，筹资者社交关系网越强大，其筹资能力越强，获得的筹资规模就越大[13]；李思瑶等在Stein的风险度量指标体系下进行实证分析，发现借款人的收入、所处区域、学历水平及信用评级与违约率负相关[14]；Barasinska和.Schfer发现性别也是影响借贷成功的因素[15];.廖理等发现借款者的地域分布与其借款成功率相关[16]；多年来全球心理学研究的成果也支持心理测试数据与信贷违约之间的统计相关性。国际上一些征信机构开始运用心理测量学数据对信贷主体的信用风险进行评估；一些金融科技平台和互联网银行也利用人工智能捕捉借款申请人在填写相关借贷申请时的犹豫时间、删改信息等情景来辅助判断借款人信用风险。偿还能力也是信用风险形成的一个重要原因，收入能力的降低或者完全丧失、债务和支出的增加导致的可支配收入能力降低等都可能导致偿还风险。因此，“三农”主体的收入能力、收入潜力、财产、现金流状况、经营能力、所处行业状况、经营面临的自然风险和市场风险等都是评价其偿债能力的重要因素。

当然，信用风险评估中的大数据很多是非结构化的数据，需要进行处理才能形成对信用风险评估有价值的组合。传统技术条件下，这些数据的取得，需要耗费大量的人力、物力和财力，加上传统数据分析模型对于多维度、多形态的数据存在不适应的情况，难以降低小微主体的融资成本，不利于普惠金融的发展。而大数据+机器学习是这些多维度、多形态金融数据搜集和计算分析的未来，为运用大数据对“三农”主体进行信用风险评估带来了曙光。

三、运用大数据评估“三农”主体信用风险的优势及可能面临的问题

（一）运用大数据评估“三农”主体信用风险的优势

1.可以拓展金融服务的人群，促进农村金融普惠

运用大数据对“三农”主体进行信用风险评估，可以有效克服用传统数据、模型和方法对“三农”主体进行信用风险评估的不足，拓展金融服务的人群。（1）移动互联网的普及，人工智能和深度学习技术的应用，使得用大数据对“三农”主体进行信用风险评估成为可能，使得信用评分可以扩大到信用白户，从而使可评分对象和评分准确度得到很大提升，可以大大扩展信用产品的应用场景，也促使“三农”主体更加重视自身信用的积累，有利于社会信用体系的建设和农村金融普惠。（2）现代大数据的理念和技术，是对历史经验的一种继承和发扬，基于数据化的信息处理能力和强性拓展的云计算能力，使得金融机构可以用更广泛的数据采集、更快速的数据处理、更方便的数据推送来支持分析定价模型，将新兴的数据风控产品服务于缺乏信贷记录的人群，对于传统的信用风险评估可以起到补充作用，能够比传统信用风险评估覆盖更多的人群，评价维度也更加广泛，即时性更强，甚至可以将社交媒体、用户情绪等影响因子纳入风险评估，更精准地对潜在借款人信用风险进行预测和评价，并实时监测，有效防范风险，促进个人征信、授信、风控等金融领域的发展，为提高金融服务覆盖面和深度提供条件。2015年，美国FICO针对将近5000万信用记录较少以及没有金融借贷信息的客户，推出了FICOXD评分，除覆盖金融借贷数据外，还覆盖水电煤等生活缴费、租房、电信账单等数据。蚂蚁信用评分主要依靠互联网活动相关的数据进行信用评分，将信用评分从依据金融和纯信用相关领域的数据扩展到更广泛的商业、生活场景的数据，大大扩展了金融服务的人群。芝麻信用目前有2亿用户，其中70%的用户都没有信贷记录，是现有金融体系没有覆盖的人群，但芝麻信用用涵盖网购、转账、理财、水电煤缴费、租房、住址搬迁历史、社交关系等信息数据，比较全面的反映这些经济主体的经济信用，使得他们有了芝麻信用分。有了芝麻信用分以后，这些原本会被银行拒绝的人中大约有百分之七十到百分之八十可以享受到金融服务。芝麻信用还可以补充那些在央行征信中心虽然有记录、但近几年因为没有贷款行为可能被银行拒绝的潜在客户在无信贷记录期间的行为数据，从而准确判断其信用风险，使其被金融服务覆盖。近年来成立的新网银行、微众银行等互联网银行运用大数据进行信用风险评估，信贷业务面迅速扩大，普惠效果良好。微众银行2018年年底的可授信用户数已达3.3亿人，超过了人民银行多年积累的3亿人的有效征信人数。而农业银行2020年底贷款的农户数为388.84万户，仅覆盖全国2.3亿农户的1.69%。（3）大数据信用风险评估将传统信用状况分析的因果判断变为相关性判断，为解决信用风险评估中以前不易解决的问题提供了新的思路。大数据信用风险评估利用大数据优势及金融科技能力，通过多意图分析、丰富的用户画像及强化学习的支撑，具备了需求洞察快和用户触达广的优势，大大扩展了可服务人群，为普惠金融发展奠定了良好的基础。

