李海姣

摘要：本文通過網(wǎng)絡(luò)問卷調(diào)查方式，收集120位“芝麻信用”用戶的線上信息作為研究樣本集，對樣本集使用相關(guān)性檢驗方法，探究芝麻信用評分機制的新影響因素。結(jié)合相關(guān)理論和實際情況，確定“芝麻信用合作共享平臺使用次數(shù)”為新的芝麻信用評分機制影響因素，并對潛在但尚不直接相關(guān)的“人脈關(guān)系”因素做出剖析與推斷，希冀完善并改進(jìn)現(xiàn)有分析模型，補充新的解釋變量，對我國互聯(lián)網(wǎng)征信機構(gòu)信用評分機制的進(jìn)一步研究提供方向。

關(guān)鍵詞：芝麻信用 人脈關(guān)系 共享平臺

一、引言

互聯(lián)網(wǎng)征信作為預(yù)防互聯(lián)網(wǎng)金融信用風(fēng)險的重要手段，成為我國征信體系中的重要部分。“芝麻信用”是國內(nèi)典型的互聯(lián)網(wǎng)征信機構(gòu)，依托互聯(lián)網(wǎng)平臺開展征信業(yè)務(wù)，通過信用評分機制完成對用戶信用情況的評價。與傳統(tǒng)征信相比，芝麻信用基于客戶群采集了大量線上行為數(shù)據(jù)，覆蓋面積更廣。如今芝麻信用已在信用卡、消費金融、融資租賃、酒店、租房、出行、婚戀、公共事業(yè)服務(wù)等上百個場景為用戶、商戶提供信用服務(wù)。芝麻信用通過數(shù)據(jù)分析技術(shù)處理采集到的數(shù)據(jù)，以信用分形式呈現(xiàn)。“螞蟻金服”官方雖給出了五個評價維度——信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系，但具體計算過程仍不予公開，信用分產(chǎn)生過程不透明，加之缺乏監(jiān)督，使其可靠性和公正性難以保證。因此，有必要對芝麻信用評價體系中的影響因素進(jìn)行詳細(xì)探尋。

目前國內(nèi)學(xué)者對于個人信用風(fēng)險評估理論與方法的研究大多還停留在論證大數(shù)據(jù)技術(shù)的必要性以及定性地提出利用互聯(lián)網(wǎng)大數(shù)據(jù)完善個人征信的建議上，雖有少數(shù)學(xué)者提出優(yōu)化模型用于個人征信領(lǐng)域，但并未涉及到對目前我國互聯(lián)網(wǎng)征信機構(gòu)信用評分機制的具象性研究?！痘ヂ?lián)網(wǎng)信用評分機制的潛在缺陷與改進(jìn)思路——基于“芝麻信用”的調(diào)查研究》一文運用計量方法，對芝麻信用的評分機制進(jìn)行了初探，但研究結(jié)論是只有淘氣值、用戶的工作單位性質(zhì)及月平均收入對芝麻信用分有影響，這顯然不能全面反應(yīng)其評分機制，特別地，隨著芝麻獲取信息渠道不斷拓展，這一結(jié)論的不足更加凸顯。

本文將借鑒此文的研究思路，在其研究成果上做出完善，以網(wǎng)絡(luò)問卷形式收集多側(cè)面的外部信息，補充其他因素對其評分機制的影響，為我國互聯(lián)網(wǎng)征信機構(gòu)信用評分機制的進(jìn)一步研究奠定基礎(chǔ)。

二、確定芝麻信用評分機制中新的影響因素

芝麻信用評估方法是在美國FICO評分系統(tǒng)的基礎(chǔ)上確立了適用于我國的信息維度，原模型主要研究了用戶身份特質(zhì)、履約能力及信用歷史三個維度，本文認(rèn)為，考慮到近年來移動支付的“全民化”與共享經(jīng)濟的快速發(fā)展，應(yīng)將“人脈關(guān)系”與“芝麻信用合作共享平臺的使用情況”兩個因素納入到研究范圍中，探討與芝麻信用評分的關(guān)聯(lián)性及具體如何影響芝麻信用評分。

（一）人脈關(guān)系

人脈關(guān)系指人際來往中的影響力和好友的信用狀況，如好友的身份特質(zhì)、信用分?jǐn)?shù)以及與好友的互動程度等。支付寶掀起的“無現(xiàn)金革命”，在很大程度上將現(xiàn)實中的人際關(guān)系平臺化、數(shù)據(jù)化。除第三方支付業(yè)務(wù)之外，支付寶還加入了“好友列表”、“生活圈”等功能，旨在通過這些板塊采集用戶的社交信息，作為評估體系的重要部分間接衡量用戶的信用水平，較為客觀的反映出個體的信用狀況。

