大数据环境下微观信用机制和理论发展方向探析

金祎 万晓榆 徐立

摘 要：目前，对微观信用评价理论和方法的研究基本上是针对条件、关系等因素在相对确定的状态下进行的，主要通过运用运筹学、回归分析、管理科学与数量经济学建立研究理论和方法，如博弈理论、数据包络理论以及区块链理论。在大数据环境中，微观信用的影响因素一般情况下是动态的，客观上动态的、非确定性、小概率、非正负相关的逻辑关系不明显，而随机性因素会对信用问题造成巨大影响。文章在国内外最新研究的基础上，指出在大数据环境下微观信用机制的研究方法和方向，并提出了研究路径。

关键词：大数据;小额信贷;评价;趋势

中图分类号：F208

文献标识码：A

文章编号：1673-8268（2019）01-0102-08

国家科技部和自然科学基金委一直高度关注大数据的研究和发展，同时也高度关注对大数据相关理论和方法的研究和应用。微观信用问题是大数据环境下取得可靠和可信数据的基础，大数据环境下对微观信用机制和方法的研究是一个全新的领域，微观信用的机制和方法问题不仅在传统的金融领域有广泛应用，而且已经延伸到社会经济、科学研究等领域。

在这个研究中，我们将金融领域作为主要的微观信用理论研究的出发点，因为金融领域的两个核心问题——信用和风险——是互为前提、密不可分的。我们的研究从大数据环境和金融角度入手，进行微观信用机制和方法的探讨，初步梳理了现有的微观信用机制、方法理论的贡献以及由于理论和研究方法的进步迫切需要做进一步研究的问题。

互联网的普及、信息理论和技术的广泛应用、人工智能的飞速发展，使宏观信用或者微观信用的研究领域从金融、经济层面提升到科学研究的方法层面。基于金融领域的微观信用的机制也变得更加复杂，因此从金融的微观信用机制研究入手，面对大数据时代信息和信息技术出现的新特征和新问题，提取核心理论和方法形成新的科学研究方法并进一步加以运用，是未来研究亟待解决的课题。

一、微观信用机制和研究方法发展述评

信用，辞海的解释：信任使用;遵守诺言，实践成约，取得别人的信任;以偿还为条件的价值运动的特殊形式。社会学的解释是信任、资信、诚信，经济学和金融学中是以偿还和付息为基本特征的借贷行为。宏观信用主要是指对总体或全部集合的评价和价值判断，而微观信用就独立个体或部分集合作出的评价和价值判断。

一直以来，人们对信用机制和评价的研究围绕经济领域展开，特别是微观信用的评价机制主要围绕金融领域展开。目前学术界或实业界对微观信用机制和理论的研究主要针对条件、关系因素以及在相对确定状态下的环境进行，大多是通过运筹学、回归分析、管理科学与数量经济学建立的研究模型和方法，应用的理论包括博弈理论、数据包络理论[1]1-25以及区块链理论，且这些模型和方法仍在不断发展和完善中。

目前，国际和国内的研究者在微观信用评价和效益理论方面的研究总结起来主要在以下几个方面：

第一，控制论、系统论和博弈论的完善和发展。将微观信用机制和研究方法从经验判断提高到以量化指标体系建立和能实现逻辑判断的科学理论研究的高度。控制论、系统论和博弈论是信息理论研究的重要基石，也是科学管理、工程系统与物理过程评价和效益理论的基础。

美国著名数学家、信息论的先驱维纳[2]在其1948年出版的《控制论》一书中明确提出建立主体与客体之间形成的具有自主学习系统的对话关系。维纳的控制论更强调系统的行为能力和系统的目的性。过去对微观信用机制和理论的研究主要针对条件、关系因素，在相对确定状态下的环境进行，大多通过运筹学、回归分析、管理科学与数量经济学建立研究模型。维纳的这一思想让研究成果出现了质的飞跃，从纯粹的客体研究进入到主体和客体互动关系的研究，特别是对微观信用研究的效益评价理论做出了更加理性和全面的科学梳理。

梳理控制论的核心思想，从维纳提出的“行为”到“反馈”维纳在控制论中的表述为：“行为”即系统在外界环境作用（输入）下所作出的反应（输出），任何系统要保持或达到一定目标，就必须采取一定的行为，输入和输出就是系统的行为。“反馈”即系统输出信息返回输入端，经处理，再对系统输出施加影响的过程。控制论的研究表明，无论是自动机器，还是神经系统、生命系统，以至经济系统、社会系统，撇开各自的质态特点，都可以看作是一个自动控制系统。在这类系统中有专门的调节装置来控制系统的运转，维持自身的稳定和系统的目的功能。控制机构发出指令，作为控制信息传递到系统的各个部分（即控制对象）中去，由它们按指令执行之后再把执行的情况作为反馈信息输送回来，并作为决定下一步调整控制的依据。整个控制过程就是一个信息流通的过程，控制就是通过信息的传输、变换、加工、处理来实现的。，整个理论的构想是人与客观外界的一个交互过程，而这个客观外物被赋予了自主学习等功能。在深入学习和研究中认识到，对于微观可信度的建立和认识是最基础的，因此当控制论发展到一定阶段，在理论上可以用于对微观信用评价体系的建立和认知。即，基于控制论的思想衍生出涵盖各学科的评价、效益理论和方法，而管理工程正是取其思想建立了宏观和微观信用机制和方法。

