第三方支付背景下消费者个人信用评估模型构建

，（副教授）

一、引言

信用是市场经济的基础，广泛存在于商品交易、资本市场投融资和银行借贷等各个经济生活领域。一方面，信用能够通过提供信用服务刺激消费，拉动内需，积累社会财富；另一方面，信用风险所带来的损失也不容忽视。随着互联网技术的发展和革新，在电子商务作为主要商务模式的带动下，第三方支付作为电子商务信用风险的一种解决方案，在个人信用评估领域发挥着不可替代的作用并具有不菲的价值。得益于电子商务在我国的迅速发展和第三方支付服务的多元化及其支付平台设计的人性化，第三方支付平台收集了大量的消费者个人信息，对这些信息进行分析并将其应用到个人信用评估体系中，对于完善个人信用评估指标和建立新型的个人信用评估体系有着积极的促进作用。鉴于此，本文尝试构建一个第三方支付背景下的消费者个人信用评估体系，以提高个人信用评估模型的准确性，使得贷款人或企业能够更好、更全面地了解借款人的个人信用状况，从而降低个人信用风险带来的损失。

二、相关研究回顾

个人信用评估是通过分析个人信用历史和信用行为等相关数据资料，挖掘出数据中蕴含的个人信用行为模式和信用特征，如资产状况和偿还意愿等，确定个人履行各种经济承诺的能力，对个人信用水平进行全面评价的过程，最终用评分或等级对个人信用信息进行量化描述。

目前，国际上对个人信用评估的影响因素和指标的分析存在多种方法，其中“5C”要素的应用最为广泛，其主要从品质、偿付能力、资金、抵押和条件五个方面来考量个人的信用状况。如美国Fair Isaac公司提出的FICO评估体系，FICO体系关注的关键指标主要有五类，比重从大到小依次为：客户的偿还历史、信用账户数、建立信用的年限、新开立的信用账户和拥有的信用类型。在国内，中国人民银行在《个人信用基础数据库》中将个人信用信息指标体系划分为基本信息、信用交易信息、公共信息、特别信息和其他等五个大类。由此看出，虽然不同的国家、机构设计的个人信用的具体指标有所差异，但传统的个人信用评估指标体系一般都包括个人基本信息、资产状况、历史信用状况以及个人预期收入等几个方面。

随着电子商务的发展和成熟，国内部分学者开始在传统的个人信用评估体系中尝试融入电子商务相关的信息。张冰新（2008）认为基于电子商务的个人信用体系建设能够保证数据的连续性和客观性，同时信用评估能够直接作用于交易活动，消除交易双方信用数据不足和信用数据不真实的困扰，但依然存在信用数据造假、身份认证难等问题，并从宏观和微观两个角度提出了相关的改进意见，主要从定性角度进行分析。陈美蓉（2005）在建立静态的电子商务个人信用评级基础上，还建立了指标动态追踪评价方法，但并未对电子商务环境下个人消费行为特征建立相关的指标。朴春慧（2007）指出目前C2C电子商务网站信用评估模型较为简单，不够科学、精确，主要通过权衡考虑交易双方的信用度、交易次数和交易金额，综合考量被评用户的信用等级。陈宏娜（2010）用网上交易次数、网上交易成功率、网上受投诉率和受表扬率反映在线支付的信誉体系。杨韵（2010）为了使构建的模型更准确、更符合C2C交易市场环境，充分考虑了C2C交易环节中的信任要素和权重，为卖家构建了一套动态的信用评价模型。

电子商务的发展催化了第三方支付等互联网金融的衍生与发展，一些学者开始从互联网金融角度对用户个人信用评估展开研究。黄海龙（2013）指出在互联网时代，金融机构可以通过关联客户账号、动态更新用户评价等措施更加有效地督促客户还款，降低信用风险带来的损失。袁新峰（2014）认为在互联网金融模式下，可以通过消费者大量互联网行为数据综合判断个人的信用状况，能够得到较为准确的信用评分。随着数据的积累，互联网金融不仅可以事后管理风险，还可以事前预警，为个人信用评估制度的执行创造了条件。