“人脈關(guān)系”對芝麻信用分值的影響，可能體現(xiàn)在兩個方面：第一，用戶支付寶好友的信用水平（芝麻信用分）。第二，與好友的互動程度，含資金往來的頻次與金額等。芝麻信用評分體系會對“互動”（“好友聊天”、“群聊天”等）這一動態(tài)過程進(jìn)行多維度分析，如：關(guān)系強弱指數(shù)、社會關(guān)系模型、影響力指數(shù)等，故與好友穩(wěn)定的、多場景下的互動，是衡量“人脈關(guān)系”的一個重要指標(biāo)。

（二）芝麻信用合作共享平臺的使用情況

共享經(jīng)濟是近年來快速發(fā)展的新興業(yè)態(tài)，已滲透到交通出行、租房住宿、消費信貸、知識技能等各類產(chǎn)業(yè)中。目前，芝麻信用已與共享經(jīng)濟多個領(lǐng)域合作，均接入芝麻信用分評價機制，實行信用免押服務(wù)——若用戶的芝麻信用分達(dá)到一定標(biāo)準(zhǔn)，即可享受免押金等信用福利。

用戶對共享平臺的使用情況與芝麻信用分、信用福利之間，存在正反饋機制——用戶使用芝麻信用合作共享平臺的次數(shù)越多、信用記錄越好，個人芝麻信用分將越高，享有的信用福利就會越大；較高的芝麻信用分和較好的信用福利，也會無形中增強用戶對自身行為的規(guī)范，促使其在共享平臺上留下更優(yōu)的信用記錄。

由此可見，用戶在共享平臺（芝麻信用已接入的）上的使用頻率與信用記錄，可以反映用戶的履約能力，可能影響個人芝麻信用評分。

三、實證分析

（一）調(diào)查問卷的設(shè)計

本文調(diào)查問卷從“人脈關(guān)系”和“芝麻信用合作共享平臺的使用情況”兩個維度出發(fā)，共設(shè)計了7個問題：①最近一周，與聯(lián)系最頻繁的好友之間的轉(zhuǎn)賬次數(shù)；②最近一周，與聯(lián)系最頻繁的好友使用支付寶聊天的次數(shù)；③最近一周，使用支付寶“生活圈”功能的次數(shù)；④最近一周，使用芝麻信用合作共享單車的總次數(shù)；⑤最近三個月，使用神州租車、一嗨租車的總次數(shù)；⑥最近一年中，使用螞蟻短租、小豬短租、途家、未來酒店的總次數(shù)。其中，轉(zhuǎn)賬次數(shù)、聊天次數(shù)及使用“生活圈”次數(shù)均反映了“人脈關(guān)系”維度；使用芝麻信用合作共享單車、租車、租房平臺的次數(shù)，則反映了“共享平臺的使用情況”。從外部角度囊括了芝麻信用在這兩個新要素中能夠采集到并有可能用于信用評價的用戶數(shù)據(jù)。

（二）相關(guān)性分析

1.實證檢驗

此次互聯(lián)網(wǎng)調(diào)查問卷通過微信、QQ等網(wǎng)絡(luò)平臺發(fā)放和回收，調(diào)研對象多為在校大學(xué)生，少數(shù)為社會人士。問卷共回收120份。其中，有14份問卷缺失“芝麻信用分”字段信息，屬于缺失樣本，予以剔除。此外，另有1份問卷的“轉(zhuǎn)賬次數(shù)”字段信息記錄為127，屬于異常樣本，予以剔除。經(jīng)過以上清洗，最終形成105個有效觀測個體，形成樣本量為105的待分析樣本集。

對芝麻信用分（score）與六個問題的答案做pearson相關(guān)性分析，結(jié)果如圖2所示。其中，TIMESI～TIMES6分別對應(yīng)問卷中的轉(zhuǎn)賬次數(shù)、支付寶聊天次數(shù)、使用“生活圈”次數(shù)、使用芝麻信用合作共享單車、租車及租房平臺的次數(shù)。

