美国帮助“信用隐形”消费者创建信用报告方法对我国的借鉴与启示

冯雨晴 吴悦僮

（中国人民银行吉林省分行，吉林长春 130051；中国人民银行白山市分行，吉林白山 130400）

一、引言

根据美国消费者金融保护局的数据，至少有2600万美国人被归为“信用隐形”群体，这个数字表明，每10名成年人中就有1名在全美国三家信用报告公司中不存在任何信用记录；除此之外，另有约1900万人因信用记录不足无法获得信用评分。为扩大金融包容度、降低信贷成本、减少信贷歧视，美国通过新增针对“信用隐形”群体的服务程序、开展替代数据共享、申请信用建设者贷款等方式解决“信用隐形”问题，迈出其创建信用报告和建立信用评分的第一步。与之相对，截至2020年9月，我国共有约8000万户小微企业、4000万名在校大学生、3900万名工作五年内的毕业生和6000万名民政低保人群等缺乏信用记录。2020年11月6日召开的第三届中国国际进口博览会上，时任中国人民银行副行长陈雨露在普惠金融建设和数字化发展主题论坛表示：普惠金融重点服务的对象往往是这些缺乏信贷记录甚至是没有信贷记录的“白户”。

二、美国发展现状

（一）分业立法，健全法律体系

1960年至2022年期间，美国相继出台了一系列信用与数据监管法律，逐步构建了以《公平信用报告法》和《平等信用机会法》为核心，《信息自由法》、《金融隐私权法》《公正信用账单法》等20余部法律在内的法律监管体系（见表1）。其中，《公平信用报告法》[2]规范个人征信信息，以“公平、准确、隐私”为核心，规定个人信息主体、信用信息提供者、征信机构等在征信活动中的权利义务关系，约束征信机构、个人信息采集者、个人信息传播者的行为，监督征信机构公平公正的提供征信服务，保护个人征信权益。

表1 美国征信行业法律体系建设

（二）不断完善及创新信用评分工具

20世纪50年代，美国工程师BillFair和数学家Earllsaac研究设计了一套量化评分统计模型，这套模型于80年代进化演变成FICO信用分模型并沿用至今。尽管目前关联度较小、算法歧视等问题暂未解决，但FICO自动评分模型依旧是世界上最常使用的个人信用评分模型，美国三大征信机构TransUnion、Equifax、Experian均采用FICO信用评分量化个人信用水平和风险，并参考其提供的算法模型推出各自的信用评分。FICO信用分数指标体系主要从5个维度判断个人信用水平，分别为：信用偿还历史（35%）、信用账户数量（30%）、使用信用年限（15%）、正在使用的信用类型（10%）、新开立的信用账户（10%）。消费者可根据得分更快获得信用贷款，大大缩短交易时间，提升交易效率，节约交易成本。同时，消费者种族、性别、肤色、宗教信仰、薪资、职业等因素对信用评分均不存在任何影响，有效保障信用评分的公正性、客观性[3]。

伴随着大数据的迅猛发展，TransUnion、Equifax、Experian三家征信机构联合创立vantageLCC公司并推出VantageScore评分模型，旨在为4000万暂未接入FICO评分系统的消费者提供信用评分。与FICO信用评分模型相比，VantageScore能够收集信用记录不足6个月的消费者并计算其信用分数（FICO信用分数要求信用记录至少为6个月），同时以影响力作为评分标准，更适用于生活领域，且信息维度更全面、数据来源更广泛。

（三）替代数据应用效能提高，信息采集标准和范围愈加明晰

2005年，美国信息政策研究所预测未来替代数据仅包括车辆责任险、儿童保育费用、学费三类，然而十几年后的现在，替代数据范围已细化到税务记录、活期存款账户记录、俱乐部纪录、租金支付数据、公共机构数据等多个方面[4]。截至2020年末，美国利用替代数据成功解决贷款方案的机构增加到31家，较2010年提升了181%(见表2)。