综上所述，现有的研究中已有少量研究将电子商务相关指标融入个人信用评估体系中，但相关研究只考虑了交易次数和交易金额等指标，而忽略了其他细微但有价值的指标。此外，与互联网金融相关的个人信用研究，更多的是从宏观层面定性地探讨互联网金融与个人信用两者的关系，缺乏从微观层面对互联网金融环境下如何建立个人信用评价指标体系等问题的研究。因此，本文以互联网金融中第三方支付为突破口，立足于现有的个人信用评估体系构建的成果，充分借鉴第三方支付应用的功能，抽取影响消费者个人信用的新的关键指标，如社交关系（以支付宝为例，可以通过好友数、与好友资金往来数等具体指标来衡量），以完善个人信用评估指标体系，增强评估模型的科学性、准确性和适用性。通过层次分析法确定第三方支付背景下消费者个人信用评估体系中各个指标的权重，从而构建个人信用评估模型。通过案例分析，验证本文所构建的个人信用评估体系的有效性和可行性。

三、第三方支付

第三方支付是电子商务的产物，是电子商务发展过程中为了降低信用风险而提出的一种有效解决方案。然而伴随着网络消费信任机制的成熟和消费者数量的稳定，第三方支付已经不再满足于服务单一的电子商务平台或企业，而开始致力于扩张业务范围。横向上更注重服务于更多的电子商务平台以及其他电子化的行业；纵向上开始致力于线上线下深度服务的开发，以最大程度地提供多元化金融服务，构建以支付为中心节点的生态圈。随着第三方支付的基础化和服务的多元化，第三方支付背景下消费者的信息数据呈现出以下特征：

1.全面性。第三方支付背景下，与消费者相关的数据规模越来越大、维度越来越多。以支付宝为例，其提供了便民生活（生活缴费、信用卡还款等）、第三方服务（打车、外卖、旅行等）、资金往来（转账、红包等）、财务管理（余额宝、股票等）等多元化的应用与服务，满足了消费者全方位的消费场景需求，由此获取了大量与消费者个人信用相关的可分析的数据。例如，根据消费者的消费金额可判断消费者消费层次和消费水平，根据消费支出中各个部分的比例分布可识别消费者的消费习惯等。这些数据具有客观揭示消费者自身特点和预测消费者行为的潜力，通过对这些数据的分析，有可能得到相较于传统个人信用评估更为客观准确的个人信用水平。

2.动态性。在第三方支付背景下，与消费者相关的数据呈现动态变化性。如上文提到的消费者的消费金额和消费支出的各部分比重可能会因为收入的提高或非常规性支出而出现较为显著的变化。在第三方支付背景下，这些动态变化具有易获性，同时能够被实时反映到个人信用评价体系中。此外，第三方支付背景下信用服务与信用评估是相辅相成的，如消费者通过信用免押金入住酒店、租赁车辆等，同时，消费者在这些场景下的行为也可作为评估消费者个人信用水平的参考，因此使得个人信用评估结果可以实时更新。

3.突破性。在传统的个人信用评估模型中，有些指标往往由于数据获取的困难未受到足够的重视，而随着第三方支付的成熟和业务的拓展，这一局面得到了缓和。其中最为突出的是，第三方支付中产生了与消费者的社交关系相关的数据，即好友关系。社会资本理论认为社会资本与经济资本之间可以通过交换实现相互转化，拥有较好的社会关系的人能够更容易、更及时地获取所需信息，从而得到更高的经济效益，为个人信用评估体系中添加社交关系指标奠定了理论基础。在第三方支付背景下，社交关系指标能够被较好地量化，可以通过好友数、与好友资金往来数和好友的信用情况等子指标来评估。社交关系数据是当前第三方支付背景下消费者特有的信息特征，是构建全面科学的个人信用评估体系的必然选择，也是提高个人信用评估模型准确性和全面性的重要手段。

表1 第三方支付背景下的个人信用评估指标体系

四、第三方支付背景下消费者个人信用评估模型的构建

1.第三方支付背景下消费者个人信用评估指标体系的构成。本文秉着构建指标体系所要遵循的全面性、科学性和客观性基本原则，立足于现有的个人信用评估体系的研究成果，综合考虑第三方支付背景下信息的自有特征后，初步列举了五个维度26个指标作为备选方案，再与多位专家进行商讨筛选后，最终确定为五个维度20个指标，从而构建了第三方支付背景下的消费者个人信用评估指标体系，如表1所示。