2.實證結(jié)論與分析

（1）結(jié)論

上述相關(guān)性分析結(jié)果表明：

①“人脈關(guān)系”，含轉(zhuǎn)賬、聊天及使用“生活圈”次數(shù)——與芝麻信用分無顯著相關(guān)性。

②“共享平臺的使用情況”中，“神州租車”、“一嗨租車”使用次數(shù)與芝麻信用分具有顯著相關(guān)性。

③部分解釋變量間具有多重共線性，如TIMES1與TIMES2，TIMES4與TIMES6等。

（2）分析

①在“人脈關(guān)系”維度中，不止包含轉(zhuǎn)賬、聊天及使用“生活圈”次數(shù)，還包括較為重要的一部分——好友信用狀況（好友信用分與身份特質(zhì)等）。一個賬戶的信用評級必然影響另外一個賬戶的信用評級，如果好友的信用狀況都較好，那么該用戶信用極其低下的可能性也不大。但由于用戶并不能準(zhǔn)確獲知好友的信用分?jǐn)?shù)，故本次問卷調(diào)查無法采集到此項數(shù)據(jù)。因此，由于“人脈關(guān)系”維度數(shù)據(jù)采集并不全面，且無法確定“好友信用狀況”對芝麻信用分的影響程度，則不能單純判定該維度與芝麻信用評分間無相關(guān)性。本文認(rèn)為，轉(zhuǎn)賬、聊天及使用“生活圈”次數(shù)變量與芝麻信用分?jǐn)?shù)雖無直接相關(guān)性，但可能與“好友信用狀況”或其他人脈關(guān)系變量相關(guān)，而該變量作為“準(zhǔn)工具變量”可能與芝麻信用評分之間有直接相關(guān)性，并構(gòu)成芝麻信用評級體系中的重要成分。

②“共享平臺使用情況”與芝麻信用分之間的強相關(guān)性，則與芝麻信用與共享經(jīng)濟近年來的發(fā)展趨勢密不可分，二者相互結(jié)合、相互促進(jìn)，既順應(yīng)市場走向，同時為社會帶來積極效應(yīng)。一方面，芝麻信用的互聯(lián)網(wǎng)征信屬性決定了其信息來源多為用戶網(wǎng)上行為數(shù)據(jù)，包括淘寶、支付寶和社交媒體中的記錄等。當(dāng)下大數(shù)據(jù)與云計算的發(fā)展，將越來越多的現(xiàn)實場景平臺化、電子化，這要求芝麻信用應(yīng)涉足更多新興領(lǐng)域，以保證其征信信息來源的全面性、客觀性與準(zhǔn)確性。

另一方面，共享經(jīng)濟作為近年來蓬勃發(fā)展的新業(yè)態(tài)，國家政策高度支持，市場環(huán)境向好。隨著共享平臺用戶群體的數(shù)量不斷增多，用戶的行為數(shù)據(jù)也愈加具有代表性，因此共享平臺用戶行為數(shù)據(jù)對芝麻信用評分機制有很強的參考價值；此外，由于共享經(jīng)濟具有“共享”、“去中介化”等特質(zhì)，其健康發(fā)展高度依賴完善的信用評價機制，而芝麻信用的出現(xiàn)恰好在一定程度上緩解了共享經(jīng)濟的“信用困境”與“押金”問題。

目前芝麻信用與共享單車、租車、租房行業(yè)的一些大眾化共享平臺均有合作，如：ofo小黃車、神州租車、一嗨租車以及螞蟻短租、小豬短租等。其中共享單車與租房的相關(guān)性不高，原因可能在于問卷調(diào)查的時間區(qū)間（“最近一周”、“最近一年”）設(shè)置不合理。而租車次數(shù)與芝麻分的顯著相關(guān)程度可代表“共享平臺使用情況”。用戶在以上共享平臺的使用次數(shù)越多，留下的行為數(shù)據(jù)就越多。這些行為數(shù)據(jù)能夠很好的反映用戶的信用歷史、履約能力及行為偏好，并對用戶的最終芝麻信用分提供重要補充。因此，用戶在芝麻信用合作方共享平臺上的使用次數(shù)，與芝麻信用評分具有較強相關(guān)性。

③部分解釋變量之間具有多重共線性，說明問卷的部分問題之間相關(guān)，分別是TIMES1與TIMES2，TIMES1與TIMES6，TIMES2與TIMES3，TIMES3與TIMES4，TIMES3與TIMES5，TIMES3與TIMES6，TIMES4與TIMES6。

TIMES1與TIMES2，TIMES2與TIMES3之間的共線性，分別表示轉(zhuǎn)賬次數(shù)與聊天次數(shù)相關(guān)，聊天次數(shù)與使用“生活圈”次數(shù)相關(guān)。以上三者均為描述“人脈關(guān)系”的測度：一個與好友互動較為頻繁的用戶，應(yīng)具備一定的社交影響力，故使用“生活圈”的次數(shù)偏多，因此測度之間必然具有較強的相關(guān)性。同理，TIMES4與TIMES6的共線性表示，在芝麻信用合作平臺上的“共享單車使用次數(shù)”與“租房次數(shù)”具有一定相關(guān)性，由于二者均反映“共享平臺使用情況”，屬于同一維度的不同側(cè)面，故也應(yīng)相關(guān)。

