劉新海

當(dāng)前，無信用信息是普惠金融發(fā)展必須解決的難題。

國內(nèi)有約9億消費者與傳統(tǒng)銀行有過接觸，但只有4億人獲得過信貸服務(wù)。國內(nèi)約6千萬小微企業(yè)中，僅約12%獲得過傳統(tǒng)金融服務(wù)，8%獲得過租賃、保險、P2P等非銀行金融機構(gòu)的金融服務(wù)。因此，仍有80%的小微企業(yè)和將近10億的消費者需付出較高代價才能獲得信貸服務(wù)——時間長、抵押物不充分、沒有財務(wù)信息、成本較高成為普遍問題。

其原因，在于金融機構(gòu)放貸須以之前的信貸記錄作為授信依據(jù)，而大量民眾和企業(yè)尚無信貸記錄，從而在無法獲得貸款和無法積累信貸記錄之間惡性循環(huán)，直到大數(shù)據(jù)為該問題的解決提供了便利。

傳統(tǒng)的消費者信用風(fēng)險評估主要從兩個維度進行：存款能力和還款意愿。

傳統(tǒng)金融長期使用信用報告查詢次數(shù)、信貸歷史、違約數(shù)等信貸直接相關(guān)信息作為基礎(chǔ)進行授信。

進入大數(shù)據(jù)時代，交稅情況、收入情況、社保公積金情況、搬家次數(shù)等信息，以及三大通信運營商的通訊數(shù)據(jù)和支付寶、微信、京東等互聯(lián)網(wǎng)終端中所留存的消費者行為數(shù)據(jù)，均可作為判斷依據(jù)，進行信用評估。

互聯(lián)網(wǎng)產(chǎn)品的注冊用戶和活躍用戶數(shù)量遠超央行征信系統(tǒng)，且相關(guān)信息更易獲得。

采集海量數(shù)據(jù)，從數(shù)據(jù)中沙里淘金，可以挖掘出與消費者信用直接相關(guān)的信息，比如信用場景、支付信息、賬戶活躍性等，可作為分析數(shù)據(jù)。通過細節(jié)洞悉消費者性格，探查申請人對信用申請的謹(jǐn)慎程度與還款誠意，再與其他成千上萬的信息數(shù)據(jù)相聯(lián)系，便能得出令人難以置信的精確圖景。

但相比于傳統(tǒng)征信數(shù)據(jù)的強相關(guān)性，這些大數(shù)據(jù)和消費者的信用狀況相關(guān)性較弱，因此有效的方式是：開發(fā)信用評分，加強弱相關(guān)數(shù)據(jù)的描述能力，面向普惠金融人群進行小額授信，使其有信貸信息的積累，再回歸到傳統(tǒng)的信用評估、信用服務(wù)，對以往無法服務(wù)的人群建立征信報告，進而實現(xiàn)對整體消費者人群的覆蓋。

本人曾從算法、模型、應(yīng)用等方面嘗試開發(fā)電信數(shù)據(jù)作為信用評估參考的方式和渠道。國家層面也需要主導(dǎo)和加強金融基礎(chǔ)設(shè)施的建設(shè)，比如在三大通信運營商的內(nèi)部建立信用風(fēng)險服務(wù)機構(gòu)等。

對此，一些互聯(lián)網(wǎng)金融公司也在積極探索，比如采取建模的方法，將電信數(shù)據(jù)、法律數(shù)據(jù)、求職數(shù)據(jù)、用戶自主提交的數(shù)據(jù)以及第三方數(shù)據(jù)進行整合、挖掘、分析。此外，傳統(tǒng)金融機構(gòu)還可與互聯(lián)網(wǎng)金融機構(gòu)互聯(lián)互通，以服務(wù)于日益活躍的互聯(lián)網(wǎng)場景。

融資難是全球性的普遍問題，在國外，哈佛大學(xué)肯尼迪學(xué)院的教授和博士為解決該問題，在無數(shù)據(jù)的情況下以發(fā)放問卷來進行專業(yè)心理測量，測試其誠信程度及財務(wù)的基本情況，進而對其信用風(fēng)險進行預(yù)測。該模型已運行10余年，在拉美10余個國家推廣，從小微企業(yè)拓展到普通消費者，服務(wù)了上百萬人口，取得了商業(yè)成功。

我國如果將心理測試與大數(shù)據(jù)相結(jié)合，或許將產(chǎn)生更好的評估效果，對推動普惠金融大有助益。