系统论在20世纪40年代由美籍奥地利理论生物学家冯·贝塔朗菲首先提出[3]，经过同时代许多科学家的研究、发展而形成，包括贝塔朗菲提出的一般系统论，维纳提出的控制论，香农提出的信息论，普里高津提出的耗散结构理论，哈肯提出的协同理论，等等，也包括在科学及工程领域得到广泛应用的系统分析技术。

按照系统论的观点，科学界已经从不同角度对系统进行了分类。系统论不仅作为一般的世界观和方法论充实和发展了当代哲学，而且对管理学以至整个科学技术的发展都有直接而巨大的贡献[3]。

系统论对管理学的发展起了重要的助推作用，提供了解决复杂问题的分析工具，促成了管理新模式的出现。系统管理原理奠定了管理学作为科學学科的地位[4]。美国管理学家斯科特等在《组织理论——理性、自然与开放系统的视角》一书中说：“现代组织理论的与众不同的特质是它的概念分析基础，即研究组织的唯一有意义的方法是把组织当作系统来研究。”[5]卡斯特和罗森茨韦克在《组织与管理——系统方法与权变方法》中提出：“系统理论为研究社会组织及其管理提供了新的规范，系统方法有助于分析和综合复杂、动态的环境，它不仅研究系统及其超系统之间的相互作用，分系统之间的相互关系，而且还提出了协同的方法。从上述描述中，我们可以看到控制论到系统论的清晰发展和继承的关系。这种概念体系使我们能够研究一个完全处于外界环境系统制约中的个人、组织、社会等复杂系统。”[6]1984年，诺贝尔奖得主盖尔曼等科学家成立圣菲研究所，专门研究复杂性问题大数据技术和人类探索复杂性的努力有密切关系，20世纪70年代，新三论（耗散结构论、协同论、突变论）的兴起对几百年来贯穿科学技术研究的还原论发起了挑战。1984年，盖尔曼等诺贝尔奖得主成立以研究复杂性为主的圣菲研究所，提出超越还原论的口号，在科技界掀起了一场科学运动。虽然雷声很大，但30年来并未取得预期的效果，其原因之一是当时还没有出现解决复杂性的技术。，他们研究的方向就是大数据环境下的一些基本原理，从科学研究的出发点来探讨数据来源的可靠性和关联性问题。这类问题对于微观信用评价理论和方法具有启示和借鉴作用。而这种价值的基础就是建立了复杂信息系统的分析方法，这对于微观信用机制的研究、分析各种关系因素、建立更加透明的数学分析模型具有开创性的意义，对信用评价体系和今天的各个金融机构使用的微观信用评价、效益理论和方法的建立起到了奠基作用。

从博弈论的角度看，博弈的参与方总是寻找对自己最优的策略并由此形成一个均衡状态。北京大学张维迎在论述博弈论时，做了一个简单的描述，他在《博弈论与信息经济学》[7]一书中分析：在一个信息传递方便、市场监督机制健全的良好信用环境中，如果某家企业某次不讲信用并因此获得额外利益，但很快被别的企业知悉并在其后的经济交易中拒绝对它提供信用帮助，那么这家企业就会处于孤立状态，从而付出巨大的代价。因此，在信息传递机制和信用监督机制都很健全的社会环境中，企业不讲信用不是其最优策略;恰恰相反，其最优策略是讲信用，并防范交易对手不讲信用。但是，在一个信用环境不好、市场机制不健全的社会，如果某家企业某次不讲信用并因此获得额外利益，但其他企业却无法及时知悉并在其后的经济交易中仍对它提供信用帮助，那么这家企业就会因此而继续获益。于是，在信用监督机制不健全的社会环境中，该企业的最优策略就是不讲信用。当其他企业发现不讲信用的企业短期内可以获得额外收益，而自己因为讲信用却遭受利益损失时，这些企业的最优经济策略也会选择不讲信用。如果不讲信用被大多数企业作为最优策略，那么企业之间的信任随之降低，信用环境就会恶化。从长期来看，不讲信用的企业是没有市场的。

