2 我國個人信用評分發(fā)展的情況
關(guān)于個人信用評分的基本概念前面就介紹了這么多宝踪。下面呢我就跟大家聊一下我國個人信用評分發(fā)展的情況搬素。
2.1 發(fā)展的四個階段
很多人會認為芝麻分是我們國家第一個個人信用評分煌茴。這樣理解可能是因為對我們國內(nèi)的個人信用評分的發(fā)展并不是特別的了解任柜。
我一般把評分的發(fā)展劃分為四個階段何址，實際上在早期的金融機構(gòu)（這個圖上寫的是商業(yè)銀行）民宿，實際上在金融機構(gòu)那邊很多，除了商業(yè)銀行肛根，保險公司現(xiàn)在都有這樣類似的信用評分辫塌，當(dāng)然早期可能是以打分表的形式出現(xiàn)的。
第二個階段我主要是指試點的征信機構(gòu)做的這樣的評分派哲，這是較早基于征信數(shù)據(jù)的評分開發(fā)的一個嘗試臼氨。
第三個階段主要想介紹下人民銀行征信中心作為全國統(tǒng)一的金融信用信息數(shù)據(jù)庫開發(fā)評分的這樣一個情況。他和前面的試點就不一樣在于芭届，試點基本上是基于一個城市或一個地區(qū)這樣一個開發(fā)的評分储矩。而人行征信中心開發(fā)的評分就覆蓋了幾乎是所有的有信貸業(yè)務(wù)的人群，是真正意義上的全國性的個人信用評分褂乍。
第四階段我想介紹下關(guān)于市場化的這些征信機構(gòu)持隧，包括芝麻、拉卡拉甚至包括京東等等這類機構(gòu)評分的情況逃片。
2.2評分卡制度
商業(yè)銀行評分早期是打分表（卡）形式屡拨，基本上是某一個特征對應(yīng)某一個分數(shù)，比如說單位的性質(zhì)，如果是國家機關(guān)對應(yīng)給一個分數(shù)呀狼，事業(yè)單位也對應(yīng)相應(yīng)的分數(shù)裂允，不同的單位性質(zhì)對應(yīng)不同的分數(shù)，這種形式就是打分表或打分卡形式赠潦。實際上叫胖，評分卡是通用稱呼草冈，評分都可以用評分卡形式表現(xiàn)她奥。盡管現(xiàn)在都采用統(tǒng)計模型方法構(gòu)建模型，但為了解釋和使用方便怎棱，也都以評分卡的方式出現(xiàn)哩俭。
有人說評分卡是落后的、早期的拳恋，而模型是先進的凡资，這一點是不成立的。有的人認為這種方式不準谬运，我個人不這樣認為隙赁，這種評分卡很多是基于信貸員或風(fēng)險經(jīng)理的業(yè)務(wù)經(jīng)驗，不見得比模型的方式效果差梆暖。當(dāng)然伞访，這種評分卡可能存在一種問題，制定的標(biāo)準執(zhí)行上會因為個人的喜好而變轰驳，不像自動化的方式那么一致厚掷。所以在一致性和穩(wěn)定性上可能存在一些問題，也會影響準確性级解。
2.3 試點信用機構(gòu)評分
早期有兩家試點的征信機構(gòu)冒黑，一家是上海資信，上次在介紹征信也特別介紹過上海資信勤哗。上海資信是人民銀行和上海市政府合作成立的征信試點機構(gòu)抡爹，它采集上海的所有的金融機構(gòu)金融信息，特別是信貸信息芒划，包括上海市的一些政務(wù)方面的信息冬竟，如公積金和社保，它主要服務(wù)于上海市的所有金融機構(gòu)腊状。最早在02年的時候就開發(fā)了個人的信用評分诱咏，當(dāng)時叫做個人綜合信用管理評分，設(shè)的分值區(qū)間是-1000——1000缴挖，這個分值很有意思袋狞，它實際上相當(dāng)于兩個評分，但把它們放到一塊去了，一個是-1000到0苟鸯，這個分是針對跟金融機構(gòu)尤其跟銀行是沒有打過交道人的評分同蜻；0到1000是給跟銀行打過交道的人的評分。這個評分后來把分值區(qū)間調(diào)整到0到2000早处，實際上仍然是一樣的湾蔓，只不過是統(tǒng)一加了1000。以前有人有這樣的觀點砌梆，認為只要跟銀行打過交道的默责，你不管是辦過貸款、信用卡咸包，甚至只有過存款業(yè)務(wù)桃序，即使逾期沒還都比沒有跟銀行打過交道的人要分數(shù)要高。我個人是不太贊同這樣一個觀點烂瘫。實際上媒熊，F(xiàn)ICO等機構(gòu)主要還是對有信貸機構(gòu)，或者是信貸機構(gòu)比較豐富的人給打分坟比，而沒有跟銀行打過交道芦鳍，或者說跟銀行打過交道的時間比較短，也就是我們所說的薄文件的這樣的人葛账，由于資料或信息比較少柠衅，對這部分人也是不評分或者專門信息進行評分。