本文构建的个人信用评估指标体系由5个一级指标和20个二级指标组成。一级指标包括个人基本信息、个人价值体系、个人资信情况、个人消费行为和个人社交关系五个维度。其中个人基本信息包含年龄、婚姻状况、学历等子指标，用来反映个人的品德素养以及还款意愿；个人价值体系由账户余额、个人月收入等组成，用来反映个人的资本和财务状况；个人资信情况由信用卡数量、借款逾期还款次数等组成，用来评估消费者的历史信用状况；个人消费行为则有由每月消费金额和每月消费次数等组成，用来反映消费者的消费习惯；个人社交关系作为一个全新的指标被纳入第三方支付背景下的个人信用评估体系中，由好友数、与好友资金往来次数等组成，用来反映消费者的社会资本状况。

2.基于层次分析法的个人信用评估指标权重的确定。在建立第三方支付背景下的个人信用评估指标体系后，需要先确定个人信用评估指标体系中各指标权重后，才能对个人信用综合情况进行评估。个人信用评估指标体系中不同的二级指标对个人信用评估的影响权重是不一致的，且二级指标归属于不同的一级指标，因此其对个人信用评估的影响程度无法直接通过计算获得。本文拟采用层次分析法（Analytic Hierarchy Process，AHP）来确定各二级指标对个人信用评估的总权重。

层次分析法是美国运筹学家T.L.Satty在20世纪70年代提出的一种定性和定量分析相结合的多目标决策分析方法，在权重确定中有广泛的应用。本文基于层次分析法的个人信用评估指标权重确定的具体步骤如下。

（1）建立递阶层次结构。通过之前分析的各指标之间的关系，建立个人信用评估指标体系的递阶层级结构，如图所示。目标层Z为个人信用评估，准则层C由个人基本情况、个人价值体系、个人资信情况、个人消费行为和个人社交关系五个维度组成。子准则层P由五个维度下的20个二级指标组成。

（2）构造两两判断矩阵。本文采用专家调查法确定准则层中各个指标之间的相对重要性，从而构建判断矩阵。根据重要性的等级，指标1相对于指标2的重要性一般可以分为：同等重要、稍微重要、明显重要、强烈重要和极端重要，对应标度可用1、3、5、7、9表示，处于上述两相邻重要性的中间状态可用2、4、6、8表示，倒数则表示指标交换次序比较的重要性。由此，本文设计并向相关行业专家发放调查表100份，回收率为100%，然后，计算回收的100份调查表中所有专家判断矩阵中各个权重的平均得分，从而得到准则层中各个指标的两两判断矩阵，其中准则层C中5个一级指标的两两判断矩阵如表2所示。

表2 准则层C之间的两两判断矩阵

（3）求最大特征根λmax、特征向量W和随机一致性比率CR，其中CR=CI/RI，RI的取值一般随着指标总数n的变化而取与之对应的固定值，详见表3。若CR＜0.1，表明判断矩阵具有满意的一致性，可以接受，则得出判断矩阵的最终权重，若未通过检验，则需要适当调整打分情况。判断矩阵Z-C结果如表4所示。

表3 平均随机一致性指标RI

表4 准则层C判断矩阵的最大特征根λmax、特征向量W和随机一致性比率CR

个人信用评估模型的层次结构图

采用同样的方法分别确定子准则层P中5组二级指标对于其父指标的相对重要性，构造每组二级指标的两两判断矩阵，从而计算子准则层中各指标的子权重，结果如表5所示。

（4）将二级指标的子权重值与一级指标的权重值相乘，得到各二级指标对总目标的总权重，即为本文个人信用评估指标体系中各个指标的总权重值，根据总权重进行排序，结果如表6所示。

表5 子准则层P各判断矩阵的最大特征根λmax、特征向量W和随机一致性比率CR

根据表4，消费者个人信用评估中一级指标权重排序为：个人资信情况＞个人价值体系＞个人消费行为>个人社交关系>个人基本信息。由此说明，消费者的历史信用情况是评估个人信用的关键因素；个人社交关系指标相较于传统个人基本信息指标更能影响个人信用，进一步验证了本文研究的必要性。由表5可知，个人基本信息中学历的权重最大，说明学历是衡量个人品德素养和还款意愿的核心指标；个人价值体系中固定资产相较于流动资金更能反映个人资产和财务状况，主要原因是前者具有一定的稳定性；个人资信情况中借款逾期还款次数权重最大，该指标能够直接从个人信用记录中取数；个人消费行为中每月消费频率比每月消费金额更重要；个人社交关系中好友平均信用得分对信用评估的影响最大。由此就可以识别重要因素，从而对消费者个人信用进行准确快速评估。

