金融科技创新下数字信用共治模式研究

摘要：在全球金融科技创新冲击下，传统间接信用模式难以适应社会发展而新型共治信用模式亟待研究。梳理信用关系治理理论，分析多维主体的信用关系模型，深化数字信用人格化和共治认识。剖析社会共治模式下的现代数字信用体系的协同机制，探索基于区块链技术结构的信用共治网络体系。基于分布式系统的社会信用网络提出数字信用共治概念模型和设计思路，利用信用体系的信息共享基础到标准化认识到集群化运用的三大优势，实现社会信用治理从价值范围扩大到成本降低到环境改善的三重优化效应。

关键词：金融科技;区块链;数字信用;信用共治

中图分类号：F830;F062.5文献标识码：A文章编号：0257-5833（2019）02-0048-10

作者简介：庄雷，南京工业大学经济与管理学院金融系主任、讲师（江苏南京211816）

一、引言

2016年G20峰会上习近平总书记提出全球数字经济发展理念，2017年政府工作报告中明确了促进数字经济加快发展，并在党的十九大报告指出：“推动互联网、大数据、人工智能和实体经济深度融合”①。2018年中国金融科技产业峰会提出了人工智能（A）、区块链（B）、云计算（C）、大数据（D）四大技术发展趋势及在金融行业的应用前景。区块链是采用“分布式总账技术”，其区块和交易审核遍布存储于去中心化的账本上，为相互不认识的网民之间的互信提供良好表现形式②。针对金融科技创新驱动下基于区块链技术的数字金融模式创新与发展，依托传统银行的货币体系和征信体系将发生重大变化Shrier D， Wu W， Pentland A， “Blockchain & infrastructure （identity， data security）”， MIT Connection Science， 2016： 1-18.，人们对现代信用关系的认知也有了新进展。因此，基于金融科技创新的现代信用体系认知与重构成为当前迫切急需研究的问题。

区块链技术打破了中心化和中介化的数据传输模式，满足了金融“脱媒”化的需求，其通过数字化、不可改变、透明化等特点而表现出來的可靠性和可用性能更好地解决金融中的信任问题Swan M， “Blockchain： Blueprint for a new economy”， O'Reilly Media， Inc.， 2015. 庄雷：《互联网金融创新探究：基于技术与制度视角》，《社会科学》2016年第11期。。不同于传统中心化的金融信用模式Boot A W A， Thakor A V， “Moral hazard and secured lending in an infinitely repeated credit market game”， International Economic Review， 1994： 899-920.，区块链技术提供个人金融信息的分散存储和维护，符合自金融时代的要求吴晓求：《互联网金融：成长的逻辑》，《财贸经济》2015年第2期。。同时，营造良好的信用关系与环境关乎整个市场效率和社会公众利益，政府监管部门为国家金融安全考虑希望参与社会信用治理，社会共治逐渐成为解决社会信用问题的重要方式。如何调节当前信用理论和实践中的“自金融”与“社会共治”的矛盾是本文核心问题。所以，深刻认识现代信用关系和智能化廖盼、孙雨生：《基于人工智能的知识服务系统模型研究》，《湖北工业大学学报》2017年第6期。，加快区块链技术的研究和扩展应用，重构数字信用体系，利用金融基因技术来改善社会信用环境，促进金融市场的健康发展。

因此，研究金融科技创新驱动下基于区块链技术的现代信用体系重构尤为迫切。针对传统信用等级评价中心化及简单化问题和未来信用人格同化现象，实现人与货币分离到人与货币一体的信用人格化的立体评价体系。因此，运用金融认知与演化理论与系统工程设计等方法，探索社会信用共治认知模型与学习框架，采用行为博弈和复杂网络分析多责任主体信用行为模型，并在此基础上构建基于金融科技创新的数字信用共治模式与逻辑体系，为我国数字信用软件开发提供良好的总体设计思路，对现代信用体系优化和信用风险防范的落实具有很强的现实意义和作用。