這兩者實際上是有一些區(qū)別的注竿，不給評分是因為信息比較少茄茁，而無法準確的評分，而不是因為這些人由于沒有跟銀行打過交道巩割，他們的信用水平就低一些裙顽。上海資信非常可惜宣谈，這個評分沒有維護愈犹，現(xiàn)在已經(jīng)不再使用了，他們的官網(wǎng)也沒相關(guān)的這個評分信息了闻丑。鵬元征信征信在05年4月底的時候開發(fā)過個人的漩怎，叫個人綜合信用風(fēng)險評分，好像這個評分還在對外進行服務(wù)嗦嗡，叫做鵬元800勋锤，它的分值區(qū)間我過去在查的時候好像是200到800這樣一個區(qū)間，但是在現(xiàn)在的一些網(wǎng)站和資料上是320分到800分侥祭，每80分有一段叁执，最低為F段茄厘，最高是A。補充一點的是谈宛，上海資信的評分實際上是前面講的一家叫做環(huán)聯(lián)的機構(gòu)開發(fā)的次哈，是環(huán)聯(lián)在澳大利亞這個機構(gòu)開發(fā)的。
征信中心也有一個評分吆录，但可惜的是一直沒有對外窑滞。從08年我到中心開始，就開始帶著做個人信用評分恢筝。關(guān)于征信中心能不能做評分的爭議很大哀卫，尤其是征信管理條例出臺后有許多的聲音。一種說法是征信管理條例規(guī)定了征信中心是金融信用信息基礎(chǔ)數(shù)據(jù)庫滋恬，征信中心并不是一個征信機構(gòu)聊训，而是負責(zé)管理和維護數(shù)據(jù)庫，不要老是想到掙錢恢氯，沒有必要做這一類的增值產(chǎn)品，而應(yīng)該好好的把金融信息鼓寺，采集勋拟、整理、加工好妈候，增值的產(chǎn)品交給市場去做敢靡。也有說法即使征信中心是個征信機構(gòu)，但是征信機構(gòu)和評級機構(gòu)之間如何協(xié)調(diào)苦银，征信機構(gòu)主要強調(diào)提供的信息的真實啸胧、客觀、權(quán)威幔虏，如果去做評分纺念，評分這樣的一個事情，不管基于專家意見還是統(tǒng)計模型想括，它或多或少都會有主觀性的存在陷谱，即使是統(tǒng)計模型，在建模過程中瑟蜈，選擇變量上烟逊，都會有建模人的主觀意思在里邊。那怎么保證征信機構(gòu)在提供的產(chǎn)品具有這個客觀铺根、公正性宪躯？第三種說法實際上涉及到這樣一個問題，征信中心把金融數(shù)據(jù)都壟斷了位迂，如果把評分都做了访雪，以后市場方面要怎么發(fā)展呢予颤？尤其是作為征信中心這一個事業(yè)單位，他的效率都受到大家的質(zhì)疑冬阳，當(dāng)然也存在也存在一個與民掙利的問題蛤虐。所以綜合上面的，大概有這幾種關(guān)于征信中心是不是應(yīng)該做評分的一個說法肝陪。目前我個人是認為驳庭，征信中心做評分的確是不太合適的，包括我在人社部給他們介紹征信和評分的時候氯窍，我也在跟他們說饲常，希望他們在做評分的時候一定要謹慎。因為在做評分的過程中狼讨，尤其是政府機構(gòu)或者是事業(yè)單位在做這個評分時贝淤，有很多社會問題在里邊。
但是當(dāng)時征信中心為什么會要做評分呢政供？這有其它原因在里邊播聪。征信中心是一個經(jīng)費自理事業(yè)單位，中心人員工資都是要靠自籌布隔，我記得大概是在08年的時候离陶，大概是有3個月的工資沒有按時發(fā)放，當(dāng)時中心的領(lǐng)導(dǎo)也比較著急衅檀，考慮到信用卡在中國起步發(fā)展階段招刨，急需信用評分類似產(chǎn)品。所以中心希望通過評分產(chǎn)品來解決經(jīng)費緊張的問題哀军。
2.4 發(fā)展
2015年征信局通知八家征信機構(gòu)籌辦之后沉眶，一些征信機構(gòu)也陸陸續(xù)續(xù)的推出了自己的評分。實際上我對這個一直很納悶杉适，為什么這些征信機構(gòu)都是先推出評分谎倔，而不是認真地做好數(shù)據(jù)的采集和共享？有人解釋說評分的風(fēng)險小淘衙，不用擔(dān)心個人信息泄露传藏。評分確實有這樣的一個優(yōu)勢，其結(jié)果只是一個分值彤守，不會泄露更多的個人信息毯侦。但是征信局籌辦的通知都給了，這些機構(gòu)完全可以信息的采集具垫、整理侈离、加工、共享方面做的更好筝蚕。