杨涛：互联网征信应以拓宽和规范为主题(10月22日)

    伴随网络经济的飞速发展，互联网征信模式的创新也在加大步伐，不论是拓宽和规范信用信息数据的采集机制，还是优化信用信息管理与评估评价模式，究竟能否给现有的征信体系建设带来重大改变，带来了不小的争议。 
    基于互联网征信则面向更加海量的信息数据，采取多元化的数据收集方式，并努力从中发掘信用元素，笔者建议，互联网征信应以拓宽和规范为两大主题，尽力扩大信用信息采集对象的覆盖面。在现有企业征信体系中，有大量难以从银行获得贷款支持的小微企业，对它们还缺乏有效的信用评估机制；据统计，央行个人征信体系覆盖约8亿人，还有5亿人由于未与银行有过借贷关系，故而没有信用记录。互联网征信的发展重点，在于弥补这些企业和个人的信用记录“短板”，更好地支持普惠金融实践。原有央行征信体系更多是由银行提供的客户“金融信息”，互联网征信则大量引入社交平台、电商交易等非金融数据，如何提高这些数据的有效性、增强与信用的关联性、挤出信号“噪声”，都是提升信息数据采集质量的关键。此外，还需完善征信数据的标准体系和数据共享机制。目前来自各种渠道的信用信息数据标准存在较大差异，已严重阻碍了数据采集的高效发展，需要从国家和行业层面着手，尽快构建统一的数据标准体系。就信用数据本身来看，可以源于银行信贷信息、非银行的证券保险信托等交易信息、政府各职能部门的行政管理信息、行业协会的信息、完全市场化的信息来源，这就需要在国家层面加强制度建设，促进数据资源部门之间、政府与市场主体的协调与共享，打破数据垄断与不透明的籓篱。 
    大数据时代需要更加重视个体信息隐私保护，用法律形式来明确信息采集的原则与界限，明确禁止滥用“大数据”搜集非必要信息、侵犯公民隐私。在采集和查询个人信息获取授权的基础上，还需探索如何更好地保障消费者的知情权和异议权。同时，互联网征信涉及的数据在跨境流动上更具有隐蔽性和难以掌控，因此,为维护我国信息安全，保护信息主体合法权益，需要在落实《征信管理条例》的前提下，在相关法律规定中明确跨境数据流动的概念和管理模式，并借鉴国外经验实施分级管理，如重要的数据禁止跨境流动、政府和公共部门的一般数据和相关行业技术数据有条件的限制跨境流动、普通的个人数据允许跨境流动但需满足安全管理要求。 
    大数据环境下的互联网征信发展，关键在于从海量数据中挖掘有用信息，并且通过设计出信息数据处理的“生产线”，使得数据与信用分析实现内在联系，最终生产出各类信用服务产品。 
    首先，需要在借鉴国际经验和结合国情的基础上，推动信用评估评级方法的创新，包括个人信用评估和企业信用评级。一方面，信用评分模型运用现代的数理统计模型技术，通过对消费者信用历史记录和业务活动记录的深度数据挖掘、分析和提炼，发现蕴藏在纷繁复杂数据中、反映消费者风险特征和预期信贷表现的知识和规律，并通过评分的方式总结出来，作为管理决策的科学依据。例如在美国，FICO评分模型是最重要的个人信用评价方法，美国三大个人信用提供者Experian、Equifax和TransUnion，都采用了这种方法。另一方面，企业信用评级方法更复杂且影响巨大，尤其标普、穆迪、惠誉在2008年金融危机中的表现引发了强烈争议。2010年美国的《多德-弗兰克法案》要求所有评级机构每年必须向证券交易委员会（SEC)汇报其执行信用等级的政策、程序和方法，并通过年度审核。 
    在互联网征信领域，我国的个人信用评分已出现了芝麻信用评分等民间探索，企业信用评级则尚未有太多进展，考虑到小微企业难以按传统模型评级，同样可有效利用互联网信用评级方法。目前，传统信用评分模型的有效性已得到充分检验，而互联网征信利用其他各类信息来推断客户履约能力，模型预测能力尚需实践检验。从政府层面看，还需加强对这类征信产品的监管。 
    其次，大力发展市场化的个人和企业信用报告提供主体。推动个人征信机构的差异化发展，推动企业征信机构的错位发展，引导公共征信机构的改革与创新，央行除了继续推进企业征信机构备案和个人征信机构许可，还应关注规范各类数据服务商。 
    个人征信机构难以做到大而全，如在美国，Experian主要客户集中在金融、个人和零售商领域，而Equifax集中在个人、企业雇主等领域。我国也要推动民营个人征信服务的特色化发展，尤其互联网征信的创新，从而与现有央行征信体系形成互补。鼓励运用互联网征信来面向未上市企业、中小微企业提供信用报告服务，为改善企业融资环境创造条件。借鉴发达国家经验，在上市公司信用信息评价管理中，更加规范使用大数据手段，避免形成内幕交易等违规行为。 
    为支持央行征信体系合理运用互联网征信技术，扩大信用覆盖范围和服务对象，不断提高信用信息的透明度，可以尝试研究日本和巴西等国的行业合作式征信模式的补充作用。传统上，征信机构主要采集与客户信用有关的数据，数据服务商采集信息范围则名义上更广；征信机构产品用于信贷、保险、雇佣等交易活动资格评估，数据服务商产品则用于其他场景，例如营销、反欺诈、个人信息搜索等。互联网大数据时代，实际上这两者的边界在很多情况下越来越模糊，即便在美国也出现许多数据服务商违规介入征信的情况。对此，需要监管部门根据产品业务功能、信息使用场景和目的来监管，而不能只有对征信机构的主体监管。