二、基于金融创新视角的信用关系的演化

（一）信用体系的产生与发展

基于人类社会互动与商品交换形成的相互信任的社会关系，即人类信用Schwartz R A， “An economic model of trade credit”， Journal of Financial and Quantitative Analysis， 1974， 9（4）： 643-657. 张卫、成婧：《协同治理：中国社会信用体系建设的模式选择》，《南京社会科学》2012年第11期。。并在随着交易过程虚拟化与金融化中，以资金使用权转换的信任关系为代表郭建新：《论金融信用与伦理责任》，《财贸经济》2010年第8期。的金融信用成为人类信用关系中的首屈一指。信用关系逐步规范化和制度化，即由一系列法律、规章、机构所组成的支持和保护各类信用交易完成的社会信用体系Emery G W， “A pure financial explanation for trade credit”， Journal of Financial and Quantitative Analysis， 1984， 19（3）： 271-285. 林钧跃：《社会信用体系理论的传承脉络与创新》，《征信》2012年第1期。。目前关于信用体系的含义界定、组成要素、核心内容以及内在关系有多种认识：从主体构成来看，信用体系是由国家信用、金融信用、企业信用和个人信用等构成的相互关联的信用系统周炜、刘向东：《社会信用体系——分层结构及体系构建中的政府职能定位》，《中国软科学》2004年第6期。;从流程手段来看，信用系统包括信用记录、信用调查、信用征集、信用评价以及信用制度的全过程管理体系;从模式来看，信用体系包括自建信用体系、独立中介信用体系、共享信用体系等。伴随社会分工的细化，逐渐分化出以独立中介机构为主体通过收集和分析个人、企业、政府部门的信用资料提供信用状况证明的社会化信用系统程民选、李晓红：《社会信用协同治理：制度、技术与文化》，《华东师范大学学报（哲学社会科学版）》2015年第3期。。然而，社会信用体系是一个庞大的工程，会涉及到社会经济发展的多方面，金融信用作为社会信用体系的核心环节，需要综合运用各种手段来建立和完以技术进步与制度优化的信用体系演化发展推动了金融市场化进程。从最初的私人间直接融资逐步发展到以银行信用为中介的间接融资，再到当代以信用证券化为工具的直接融资Williamson S D， “Costly monitoring， financial intermediation， and equilibrium credit rationing”， Journal of Monetary Economics， 1986， 18（2）： 159-179.。与此，社会信用体系与形式亦不断地发展，具体形式已从商业信用到银行信用到证券信用到电子信用的逐步演进，目前数字信用成为现代金融活动的重要形式。其中，信用主体是识别信用体系特征的关键，责任主体主要体现在政府、企业和个人三者关系上Gertler M， Kiyotaki N， “Financial intermediation and credit policy in business cycle analysis”， Handbook of monetary economics， Elsevier， 2010， 3： 547-599.。基于信用体系运作主体的差异，当前社会信用体系具体表现为三种模式：第一，市场经营模式（或称企业经营模式），即按照市场经营规律推动社会信用体系建设;第二，公共管理模式，即政府与市场共同管理社会信用系统;第三，会员共治模式，即由社区会员共同管理社会信用系统俞思念：《对我国社会信用体系建设的再思考》，《湖北社会科学》2018年第1期。。系列信任危机及信用问题Mankiw N G， “The allocation of credit and financial collapse”， Quarterly Journal of Economics， 1986， 101（3）： 455-470.，表面看来是个人、企业及政府部门的责任问题，其深层意义上则指向于系统性的社会治理创新黎志成、曹凝蓉：《建设中国金融信用制度的路径选择思考》，《金融研究》2005年第10期。。因此，当前金融科技进步与体制深化改革的背景下，社会信用关系的治理需要充分认识与厘清市场、政府与企业的外部边界与内在关联。

