我国互联网征信行业发展的主要问题及相关建议

季娟宇+赵雯+郭孟琪

摘 要：相对于传统征信方式，互联网征信在消除信息不对称方面具有明显优势。当前，我国的互联网征信行业发展迅速，但在数据筛选质量、信用评估模型、个人信息保护、监管法律法规的建设等方面存在明显不足。本文从理论和实践两个方面分析了其中的主要原因，并提出了促进我国互联网征信行业的若干具体建议。

关键词：互联网征信；大数据分析；信息保护

信用是现代经济与金融的发展基石。随着互联网和电子商务的快速发展，可用于信用评价的信息也越来越多，互联网征信由此应运而生。所谓互联网征信，主要是指通过对个人或企业在互联网交易或使用互联网服务中留下的行为数据的采集，并利用大数据、云计算等技术进行信息评估的活动（刘新海，2016）。與传统征信方式相比，互联网征信在数据来源、数据质量、数据分析方法、商业模式等诸多方面存在明显不同，也体现出更加强盛的发展势头。当前，我国互联网征信行业发展迅速，也爆发出了不少问题。本文将在理论分析的基础上，探讨互联网征信发展的理论根据，在我国面临的主要问题及相应的解决措施。

一、关于互联网征信发展的理论分析

根据法玛的有效市场假说，在法律健全、透明度高、竞争充分的市场里，一切有价值的信息都能在价格中得到及时有效的反映，因而投资者可以并且能够迅速对所有市场信息作出合理反应。然而，信息经济学认为，信息不对称是经济交易中的常态，信用市场中的交易双方通常掌握不对等的信息资源，受信主体对自己的经营状况及债务偿还能力有更为清楚的了解，往往会以授信主体的利益受损为代价为自己获取更大的经济利益。对此，George A. Akerlof在1970年提出逆向选择模型（Adverse Selection Model），A. Michael Spence在1973年提出了信号传递模型（Signaling Model），Joseph Eugene Stiglitz于1976年提出了信息甄别模型（Screening Model），都证明了在信用协议签订前，信息不对称会导致市场中的逆向选择，形成劣币驱逐良币现象；而信用协定签订之后，则会存在道德风险问题。信息不对称程度越高，信息成本也越高，市场交易费用越高，信用市场的运作效率则大大降低。

相关调查显示，信用市场存在的问题每年会使中国的GDP减少2个百分点的贡献。信用制度作为约束信用行为主体的规范，能有效地降低金融交易成本，防范投资风险，促进市场经济健康运行。而信用制度不完善形成的契约不完全会使信用主体面临极高的违约风险。因此，结合信息不对称理论，要提高市场交易效率，维护市场秩序和公平竞争，必须尽快建立健全的征信体系。我国征信行业的发展从1980年后期开始的探索阶段到区域性平台搭建、央行集中统一平台主导到现今的市场化改革阶段，整个行业进入快速发展的阶段，自2007年以来，P2P、第三方支付、网络银行等互联网金融发展快速并相继成熟，为征信业带来了新的活力，促进了传统征信业的发展。

相较于国外征信体系发展，我国起步较晚，但互联网的快速发展引进的互联网+征信的兴起迎来新的发展契机，其海量数据的搜集、信息筛选与挖掘为征信市场提供了更多的征信获取途径，满足了在以央行为主的传统征信系统中没有信贷记录的“弱征信”群体以及网贷平台等新兴中小企业对于征信的需求，促进了社会信用体系的建设（陈斌，2015）。互联网征信与传统征信的差异（详见上表）弥补传统征信不足的同时也带来了新的问题，需要市场与政府在发展中克服与解决。

二、当前我国互联网征信行业存在的主要问题

1.网络数据多而杂，范围广，筛选难

在信息时代的背景下，互联网企业每天都在产生大量的数据碎片，根据中国互联网络信息中心（CNNIC）提供的《第39次中国互联网络发展状况统计报告》（以下简称“发展报告”）显示，截至2016年12月，中国网民规模达7.31亿，全年共计新增网民4299万人。互联网普及率为53.2%，较2015年底提升了2.9个百分点。