2.提高信用风险评估的精准度，降低信贷业务风险

大数据具有极大量、多维度和完备性等特征，极大量和完备性表明大数据有可能提供完备信息，多维度意味着信息可以通过大数据的相关性得到甄别和处理[2]；大数据风控具有模型优势，使用机器学习，可以抓住复杂的非线性关系，甚至可以抓住不同变量之间的交互作用[17]。因此，利用大数据的信用风险评估是在接近完全信息的基础上进行的，不夹带任何主观判断，具有信用风险评估的精准性。北京大学数字金融研究中心与国际清算银行联合研究发现，以数字技术为基础的信用评估模型预测违约的准确率超过了传统银行的信用风险评估模型。根据几家与蚂蚁金服合作银行的数据反馈，在央行征信机构判断的基础上叠加芝麻的服务，银行的业务风险率可以下降大约20%。再如度小满金融在央行征信数据的基础上叠加大数据，将分析区分度提升了15%。大数据风控是根据千万级的数据所做出的评估模型来对经济主体的信用风险进行评估的，是基于相关性的逻辑，如果一个经济主体和信用好的经济主体的特征类似，就可以判断这个主体的信用是比较好的。微众银行微粒贷在贷前筛查时，基于大数据信用评级进行白名单筛选，应用了人行征信数据、社交数据、公安数据、人口登记数据、学历数据、交易记录等数千个数据构建模型，综合评价客户的信用级别，决定是否贷款以及发放贷款的额度，大大降低了业务风险。截至2018年底，微众银行不良贷款率为0.51%，大大低于监管标准和行业平均水平，主体信用评级由AA+调升为AAA级。山东省农信联社的“沂蒙云贷”、浙江省农信社的“浙里担·联农贷”等，通过整合银行、担保公司的自有客户数据、政府数据（财税、工商、公检法、民政、医疗等）、人行征信和互联网第三方信息数据，实现对农户和农村小微企业主的精准信用分析，其中“沂蒙云贷”2019年4月上线，在1年内授信超过35亿元，覆盖范围扩展迅速[18]。

3.降低信用风险评估的成本，提高效率

发放一笔贷款，传统做法是金融机构通过面对面的尽调来做决策，成本高、效率低。数字信贷则能够在极短的时间内将申请者的移动支付与消费信息等数字足迹转化为数据，通过大数据技术创建预测模型，制定风险控制策略[19]，通过多维度的数据分析做决策，效率高、成本低。大数据技术的应用还可以降低数据采集和存储成本，高效的数据挖掘能力使得金融机构可以从数据中发现规律，提高对交易相关信息的甄别和处理能力，借助非信用数据作为补充和替代数据，更加准确有效的识别客户的还款能力和还款意愿。微众银行、网商银行和新网银行的员工数都不足2000人，但借助互联网、大数据、人工智能等技术，每家银行每年发放的小微贷款或者个人贷款笔数都在1000万笔以上，这在传统技术条件下是很难想象的。

（二）运用大数据对“三农”主体进行信用风险评估可能面临的问题

1.“三农”主体面临“数字鸿沟”

利用大数据进行信用风险评估的前提是取得大数据，但对“三农”主体中的一些老年人、低文化素质的人、偏远地方的贫困者来说，由于其可能没有移动终端，利用数字技术的能力很弱，或者收入有限不愿意支付流量费等，加上农村4G信号质量差，这些人没有在线上参与经济活动、社交和游戏的机会，因而缺少大数据，面临严重的“数字鸿沟”。金融机构无法通过互联网获得其相关大数据，他们仍然需要依托线下金融网点获得金融服务，获得金融服务的质量难以提高，从而遭遇技术性金融排斥，金融服务的不公平性进一步加大，金融民主化的进程受到影响。据第46次《中国互联网络发展状况统计报告》，截至2020年6月，中国农村网民人数约2.85亿，互联网普及率约为52.3%，明显低于76.4%的城市网民占比。

2.涉农金融机构能力缺乏问题

涉农金融机构相对来说规模较小，科技人员数量不足，素质不高，科技投入不足等，导致搜集和处理“三农”大数据的能力缺乏；加上农村的移动终端、物联网、传感器、社交媒体等覆盖的范围较小，涉农金融机构主要依靠网络爬虫技术或者与第三方平台合作取得的数据，可能面临质量不一、更新不够及时、整合不够、信息孤岛现象较严重等问题，数据质量难以满足对“三农”主体准确全面进行信用风险评估的需要。