（二）信用关系模型的演化

主体识别是信用模型的基础，技术实现手段是信用模型演化的关键。政府、企业、个体是社会信用治理的三大管理主体，理顺三者的关系对数字信用体系的构建具有重要作用。基于信用主体的行为关系与科学合理规范化，主要采用信用博弈模型来研究相关主体的内在关联与最优均衡Klein D B， “Promise keeping in the great society： A model of credit information sharing”， Economics & Politics， 1992， 4（2）： 117-136.。根据金融现实情况构造两方或者三方互动模型的设定，分析多种情况下信用行为策略与均衡结果。并根据信息经济理论扩展形成了多种的三维信用博弈模型Jarrow R A， Lando D， Turnbull S M， “A Markov model for the term structure of credit risk spreads”， Review of Financial Studies， 1997， 10（2）： 481-523. Trinkle B S， Baldwin A A， “Interpretable credit model development via artificial neural networks”， Intelligent Systems in Accounting， Finance and Management， 2007， 15（3‐4）： 123-147.。并且采用模糊理论、贝叶斯理论、马尔可夫链理论方法研究信用定价模型，深入分析参与主体的损益、信用动态变换以及风险应对策略。随着信息技术进步，采用神经网络模型、机器学习等方法来分析信用关系智能化Huang Z， Chen H， Hsu C J， et al， “Credit rating analysis with support vector machines and neural networks： a market comparative study”， Decision support systems， 2004， 37（4）： 543-558. Dima A M， Vasilache S， “Credit risk modeling for companies default prediction using neural networks”， Romanian Journal for Economic Forecasting， 2016， 19（3）：127.。技术工具的进步对信用模型的具体表现形式有很大影响，并开发出基于区块链技术的数字货币-比特币（Bitcoin）Zhang Y， Wen J， “The IoT electric business model： Using blockchain technology for the internet of things”， Peer-toPeer Networking and Applications， 2017， 10（4）： 983-994.，基于分布式网络系统（P2P）对当前信用模型变化至关重要。因此，需要深入分析基于分布式系统的信用关系模型演化。

从信用模型的演化来看当前信用体系及模式变迁的路径及采取的对策Guttentag J， Herring R， “Credit rationing and financial disorder”， Journal of Finance， 1984， 39（5）： 1359-1382.，主要从四个方面来看，一是制度变迁角度，由中国人民银行主导的社会征信体系是一种自上而下的强制性制度变迁，而由区块链技术引起的数字信用创新乃是一种自下而上的诱致性制度变迁;二是发展模式角度，中国的信用体系建设起步较晚，新型信用体系可看作是跨越式发展;三是信息共享角度，中央银行的征信体系是唯一数据库，但目前大部分金融机构各自建设自己的征信系统，要求打破各自征信系统的壁垒形成统一数据交换平台;四是建设主体角度，可分为政府主导或是市场模式，中国信用体系存在以中央银行为主多种机构建设的征信模式。所以，结合当前的信用关系模式创新，分析信用关系模型演化是建设新型数字信用体系的關键。

（三）金融科技在信用体系的应用创新

金融科技（Fintech）是指以前沿科技手段来提升金融效率的技术工具，目前主要包括A（人工智能）B（区块链）C（云计算）D（大数据）四大技术，其中区块链（Block chain）技术作为数字信用创新的核心技术，云计算（Cloud computing）和大数据（Big data）是数字信用的基础技术，人工智能（Artificial Intelligence）则作为数字信用处理与分析手段。区块链技术在金融上较早的应用是比特币为代表的数字货币，它提供了一种去中心化的、去信任化的信用建立范式Iansiti M， Lakhani K R， “The truth about blockchain”， Harvard Business Review， 2017， 95（1）： 118-127.。从区块链技术在比特币上的应用来看，这种设计使得比特币具有较高的信用谢平、 石午光：《数字加密货币研究：一个文献综述》，《金融研究》2015年第1期。：理论和技术上说，比特币的特征决定了欺骗是很困难的。人工智能是研究使用计算机模拟、延伸和扩展人的智能的理论、方法和技术的新兴科学Parkes D C， Wellman M P， “Economic reasoning and artificial intelligence”， Science， 2015， 349（6245）： 267-272.，人工智能在技术层面主要包括算法和利用算法开发的相关应用Silver D， Huang A， Maddison C J， et al.， “Mastering the game of Go with deep neural networks and tree search”， Nature， 2016， 529（7587）： 484-489.。决策树机制、神经网络和遗传算法等是目前使用较为广泛的算法Wong B K， Selvi Y， “Neural network applications in finance： A review and analysis of literature （1990–1996）”， Information & Management， 1998， 34（3）： 129-139.，建立在上述算法之上的人工智能核心应用技术主要包括深度学习、自然语言处理和计算机视觉等Hendler J， Mulvehill A M， “Social machines： the coming collision of artificial intelligence， social networking， and humanity”， Apress， 2016.。