由此看出，随着网民规模的不断扩大，网络普及率的不断增加，互联网征信业务的覆盖面更为广泛。以腾讯征信为例，腾讯通过QQ、微信、财付通等多种业务拥有了庞大的用户（8亿QQ用户，5亿微信用户，3亿微信支付用户）和海量的交易记录，数据范围涵盖至个人的日常生活数据。用户只要在网上留下交易痕迹，征信机构就可通过数据挖掘和分析处理来分析其信用价值及风险。

然而，和央行征信系统相比，传统的央行征信模式虽然来源渠道单一，但包含了个人身份、信贷记录、行政处罚等重要信息，对于个人的信用分析具有重要价值（刘红熠、杨妮妮，2016）。互联网征信虽然拥有海量的网络信用数据，但数据琐碎并且杂乱。一些社交言论、交易记录对于个人的信用评分是否有参考意义还有待考证，从中进行数据的整合，挖掘数据与数据的相关性必然耗费大量的时间和精力，成本过于高昂。

2.缺乏合适的信用评估模型

要让海量的数据有效地反映消费者的信用状况，征信机构必须拥有强大的数据挖掘能力，开发出合适的信用评估模型，形成丰富的征信产品，满足市场需求。美国的Equifax、Experian和Trans Union三大征信机构采用FICO信用评分模型，通过应用数学模型对个人信用报告包含的信息进行量化分析，以FICO分来评估个人信用质量和信用风险，信用分覆盖了80%以上的美国人，曾有利地促进了美国房贷市场的快速发展。在大数据时代，美国各征信机构也在积极探索信用评估的新思路。Zestfinance以大数据技术为基础采集数据，在FICO的基础上增加了网络数据、社交数据等数据类型，开发了欺诈模型、还款能力模型等多种机器学习分析模型来判断信贷行为（刘新海、丁伟，2014）。

相比而言，中国的征信公司对信用风险技术分析的投入还不够，从信贷审批至风险管理各个环节，量化分析不足，金融机构在过去一般都采用经验判断法来进行信用评估，缺乏合适的经济计量模型，征信机构的信用评分也未推出。以上海资信有限公司为例，该公司作为发展较早、规模较大的市场化个人征信机构，曾设计模型评估个人信用，提供个人信用评分、个人信用评级等征信增值产品。但是，由于规模和认知度不够，公司的发展范围仅局限在当地市场，无法扩展到其他区域。除此之外，国内的其他征信机构，或者不具备一定的创新能力，或者规模太小无法形成影响力，再或者不具备研发能力。没有集中有效的信用评分系统，没有强大的信用评分模型开发能力，征信行业的发展在不知不觉中陷入了瓶颈。

3.个人隐私保护及信息安全问题

未来互联网征信的发展主要以个人信用数据的采集为主，反映个人的信用信息状况，因此对个人的隐私保护是征信行业发展的重要环节（刘红熠、杨妮妮，2016）。根据中国互联网络信息中心（CNNIC）提供的《第39次中国互联网络发展状况统计报告》（以下简称“发展报告”）显示，2016年遭遇过网络安全事件的用户占比达到整体网民的70.5%，其中个人信息泄露事件占据了32.9%，由此看出民众对于网络信息安全有着极强的不信任感，而且当前征信查询的不规范使得个人的征信记录很容易被违规使用，甚至形成诈骗犯罪行为。

同时，由于互联网企业的准入门槛较低，企业内部制度不健全，风险防范措施不到位，员工往往法律意识淡薄，容易利用职务之便非法出售用户的个人信息，淡化了隐私保护的边界，大大增加了隐私泄露的风险。