除此之外，TIMES1與TIMES6，TIMES3與TIMES4，TIMES3與TIMES5，TIMES3與TIMES6之間的多重共線性則綜合反映了“人脈關(guān)系”與“共享平臺使用次數(shù)”之間的相關(guān)程度，可以從以下兩方面進(jìn)行解釋：

首先，對支付寶業(yè)務(wù)的熟悉程度，可以分別從“人脈關(guān)系”與“共享平臺使用次數(shù)”兩方面進(jìn)行分析。

“人脈關(guān)系”方面：除轉(zhuǎn)賬外，好友聊天及生活圈功能與一般社交平臺具有重合性，故使用人數(shù)整體偏少。若用戶在“人脈關(guān)系”維度上表現(xiàn)良好，說明該用戶對支付寶功能可能有著特殊偏好，使用轉(zhuǎn)賬、互動等功能的次數(shù)較多，與一般用戶群體相比，該用戶對支付寶功能的熟悉程度會更高。

“共享平臺使用次數(shù)”方面：與芝麻信用合作的共享平臺，都會列示在支付寶頁面中。但在調(diào)研過程中發(fā)現(xiàn)，大部分答卷人除轉(zhuǎn)賬外，對支付寶的其他功能并不熟悉，因此較少使用支付寶頁面上共享平臺。而在“人脈關(guān)系”維度表現(xiàn)良好的用戶，面對租房、出行等需求時，由于較為熟悉支付寶附加業(yè)務(wù)，因此將更傾向使用芝麻信用合作的共享平臺，其使用次數(shù)也會相應(yīng)增多。綜上，“人脈關(guān)系”與“共享平臺使用次數(shù)”之間具有一定的相關(guān)性。

其次，高信用分好友的輻射效應(yīng)與人們的趨同效應(yīng)。

與好友互動程度較高的用戶，也可通過好友推薦這一渠道，加強對支付寶功能的熟悉度，從而產(chǎn)生對芝麻信用合作共享平臺的偏好，增多使用次數(shù)。如，用戶的某個支付寶好友擁有較高芝麻分，對支付寶附加功能十分了解，經(jīng)常使用ofo小黃車、小豬短租等平臺，則用戶在與該好友互動過程中，很可能了解到更多有關(guān)芝麻信用合作共享平臺的信息，因此較易加入共享平臺使用群體中。

四、未來研究方向及模型改進(jìn)

（一）研究方向

通過對預(yù)處理后的樣本數(shù)據(jù)進(jìn)行相關(guān)性檢驗，本文發(fā)現(xiàn)，“芝麻信用合作共享平臺的使用次數(shù)”與芝麻信用分有顯著相關(guān)性，而在“人脈關(guān)系”方面，尚無法通過現(xiàn)有數(shù)據(jù)與芝麻信用分直接建立相關(guān)性，但仍作為芝麻評價體系的重要成分。

由于“轉(zhuǎn)賬”、“互動”、“使用‘生活圈次數(shù)”與芝麻信用分之間并不顯著相關(guān)，故下一步研究方向是尋找“人脈關(guān)系”維度中與芝麻信用分具有顯著相關(guān)性的“隱形變量”，重點研究對象為“好友信用分?jǐn)?shù)”。由于在網(wǎng)絡(luò)人際關(guān)系網(wǎng)中，好友的輻射效應(yīng)與人們的趨同效應(yīng)可以在較大程度上影響一個人的行為，故芝麻信用評分體系很可能將“好友信用分”作為“人脈關(guān)系”的重要評判標(biāo)準(zhǔn)。后續(xù)需要進(jìn)行更廣泛與深入的數(shù)據(jù)搜集工作，研究“好友信用分”與“轉(zhuǎn)賬”，“互動”，“使用‘生活圈”次數(shù)之間的關(guān)聯(lián)性、對“人脈關(guān)系”維度的代表性、以及是否與芝麻信用分顯著相關(guān)。

（二）模型改進(jìn)

下一步將對參考文獻(xiàn)1中的模型結(jié)論進(jìn)行改進(jìn)，原模型如下：

本文既已確定“人脈關(guān)系”維度中與芝麻信用分顯著相關(guān)的變量后，筆者希望將該變量與“共享平臺使用次數(shù)”一起作為新的解釋變量加入原模型中，去掉數(shù)據(jù)量綱并進(jìn)行線性回歸建模估計。原模型的可決系數(shù)只有0.45，加入新解釋變量后，應(yīng)提高該模型的擬合優(yōu)度，增強模型對于被解釋變量的解釋力貢獻(xiàn)，定量分析出各解釋變量與芝麻信用分的關(guān)系，從更全面的角度分析芝麻信用評分機制，發(fā)現(xiàn)其不足之處并給出改進(jìn)意見。