四大技术在金融体系发展过程中应用越来越广泛乔海曙、 杨彦宁：《金融科技驱动下的金融智能化发展研究》，《求索》 2017年第9期。。区块链技术打破了中心化的数据传输模式和中介化的金融媒介模式，满足了金融脱媒化的需求，更好地解决金融中的信任问题。除了在支付系统上的应用（如比特币），区块链技术逐步扩展到银行结算系统、证券交易与结算系统、征信系统、公司流程等的应用研究Tapscott D， Tapscott A， “Blockchain revolution： How the technology behind bitcoin is changing money， business， and the world”， Penguin， 2016.。区块链和云计算技术提供个人金融信息的分散存储和维护，符合自金融时代的要求庄雷、赵成国：《区块链技术创新下数字货币的演化研究：理论与框架》，《经济学家》2017年第5期。。人工智能技术在金融领域应用的范围主要集中在身份识别、量化交易、投资顾问、客服服务、风险管理等方面Bahrammirzaee A， “A comparative survey of artificial intelligence applications in finance： Artificial neural networks， expert system and hybrid intelligent systems”， Neural Computing and Applications， 2010， 19（8）： 1165-1195. Wimmer H， Rada R， “Applying Artificial Intelligence to Financial Investing”， Encyclopedia of Information Science and Technology， Fourth Edition. IGI Global， 2018： 1-14.。其中，知识图谱、深度学习等技术应用于征信反欺诈领域，其模式是将不同来源的结构化和非结构化大数据整合在一起，分析诸如企业上下游、合作对手、竞争对手、母子公司、投资等关系数据，使用知识图谱等技术可大规模监测其中存在的不一致性，发现可能存在的欺诈疑点Russell S， Dewey D， Tegmark M， “Research priorities for robust and beneficial artificial intelligence”， AI Magazine， 2015， 36（4）： 105-114. Issa H， Sun T， Vasarhelyi M A， “Research ideas for artificial intelligence in auditing： The formalization of audit and workforce supplementation”， Journal of Emerging Technologies in Accounting， 2016， 13（2）： 1-20.。然而，机器学习是人工智能的核心技术，需要依靠大量數据训练，训练的准确性与数据量成正比Makridakis S， “The forthcoming artificial intelligence （AI） revolution： Its impact on society and firms”， Futures， 2017， 90： 46-60.，可以利用大数据技术提高信用体系智能化的精准性。因此，加快金融科技的研究和扩展应用，利用新兴技术来改善社会信用环境。

三、基于金融科技创新的信用关系认知与行为

（一）基于科技创新的信用关系认知

针对金融科技创新下的信用关系认知，本文将以信用关系为主线梳理信用认知及行为的演化规律，重点基于技术角度总结信用体系的实践发展和探索，然后从信息技术结构视角深入分析基于分布式系统的信用关系和社会认知。

信用体系的演化。根据信用体系演化的三层自然属性内涵：一是自发性形成，即信用体系各基本要素的自发形成结构关系，从第一层来看数字信用本质并未改变信用体系的基本关系;二是逻辑递进性，即信用演化过程中各基本要素之间、具体表现形式之间保持着内在递进关系，从第二层来看数字信用改变了信用表现形式且与之前的信用形式保持逻辑递进关系;三是内在规律性，即信用逻辑关系发挥理性作用须尊重体系演化的内在规律，从第三层来看数字信用的现实应用须遵循其内在规律。从制度演化的社会属性角度分析信用关系，从财产跨时交易活动即财产权利借贷的信用自然属性上升到人类信任价值的社会属性，制度的信任是社会信用关系的关键。重点强调信用体系中的制度因素，形成以信用管理体系和信用评估体系为主要特点的社会信用制度，即征信系统是社会信用体系的核心。玛格里特·米勒玛格里特·米勒：《征信体系和国际经济》，《中国金融出版社》2004 年。从制度经济学的八个角度征信系统包括：（1）公共征信系统;（2）私营征信系统;（3）征信的法律框架;（4）关于隐私的法律框架;（5）关于征信的管理框架，包括政府实施法律法规的制度能力;（6）可以得到的有关借款人的其他数据;（7）金融中介和其他机构使用的信用数据;（8）征信的文化背景，包括社会对隐私的看法以及名誉抵押的重要性。系统高度概括了征信系统的构成，而且经过长期的演化，信用体系包括了信用主体、信用活动、信用制度与执行主体、信息服务机构等四大子系统。因此，从自然属性和社会属性二维角度来深刻认识现代数字信用体系的理论基础。