纵观征信市场成熟的发达国家，无不建立了健全的法律体系来保护用户的隐私权，为社会信用体系的建设提供重要保障。以美国为例，美国国会早在1971就制定了《公平信用报告法》来保护消费者的基本权利，并出台17部配套法律如《隐私权法》等从规范授信行为和惩治失信行为等方面保证征信业的健康发展。而我国关于个人隐私保护的法律法规仍不够完善，即使是2013年出台的《征信业管理条例》和《征信业管理条例》，对哪些涉及隐私权需要保密，哪些数据可以向公众开放，缺乏明确的法律界定，对失信行为缺少监管处罚机制，这也造成了互联网企业对用户信息安全的漠视（张健华，2015）。信息安全环境的不稳定，对于用户尝试互联网企业的征信服务，造成了不利的影响。

4.政府主导下征信市场发展缓慢

美国的征信行业是以市场为主导，由市场的需求来决定数据库的规模和征信产品的创新，通过市场的筛选实现优胜劣汰，推动征信机构的兼并重组，因此当前美国形成了以Equifax、Experian和Trans Union三家征信公司为主导的征信市场，不仅推动征信产品不断创新，而且运作效率和服务水平得到提高，形成了成熟的征信体系。

而我国的征信市场刚刚起步，各项法律法规尚不健全，征信产品供需不平衡，完全市场化的运作模式并不适合我国国情，完全照搬美国经验反而会导致征信市场的混乱，造成无序竞争。所以，根据征信产品本身的外部性特点，采用政府运作模式在征信行业发展初期有利于推动征信制度的建立。但随着市场需求的不断扩大，产品多样化需求的增加，仅靠央行的征信系统不能覆盖到所有的信贷数据，也不利于运作效率的提高和服务创新的推进。

三、促进我国互联网征信行业健康发展的建议

1.推动互联网征信行业集中化和技术革新

根据规模效应理论，征信行业存在着规模效益，随着征信规模的扩大，增加一单位的产品供给，所带来的边际成本极小。当征信机构在数据库的规模、人力资本等方面占据优势时，生产出来的产品即相关的征信报告或者决策意見质量会更高。目前，我国互联网征信领域中，以蚂蚁金服下的芝麻信用、腾讯信用、聚信立、深圳前海征信为翘楚，这些征信机构在各自领域中有着独特的优势和领先的地位，但其数据来源的单一性也是不可避免的。以单一化的数据评判个人或企业的信用是片面的，不具有说服力，因此，互联网征信行业的集中化就显得尤为重要。

实现集中化存在两种主要途径，其一，在全国形成具有代表性的、规模较大的征信机构，使其在征信市场上具有核心地位，其余区域性的小型机构依附于这些规模较大的机构，或向其提供数据。美国个人征信机构初期大多由商人集资建立，后期随着市场扩大和消费信贷发展，征信机构之间开始并购，并逐步形成了以Transunion、Experian和Equifax三家公司为代表的集中化体系。而在德国、英国、日本，征信行业同样经历了由野蛮生长至并购淘汰的过程，这对我国建立集中化的互联网金融征信体系有很大启示。其二，由政府主导形成第三方数据收集、信用评级中心，并给予一定的法律保障，全国的征信机构向其提供数据，再由中心收集、整理后形成全面的信用评级报告并发送给有需要的征信机构，实现各机构间的信息共享，由此推动互联网征信行业的集中化。

互联网征信行业的集中化就是数据、信息的集中化（冯文芳，2016），这需要以成熟的互联网技术为支撑。当集中化的时机成熟，进入机构之间信息资源整合配置的阶段，大数据的收集、筛选、整合等运作就需要足够强大的技术背景，因此，技术革新是集中化的前提和基础。

2.加强政府监管，完善法律体系

为维护用户隐私和信息安全，我国政府在互联网征信行业监管方面应做到以下几点。一是严密监控、严厉打击以征信为借口的非法信息搜集行为，对网络信息诈骗等行为及时审查、及时发现找出来源并做出相应的惩罚，对用户损失及时、尽力给予补偿及挽救（王斯坦、王屹，2016）。二是制定互联网使用准则，规定明确的互联网信息搜集范围及合法方式，推进《征信业管理条例》宣传，必要时可实行实名认证等机制，避免不法分子有机可乘。三是提升互联网监管机构的监管能力，引进具有相应知识和能力的专业化人才，实行与当前技术相匹配的监管手段及保护方式，例如提高防火墙技术，防止信息被窃取（封思贤、包丽红，2016）。四是加强宣传，号召网络公民注意防范网络潜在危险，加强用户自我保护意识，适当给用户进行相关知识普及。