3.涉农金融机构自主经营权问题

信用风险评估的目的是为金融机构根据潜在客户的信用状况进行信贷额度、利率、期限等决策提供依据，金融机构对潜在借款者进行信用风险评估，并根据其风险状况决定贷款利率水平，只有在利率能够覆盖成本和风险的前提下才有积极性为“三农”主体提供信贷。但目前涉农金融机构放贷利率决策自主权还不大，还肩负着一些政策性职能，人民银行和政府部门等出于农业国民经济基础地位的特性及乡村振兴的目标任务考虑，要求金融机构降低贷款利率、以较大比例资金为“三农”主体贷款，并严加考核和责任追究，但如果这个利差不能由财政补贴或者其他方式得到弥补的话，商业性金融机构是无法实现可持续经营的，其对“三农”主体也没有放贷积极性，信用风险评估的结果就无法体现为信贷业务的绩效，涉农金融机构也就没有提升运用大数据进行信用风险评估能力的动机，导致信息搜集不全面、不真实，加剧信息的不对称程度[20]。

4.数据隐私保护问题

数据是进行信用风险评估的基础，数据的价值因此而得以凸显。为了获得数据，相关主体可能存在非法或过度采集和使用个人信息的情况[21]，如在经济主体不知情的情况下采集个人信息、在用户注册时强制采集用户信息、未经授权转让信息等情况可能发生。信息也可能在搜集、传输和存储过程中存在技术漏洞，造成用户信息泄露和被滥用等问题，侵害用户隐私和权益。

四、克服“三农”主体大数据信用风险评估可能面临问题的政策建议

（一）涉农金融机构应积极行动，采取多种方式获取数据

一是要采取线上线下相结合的方式获取“三农”主体的数据和信息，也可以构筑自身的电子商务平台，增强交易场景和大数据获取能力。这可以借鉴湖南省慈利县农村商业银行的做法。该行利用自身人员数量多和移动通信设备便携的优势，通过信贷人员走街串巷、入户走访，并与农民专业合作社、村委会成员、乡镇干部等合作开展对“三农”主体的信用调查，积累“三农”主体的各种信用数据，加快了信用村居创建，打造了福祥E站产品，为农商行“三农”信贷业务开展和实现普惠金融转型夯实了基础。二是涉农金融机构要积极对接政府、税务、医疗、水电煤气、电子商务等数据平台，加强与金融科技公司的合作，充分利用这些平台的数据和技术优势，解决大数据缺乏和采集处理数据能力不足的问题。

（二）提升数据处理能力

拥有了大数据，并不等于自然就可以对潜在客户进行精准的信用风险评估，精准高效的客户信用风险评估有赖于科学的信用风险评估模型，并利用机器学习算法等对用户数据信息进行分析和挖掘，实现对用户还款意愿和还款能力的精准预测与识别。因此，涉农金融机构要加大数字化转型的资金投入，加强技术引进和人才引进力度，提升自身分析和处理数据特别是多源异构数据的能力，根据“三农”主体的特点，从多维数据信息中构建特征指标，选择科学的信用风险评估模型，并积极与金融科技公司合作，寻求对“三农”主体信用风险评估的更好解决方案。

（三）加强农村信息基础设施建设

一是各级政府应借助全面推进乡村振兴和加强新基建这一契机，促进数字农业和数字农村发展，为应用大数据对“三农”主体进行信用风险评估提供数据基础；二要特别注意对老年人、低文化素质群体进行移动通信终端使用能力及防范网络诈骗等的培训，简化手机APP的操作流程，引导弱势群体使用移动终端，积累大数据；三要积极引导农村电子商务的发展，带动农村电子支付、网络征信、网络信贷等相关金融业务覆盖面的扩展，为利用大数据进行信用风险评估奠定基础；四要打破信息数据的条块分割、区域分割和部门垄断状况，打破信息孤岛，形成信用信息数据资源共享，降低涉农金融机构搜集和处理信息的成本；五要加强对农村数字普惠金融发展的顶层设计和发展路径规划，并在农村数字普惠金融基础设施建设、金融生态环境改善等方面及早布局，全面提升农村地区医疗、出行、生活缴费、教育和政务的数字化水平，为利用大数据对“三农”主体进行信用风险评估创造良好的条件。

（四）要赋予涉农金融机构贷款定价的自主权，提升其贷款的风险定价能力

根据信用水平进行风险定价有赖于市场上资金供求双方的双向选择，从而形成市场均衡价格，并使金融机构具有持续的调整机制和专业的技术处理能力。因此，利率市场化是信用价值得以实现的前提条件，否则，即使客户有还款能力和还款意愿，但利率不能反映借款者的信用水平，不能覆盖贷款风险，银行也没有积极性放贷。所以当前要进一步推进利率市场化改革，金融监管部门和政府要进一步为银行减费和降低业务成本提供良好的环境条件，为降低“三农”主体贷款利率创造条件，调动涉农金融机构为“三农”主体提供信贷的积极性。

（五）加快立法

要加快对金融消费者数据信息和隐私保护的立法进程。数据信息供应商和金融机构要强化对员工的教育培训和管理，防止数据盗用、泄露等事件的发生，为大数据在信用风险评估中的应用保驾护航。