信用关系认知的演化。理解信用的自然属性和社会属性后，更关键在于社会群体中的参与者是怎样认识信用关系以及其行为决策。由于信息不完备与资源稀缺两大基本约束，对人类信用的认知与行为（包括主体、目的、形式和契约类型等）有深刻的影响，主体、目的、形式和契约关系等具有代表性的维度变化可以反映社会信用的发展过程，加上不同维度信用活动演化的时间和空间范围交叉，表现为不同维度的信用关系演化常常出现交叉，从而形成了信用活动多维度演化的格局。从信息角度来看，有限的认知能力和信息成本不仅导致了信用交易者不可能完全掌握相关信息，而且导致信息存量在交易双方之间的不对称性，这就容易产生道德风险、逆向选择等机会主义行为，损害了信用交易者的利益。加上信用交易具有较强的跨期性，在信用跨期交易中的信息不完备特征表现得更加突出。随着交易范围的不断延伸，特别是陌生人之间的交易逐渐增多，信息不完备约束对信用的影响变得越来越重要，人们不断努力降低信息不完备对信用交易的影响。信息约束并不能有效地解释信用的产生，但能够用来解释其后的发展，人们不得不面对信息悖论信息悖论证明了信息不完备的必然性。其一，既然交易只能在理性无知状态下进行，那么交易者实际上已默许了一些未可预见因素的存在，为此他们有动机对交易方式做出安排，从而尽可能地将交易结果固定下来。信用就具备这样的功能，信用契约属于不完全合同。其二，信用方式只是一定程度上克服了信息不完备的消极影响。的阻碍。因此，利用新兴信息技术降低信息悖论阻碍程度来提高信用交易效率。

基于技术进步的信用认知演化。社会信用需求与信用产品分工有利于提高金融技术水平，重大金融技术发明又改变既有金融产业格局，刺激信用交易跳跃式发展。新技术和分工的互动扩大了社会金融需求总量并促使需求内容发生变化。一方面，新技术的渗透改变了传统金融业的生存方式、商业模式，进而改变了这些行业的信用需求;另一方面，那些依托技术突破形成的新金融产业可能带来崭新的信用需求。因此，基于区块链技术创新下的信用关系认知，在归纳、溯因和演绎交互中形成信用关系的规则、情况和结果，实现信用关系的人工智能化，有赖于信用关系的认识强化以及机器学习的深度挖掘。

（二）多主体的信用行为方式

针对分布式网络的多责任主体信用行为模型，从信用理论模型出发，分析信用中心化机制到信用共治化机制，理清分布式网络环境下模型变化，分析多维主体的信用行为博弈模型，寻找多主体信用共治下的较优行为模型。

基于区块链技术结构的信用责任组态机理。在分布式系统和共享信息平台基础上，主要有金融监管部门、金融机构、非金融企业、普通用户等信用参与主体并形成了多种组态，各组态中内部信用主体的发展需求各不相同，尤其是信用共治下各组态异质性需求及调节机理。比较传统中心化信用体系与网络共治下信用体系在信用关系构建和维护机制上的差异可知，传统中心化信用体系中各主体的信用关系本质上是一对多关系，即中介模式，核心在于中心化的关系搭建;而网络共治下信用体系中各主体的信用关系本质上是多对多关系，即自金融模式，核心在于双向——多向的关系构建。因此，明确基于网络平台共治下的数字信用体系的特征和主体责任。

多责任主体的信用行为模型分析。基于区块链技术结构的信用责任组态关系特征，识别多维主体信用关系模型环境变化与调整，构建多责任主体共治下的信用博弈行为模型。具体可以采用复杂网络理论、行为博弈与决策树机制等技术手段，刻画信用关系网络模型的生成以及动态博弈演化机制，反应了多主体信用行为的演绎情况和结果。

第一，信息不完备的扩展模型。信息不完备约束条件决定了信用契约履行的机会主义障碍。在金融交易中，资金出借方不仅需要考虑初始投入和收益，更需要考虑对方的履约概率，几乎所有信用契约的履行都存在不确定性，所以导致了信用制度和信用风险管理的需求。然而，两种基本需求又源于信用主体的利益关系。信用产品特别是衍生工具的创新与发展、资产组合技术的应用、契约形式的完善、信用信息服务机构的发展等，都是信用风险管理的内在要求。违约成本和履约概率之间存在正相关，并取决于信用制度及其执行，其将影响主体的利益预期，并进一步影响信用活动规模。近年来研究表明，不同社会法律制度对信息不完备的影响程度不一样，不同法律传统国家的信用主体对信用活动形式的总体偏好会出现显著差异。因此，从传统中心化信用体系到网络共治下信用体系两种信用模式进一步扩展信息不完备的信用行为模型。