也有說這些機構(gòu)是順勢推出來的評分卦碾，本來他們自身的金融業(yè)務(wù)內(nèi)部使用的評分铺坞，我覺得這樣對征信未必會有幫助，據(jù)說的確也有評分玩的有點過火洲胖，受過監(jiān)管機構(gòu)的警告济榨。當(dāng)然也有人說，由于沒有征信中心的數(shù)據(jù)绿映，尤其是信貸這方面的信息擒滑，做出的評分的效果都不是特別理想，希望通過這樣一種方式推動征信中心數(shù)據(jù)的開放叉弦。估計這些都是玩笑丐一，但我確實覺得征信中心應(yīng)該開放數(shù)據(jù)給市場機構(gòu)的，由市場機構(gòu)去開發(fā)各類的信用工具淹冰，這樣可能會更有效率库车，也更有創(chuàng)新，當(dāng)然也應(yīng)該包括開放給高校的老師和同學(xué)一些脫敏數(shù)據(jù)供產(chǎn)學(xué)習(xí)樱拴、研究使用柠衍。
目前市場上有許多所謂的食用評分，大都需要市場的難疹鳄。就我目前了解的情況拧略，作為征信機構(gòu)的個人信用評分，除征信中心之外瘪弓，效果都不是很好。當(dāng)然這里面并不是技術(shù)的原因禽最，主要還是數(shù)據(jù)的問題腺怯。有機構(gòu)對外稱KS40多或者50多，但是其它機構(gòu)驗證時川无，結(jié)果往往并不理想呛占，好一點的能到30多一點，低的甚至只有十幾懦趋。一般而言KS值應(yīng)該在35左右才可以應(yīng)用晾虑。
問答錦集
問題1：請問，評分體系在p2p網(wǎng)絡(luò)金融中的運用前景仅叫？
答：應(yīng)該說在P2P中帜篇，評分是能夠發(fā)揮其作用的，但是關(guān)于P2P對客戶風(fēng)險的識別诫咱，不可能完全靠評分把所有問題解決笙隙。尤其是P2P網(wǎng)絡(luò)金融這一塊，比線下金融業(yè)務(wù)面臨更高的風(fēng)險坎缭。評分的作用是給P2P機構(gòu)多一道風(fēng)險把控的工具竟痰。未來我也會給大家介紹評分的應(yīng)用签钩。評分的作用能夠發(fā)揮有一定的作用，但絕不是全部坏快。
問題2：我有一個問題铅檩，莊博士，您好莽鸿，我想問的是基于邏輯回歸技術(shù)的FICO評分模型和基于阿里小貸的信息不對稱模型昧旨，哪一種方法更好呢？
答：去年在征信中心開了計量風(fēng)險模型研討會富拗，會上阿里臼予、騰訊等機構(gòu)都參加了，其中阿里的團隊關(guān)于計量風(fēng)險模型還是不錯的啃沪。但是至于哪個模型（算法）比較有效粘拾，我是這樣的理解的。FICO一直采用logistic回歸這個模型创千，在數(shù)據(jù)處理方面的確有其獨到之處缰雇，加之logistic回歸得到的結(jié)果較穩(wěn)定容易解釋，該算法仍然是個不錯的選擇追驴。前期招行也問過我類似的問題械哟，它們采用了除了logistic回歸之外還用了向量積和隨機森林和一串算法等各方面都做了嘗試，但是結(jié)果沒有什么明顯提升殿雪。當(dāng)時我主要圍繞數(shù)據(jù)屬性暇咆、算法的使用、參數(shù)的調(diào)整等方面做了解釋丙曙，目前覺得主要問題還在數(shù)據(jù)爸业，在以是否按期還款為目標(biāo)的模型中，信貸信息是較強的信用信息亏镰，其它信息可能相對弱一些扯旷，所以有不少機構(gòu)會研究其它算法或者理論，所以我很難說哪種算法比較合適索抓。我剛剛提到的幾個問題钧忽，比如說可解釋性問題，目前其他算法在可解釋的問題上逼肯，在穩(wěn)定性的問題上可能還需要進一步探討耸黑。
問題3：互聯(lián)網(wǎng)機構(gòu)拿了征信牌照，基于互聯(lián)網(wǎng)行為數(shù)據(jù)建模和第三方征信機構(gòu)的傳統(tǒng)評分辦法汉矿，哪個置信度更高崎坊？互聯(lián)網(wǎng)方式效率更高
答：基于互聯(lián)網(wǎng)數(shù)據(jù)做得評分，那個效果更好洲拇，哪個效率更高奈揍，我覺的單純從業(yè)務(wù)角度看曲尸，很難說哪個更好。但是未來從監(jiān)管角度來說男翰，我相信對公平性的要求會加強另患。這樣的話，基于互聯(lián)網(wǎng)行為數(shù)據(jù)的建模關(guān)于在解釋信用問題上可能會有很好的突破才可以蛾绎。
（下篇：征信發(fā)展與模型講座個人總結(jié)與解析版）