除了政府监管，我国还应完善互联网信息安全相关的法律体系。首先，法律规定应该具体化。例如在《关于加强网络信息保护的决定》中的第二条，提出了“合法、正当、必要的原则”，却没有对这三个原则作出明确的阐释和范围的界定。在刑法和治安管理法摘要中，对网络信息的法律保护范围和处罚措施也显得过于局限和抽象。法律规定具体化包括惩处范围和惩处措施的具体化，也是法律的全面化和完整化，这样才不会被不法分子有机可乘，危害公众利益。其次，法律规定应当与时俱进。互联网发展日新月异，法律如果不随着时代的变更进行补充和完善，就会过时，使网络犯罪利用科技的手段钻法律的漏洞，威胁互联网征信市场的安全。最后，法律规定应当维护“数据所有权”，应当明确规定信息数据的所有权问题，强化互联网用户维权意识，对违背数据持有者意愿而获得并使用数据的行为进行严厉惩处（周秀娟、罗敏娜，2017）。

3.政府适当“放手”，促进征信行业市场化

传统征信，主要以金融借贷数据作为信用评价标准，数据来源是政府主导下的各商业银行报送的信贷信息，而没有借贷信息的用户便无法享受征信所带来的便利。FICO中国区总裁陈建曾表示，在中国，约存在8亿的潜在消费信贷用户。但是，其中，没有征信记录的人数多达5亿。由此可见，征信市场潜力巨大，而促进征信行业市场化能有效开发这一部分潜力。促进征信行业市场化的前提是政府适当“放放手”，即原本依靠央行主导的征信体系向市场化迈进，形成民间的征信市场，而其有效途径就是大数据背景下的互联网金融征信模式。全国政协委员、中央财经大学金融学院教授贺强建议政府向市场化征信机构开放数据，大数据云评分是中国普惠金融的必然之路。

将征信交给市场，有明显的优势。一方面相比较于非盈利机构，市场化的征信机构更贴近客户需求，有盈利需求和竞争压力，有助于提升自身产品服务质量和制定合理的定价策略，从而提高征信市场效率。另一方面，民间征信市场数据来源更为广泛，相比较于银行信贷信息数据更丰富，能够较为全面、准确地给用户做出征信评价报告，从而促进征信行业整体效率的提高。

参考文献：

[1]陈斌.互联网金融需要互联網征信.清华金融评论，2015（4）.

[2]封思贤，包丽红.监管第三方支付机构的博弈分析.中国经济问题，2016（4）.

[3]冯文芳.互联网金融背景下小微企业大数据征信体系建设探析.国际金融，2016（3）.

[4]刘红熠，杨妮妮.互联网征信背景下个人信息主体权利保护问题研究.征信，2016（6）.

[5]刘新海，丁伟.大数据征信应用与启示-以美国互联网金融公司ZestFinance为例.清华金融评论，2014（10）.

[6]刘新海.征信与大数据：移动互联时代如何重塑“信用体系”.中信出版社，2016年.

[7]王斯坦，王屹.我国互联网征信发展现状与征信体系构建.经济研究参考，2016（10）.

[8]张健华.互联网征信发展与监管.中国金融，2015（1）.

[9]周秀娟，罗敏娜.论互联网金融个人征信的法律监管.电子科技大学学报（社科版），2017（2）.

作者简介：季娟宇（1996- ），女，江苏省南通市人，南京师范大学强化培养学院2014级金融本科生；赵雯（1996- ），女，江苏省南通市人，南京师范大学强化培养学院2014级金融本科生；郭孟琪（1995- ），女，江苏省泰州市人，南京师范大学强化培养学院2014级金融本科生