近年来，美国不断加强对债权人在信用交易中考虑种族、肤色、国家、性别、年龄、婚姻状况、信用申请者收入来源等客观因素行为的禁止力度，减少对潜在借款人的差别性待遇。2019年，美国联邦储备委员会、美国消费者金融保护局等五大机构就替代数据的使用发表联合声明，称替代数据可以提高信用决策的准确性和速度，能够有效帮助“信用隐形”消费者获取信用贷款[5]，2020年，美国审计署调查发现，约50%的受调查人群使用替代数据成功申请了贷款。2022年，金融科技公司Nova Credit在一份名为《替代数据在借贷中的现状》的报告中表示，替代数据的使用能够增加征信行业的包容性，在信贷业务中纳入替代数据不仅能提高贷款机构评估消费者信贷风险的能力，而且会增强金融长尾人群在信贷中获益的概率[6]。

三、对我国的启示

（一）创新平台，满足信用隐形人群信贷需求

从数据、服务和产品角度出发，构建多层次征信市场、提升征信市场化完备程度。一是积极探索替代数据新模式，在征信数据库原有资源的基础上，利用互联网大数据、区块链等新技术，进一步推进“银行+非银”信息采集转型，积极发掘其他可被纳入信用信息范围的非银数据，丰富征信系统数据内容，加快推进信息共享，扩大金融服务半径。二是搭建多维信用体系，一方面，增加数据库覆盖面积，基于不同行业用户的情况和需求,探索如网络支付流水、用户社保及纳税情况等参考渠道，扩大数据采集、应用范围；另一方面，强化银村合作，加快推进农村地区“整村授信”工作，提高授信覆盖率，有效实现对金融长尾人群的高效授信决策，使其能够合法、合规的进入受信任名单，获取更完善的消费金融服务。

（二）统筹兼顾，深化数据联动机制

政府持续深化数据联动机制，形成标准一致、多方共治的征信服务体系。一是构建“政府+市场”的总体部署局面，公共征信机构与市场化征信机构协同合作，功能互补，促进征信服务多元化、法制化、市场化发展，提升金融长尾人群申请贷款的效率；二是助推“市场+科技”的协同工作机制，建立市场化征信机构与金融科技公司的合作平台，应用数据挖掘技术和模型算法帮助征信机构获取更高效、多维、科学的数据资源，提升数据抓取、数据治理及数据安保能力；三是做好“传统+创新”的数据结合模式，以传统数据为基础、以创新技术为驱动，扩大信贷范围，应用替代数据拓宽金融长尾群体获取信用贷款的渠道；四是疏通“银行+企业”的信息共享渠道，规范各地授信流程和信息查询方式，降低银行放贷前的信息搜集成本，化解企业信贷风险，畅通银企融资对接，弥补区域间银企信息不对称短板。

（三）健全法律，构建健康外部环境

进一步细化征信多层次法律法规体系建设，完善替代数据监管权责、采集方式，实现更大范围、更深层次的普惠金融。一是立足大数据征信系统中替代数据的应用趋势，从法律层面明确规定替代数据采集与处理方式和法律地位，确保数据采集的明确性、相关性、合法性。二是与时俱进，持续完善征信业法律法规和相关的配套机制，适应征信发展新业态，促进各类征信机构的有序合作与竞争，实现征信信息的充分共享和有效使用，确保征信服务体系的普惠化、公平化发展，构建良好的金融生态外部环境。

（四）持续推进替代数据加工及信用评分体系建设

一是增强科研投入，以创新技术引领科技发展，充分利用区块链、大数据等数字化技术，提升风险控制能力，进一步完善和普及个人信用评分体系，打造高质量数据信息平台。二是汲取国内外现有信用评分体系的先进经验做法，将正面工作成果逐步向下推广，同时利用自身丰富的数据优势，不断改进信用评估模型和数据挖掘能力，提高信用评分的科学性和可靠性；三是深化信息联动，统一信用评分标准，在保证信用安全的前提下，尽可能采集更多的线上及线下有效数据，并将信用评分指标与旅游、教育、医疗等行政服务模块对接，建立完备的个人信用评分体系。