博弈论研究结果表明，如果博弈的参与方只进行短期博弈而缺乏长期博弈，那么这个参与方就会失信。只有加大对失信参与方的惩戒，提高失信的成本，使参与方进行短期博弈的失信成本远远大于其因此博取的收益，才可能使参与方进行长期博弈，减少参与方的失信行为。为此，学者们在博弈论的基础上研究出了一系列数学模型，使微观信用机制和方法在竞争状态下的合作与协同理论得到了完善。但是必须指出，无论是控制论还是系统论，或者在这些理论研究的过程中，对两个或多个目标系统之间关系研究而出现的博弈论，对于信息的信用体系和评价都没有深入，都是将信息假定在一个真实的条件下的。这就是我们看到的，信息的微观信用不一定是完全真实的，或者说百分之一百可信的。

2000年以前，中国科学院和北京大学、西安交通大学在这个方向上的研究比较具有代表性，它们在不同的理论方向上都有突破和发展，为我国航空、航天和核反应等工程领域的过程管理提供了支撑和帮助。这些研究成果更多地反映在客观过程中对事件的评价、控制和效益分析上，偏重于工程系统的微观信用评价和效益体系。在这个阶段，我国对于经济领域和社会领域的微观信用机制和方法的研究还比较薄弱。

第二，2000年以后，国内理论界明确提出了评价和效益理论，其理论研究主要是对基于数据包络理论的发展、补充、完善、简化和应用。国内以中国人民大学的研究成果为代表，各研究机构和大学相关学科在这个领域的研究发展很迅速。数据包络分析（data envelopment analysis，DEA）由著名的运筹学家Charnes和Cooper等人于20世纪70年代末提出，主要思想是通过数学规划计算比较各评价机构之间的相对效率。简单地说，就是把待决策单元与参考决策单元进行比较得到相对效率，是对决策单元进行相对评价时最常用的方法之一，是运筹学、管理科学和数理经济学交叉研究的一个新的领域。中国人民大学魏权龄教授最早在国内介绍和研究数据包络分析理论[1]3，并率先出版了研究著作《数据包络分析》，介绍和发展了数据包络分析方法、模型和理论，形成了中国人民大学的研究团队。

数据包络理论来源于控制论和系统论，是对信息论中博弈理论的深入，从控制论和系统论的宏观信用评价和效益理论走向微观，为经济领域从宏观研究走向微观量化研究建立了理论基础。在控制论和系统论的基础上，数据包络理论开创和发展了当代数量经济学，使宏观的经济学研究走向量化研究，形成微观经济学。数据包络理论建立的数学模型基本上都是在相对有限条件和输入/输出较为确定的状态下进行的。其缺陷在于对数据集合來源有明确指向，现有的各种评价方法强调的是已有数据集的分析和评价，对客体数据集合无论采取何种数学建模的方式，都是基于数学模型的优化或简化，也就是说，其区别就是计算方法的复杂或简单，没有对信息来源的主动选择权。

第三，2015年以后，微观信用机制和方法的研究理论开始进入到微观层面的数据比对、区块链、大型关联数据库建立理论的研究和应用中。这些理论和方法基本上都建立在大数据环境下，将数据集中于不同的信用层面，采取纵向集群，是对技术层面对底层最基本问题同构性的进一步认识，其试图在信息的底层解决应用层面的动态和不确定性问题，是目前研究微观信用问题的一个重要方向。因此，让动态、不确定性和即时数据更新与分析进入到微观信用评价理论和方法中是完善效益评价以及预测理论和方法的重要一环。特别是大数据环境下，微观信用研究理论和方法也从抽样转变为需要全部数据样本，由关注精确度转变为关注效率，由关注因果关系转变为关注相关性，从不能预测转变为可以预测，从人的思考和运算到人工智能的高级阶段即机器学习等等，人们观察和思考问题的角度都已经发生了根本性的变化，学者们聚焦这些研究理论和方法在微观应用领域的具体分析上，并在此基础上提炼具有普遍性的原理和方法。

目前，学术界对静态信息的处理理论和方法的研究已经日臻完善，综合运用了控制论、系统论或博弈论、运筹学，以及纯粹的数学分析方法如回归分析以及线性规划理论等，但是这些理论和方法在动态信息采集和整理上仍有缺陷。随着人类对大数据理论和技术认识的深入，我们必须面对突变信息对微观信用的直接影响问题，其对全球经济、政治和社会发展的影响占有很强的权重。

二、大数据环境下微观信用机制和方法研究的现实意义

集成电路、计算机与通信技术的发展增强了人类研究和处理复杂问题的能力。复杂性科学是大数据技术的科学基础，大数据方法可以看作复杂性科学的技术实现，为还原论与整体论的辩证统一提供了技术实现途径。

大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都被数据化了，拥有大量的不那么精确的数据为我们理解世界打开了一扇新的大门[8]。大数据能提高生产效率和销售效率，原因是大数据能够让我们知道市场的需要以及人的消费需要。大数据让企业的决策更科学，由关注精确度转变为关注效率。