第二，金融征信模型的理论。信息不对称理论是金融征信机构存在的根本原因，而信息共享机制则构成了金融征信的直接理论基础，信用贷款从现实生活印证了信用信息的作用。采用博弈模型说明了征信如何解决金融交易中的机会主义倾向如道德风险和逆向选择问题Page F H， Jr.， “Optimal contract mechanisms for principalagent problems with moral hazard and adverse selection”， Economic Theory， 1991， 1（4）： 323–338. 郑君君、刘恒：《基于委托-代理关系的风险投资者对风险投资家激励模型的研究》，《数量经济技术经济研究》2005年第5期。。在金融信息共享方面，当借款人差异较大、经济实体流动性较强、信贷市场规模较大和信息交换成本较低时，信息共享更容易出现;同时，在竞争市场上，如果放款人具有相对其他放款人的优势，那么这些放款人不会自愿共享信息Pagano M， Jappeli T， “Information sharing in credit markets”， Journal of Finance， 2007， 48（5）： 1693-1718.。在金融征信效率上，相关研究信息共享对银行利润的影响，证明了正面、负面或严格负面信用信息的共享存在效率差异Jappelli T， Pagano M， “Information sharing， lending and defaults： Crosscountry evidence”， Journal of Banking & Finance， 2002， 26 （10） ：2017-2045。因此，从信息不对称理论到数字金融信息共享理论的高度结合形成金融征信模型理论的扩展。

四、基于区块链技术的信用共治模式研究

（一）信用共治模式

針对数字信用共治模式，理解了数字信用体系的建设和使用主体责任，本文提出构建区块链技术结构的信用共治模式，以明确社会共治下各信用责任主体的权责与业务需求。

形成数字信用治理模式的知识图谱。比较国内外数字信用体系结构，挖掘区块链技术结构下的信用基础知识、认知模型、技术实现与开发环境，形成数字信用治理的应用场景概念（见图1）。在分布式系统和共享信息平台基础上，金融监管部门、金融机构、非金融企业、普通用户等信用参与主体，并形成多种交叉组态。结合信用共治下各组态异质性需求，刻画信用关系网络模型的生成，借助建模仿真揭示多主体信用行为的多态演绎情况和结果。根据上述规则，运用行为博弈、神经网络理论分析信用主体行为决策与学习机制，结合金融大数据优化信用关系的机器学习算法，实现信用关系网络的人工智能化。

基于区块链技术结构的信用共治模式设计。基于分布式网络的多责任主体行为模型分析结果和知识图谱演绎，确定区块链技术结构的信用共治模式，明确信用共治模式下的参与主体与介入方式，形成数字信用治理的多边平台机制。借助网络建构技术，将数字信用治理的理论模式转换计算架构模式。

信用共治模式下参与主体的需求分析。基于信用共治模式的责任主体和组态关系，需要深入分析信用共享交互平台下的多边责任主体同质性基础和异质性需求，掌握各数字信用参与主体的异质性需求并明确为可实现需求，为数字信用体系的设计提供需求分析思路。

（二）数字信用共治体系的设计

针对共享平台的数字信用共治体系设计，基于区块链技术的信用共治模式各责任主体的权责与业务需求，系统设计现代数字信用体系的架构，包括：基于共享平台下数字信用共治体系的组织结构和基本处理流程;数字信用共治体系的模块划分和功能分配;数字信用共治体系的耦合关系与衔接处理等。

形成区块链技术的信用共治模式的逻辑框架。采用软件系统设计流程方法开发数字信用网络层次架构（见图2）。区块链技术是实现了数据公开、透明、可追溯的产品的架构设计方法，包含点对点网络设计、加密技术应用、分布式算法的实现、数据存储技术的使用等4个方面。從架构设计上来说，数字信用体系主要分为三个层次，协议层（包括基础和网络层）、支撑层（扩展层）和应用层（业务层和展示层）。

数字信用共治体系的组织结构和基本处理流程、模块划分和功能分配、模块间的耦合关系与衔接处理等。结合软件设计流程和数字信用共治要求，通过划分系统层级结构和流程来全面展现数字信用网络的整体设计思路，主要分析从物理硬件（物理层/基础层）、网络结构（网络层）、支撑层（数据库等）、业务逻辑（业务层/应用层）、界面描述（展示层）、系统用户分类（用户层）的项目实施与运维管理，以及标准与规范体系和安全保障体系（贯穿各层的保障系统）。