表6 子准则层P各指标占目标层的总目标权重

由表6可知，权重综合排序后，对个人信用影响排名前三的分别是借款逾期还款次数、固定资产和成功借款次数；排名最后三位的分别为好友数、年龄和婚姻状况。其中，借款逾期还款数、固定资产权重是年龄、婚姻状况权重的40倍之多，可见对消费者个人信用评估起到决定性作用的基本都是与信用或资金直接产生关联的指标，而个人基本信息类指标只起到参考作用。此外，个人社交关系中好友平均信用得分的权重排名较为靠前，进一步说明本文提出的个人社交关系指标对消费者个人信用评估存在不可忽视的影响。

3.第三方支付背景下的消费者个人信用评估模型的建立。个人信用评估指标体系中各指标权重确定后，对第三方支付背景下的消费者个人信用得分进行综合评估。对所有指标加权来评估消费者个人的信用得分Ei，个人信用得分越高，则表示该消费者的个人信用状况越好。

其中，Wi表示各个二级指标对目标的总权重；Yi表示个人在各个二级指标中的得分情况。根据个人信用评估指标体系，参考专家的建议，本文确定的评分准则如表7所示，其中每个指标的最高值为10分。

表7 第三方支付背景下个人信用评估评分准则

根据个人信用评分，对消费者进行信用评级，本文信用评级一共划分为差（4分以下）、较差（4～5分）、中等（5～6分）、良好（6～7分）、优秀（7～8分）和极好（8～10分）六个等级。在第三方支付背景下，信用等级越高的消费者可以享受门槛越高的信用服务，获得更高额度的消费信贷。

4.案例分析。在上文构建的第三方支付背景下的消费者个人信用评估模型的基础上，以第三方支付平台某个消费者的真实数据为例进行分析，计算该消费者个人信用的综合得分，计算过程和结果如表8所示。

表8 某消费者的个人信用综合得分

由表8可知，案例所选消费者的个人信用综合得分为8.4064，信用评级结果为极好，与人工判断的实际情况相符，因此本文所构建的第三方支付背景下消费者个人信用评估模型具有一定的可行性和有效性。

五、结语

在第三方支付背景下，消费者的信用信息数据呈现出了更为丰富多维的特征，其中以社交关系数据最为突出，基于这些信息数据构建一套合适的个人信用评估体系对提高个人信用评估的有效性、全面性和科学性都有积极的促进作用。本文基于社会资本理论，首次将社交数据纳入个人信用评估体系中，在借鉴多位专家意见的基础上，构建了较为全面的适用于第三方支付背景的个人信用评估指标体系，并采用层次分析法确定了各个所选指标对目标层的影响权重。通过案例分析，验证了本文所建立的指标体系可以有效地对消费者个人进行信用评估。

本文运用层次分析法确定各个指标的权重，由于该方法始终是综合人的主观判断将复杂的定性问题定量化，导致其结果仍然存在一定的主观性，因此今后的研究可以考虑如何采取更加客观、科学的方法评估个人信用。此外，对互联网大环境下消费者行为特征进行更深层次的分析和挖掘有助于更加全面科学地评估个人信用状况，也将是下一步研究工作的重点。

庄传礼．我国信用局个人信用评分发展研究［J］．征信，2011（1）．

白云峰，毕强．美国个人信用评分体系研究及启示［J］．现代管理科学，2010（12）．

张冰新，甘瑁琴．基于电子商务应用的个人信用体系建设策略［J］．中国流通经济，2008（3）．

陈美蓉，刘晓红．电子商务个人信用评价分析［J］．统计与决策，2005（7）．

朴春慧，安静，方美琪．C2C电子商务网站信用评价模型及算法研究［J］．情报杂志，2007（8）．

陈宏娜．电子商务在线支付下的个人信用等级评价模型研究［D］．北京：北京邮电大学，2010．

杨韵．C2C交易中的动态信用评价模型［J］．情报科学，2010（4）．

黄海龙．基于以电商平台为核心的互联网金融研究［J］．上海金融，2013（8）．

袁新峰．关于当前互联网金融征信发展的思考［J］．征信，2014（1）．

宋丽平，张利坤，徐玮．P2P网络借贷个人信用风险评估［J］．财会月刊，2015（35）．