数字信用体系的关键模块设计。针对关键主体权限、关键功能模块和关键衔接关系的调控及实施路径，推敲数字信用关键模块的实现方法。关键技术包括模块网络结构、分布式算法、加密签名、数据存储技术等，特别是其在数字信用体系的设计过程中的使用。因此，实现了数字信用共治体系的概念模型设计。

五、数字信用共治的优势与效应

（一）数字信用共治的优势

基于金融科技创新的数字信用共治模式是以金融科技（包括A、B、C、D）为主的综合性金融创新，实现信息共享基础到标准化认识到集群化运用。具有以下三大优势：

第一，信息共享优势。互联网时代，人们的行动轨迹可以通过数字化形成信息集，利用云计算、大数据等技术进行数字化信息共享，形成信用大数据共享使用。因此，数字信用共治模式具有信息共享优势，基于统一平台能够实现信用信息的共享。

第二，标准规范优势。传统信用体系以各自主导下的，包括中央银行的征信体系，银行贷款评价、第三方征信体系等。传统信用体系存在两个问题：一是各自体系相互封闭，二是信用评价标准不一致。因此，数字信用共治模式具有标准规范化优势，具体包括：一是打破各自信用不统一标准;二是实现信用统一量化问题。

第三，集群金融优势。各分散化的信用体系整合构成信用大系统，实现信用从点到链到网的全覆盖评价与流通，体现整体信用优势。基于信用共治的金融系统优化，金融集群化。产生规模经济，实现“信息流”、“资金流”、“资源流”的集中有效管理。因此，数字信用共治模式具有集群金融优势，形成基于信用共享平台的金融产品集群与演化。

（二）数字信用共治的效应

采用数字信用共治模式，实现从价值范围扩大到成本降低到环境改善的三重效应：

第一，信用价值增强效应。数字信用共治模式打破了原有分散化的信用模式，极大地提高征信体系的使用价值。各自分散化的信用体系集中使用，依靠整体力量提高信用评估使用价值，降低金融机构的融资门槛，增强信用价值。

第二，信用成本降低效应。数字信用共治模式形成了集约化的征信体系，方便了信用交易对手查询征信报告，从而减少不必要的交易对手信用情况的调查成本，可以降低现有金融的交易成本，减少金融交易摩擦。

第三，信用环境改善效应。数字信用共治模式依靠金融科技手段改善信用环境，解决陌生人之间的信任关系，减少信息不对称导致的“逆向选择”和“道德风险”。树立起“人人讲诚信，个个守信用”的社会风尚，营造良好的营商环境。提高金融的社会服务水平和质量，推进经济的高质量发展。

六、结论与启示

针对区块链、人工智能、大数据与云计算等金融科技创新对传统中心化信用模式的冲击，以及当前信息技术条件下信用关系方面的研究，深入考虑数字信用参与主体与建设主体在责任关系的交互性、信用关联的多层级性以及征信交易规则的多属性或多准则等因素的复杂交互作用。基于区块链技术结构与信用关系融合视角，遵循从微观到宏观、从简单到复杂的“由内而外、自下而上”的复杂性分析思路，围绕金融科技创新下信用关系认知与关联网络刻画、多主体信用博弈模型及其动态分析、信用共治模式总体设计等系列问题深入思考，提出了数字信用共治模式与概念模型设计。

基于“政产学研金合作”视角，研究社会共治模式下的现代数字信用体系的协同机制，探索基于区块链技术结构的信用共治网络体系，深化数字信用人格化和共治认识，为基于分布式系统的信用共治体系提供概念模型和设计思路，并得到如下启示：

第一，数字信用关系认知以及系统设计的探索，寻找多主体信用共治下的信用行为，可与我国征信体系创新和监管的实践工作对接，有助于加快中国数字征信体系的落实，并为政府部门的相关决策提供参考。

第二，引导金融机构合理利用金融科技手段和资源，结合金融大数据优化信用关系的机器学习算法，实现信用关系网络的人工智能化，加快在数字信用体系的创新与应用融合，有助于金融机构在数字经济时代信用业务的有序竞争。

第三，引起大众对数字信用使用的重视并减少其不安心理，数字信用理论普及有助于人们认识数字信用体系推广的市场效应，更好地适应数字时代的经济生活，共享金融创新的普惠效应。

（责任编辑：晓亮）