通過本文，一起來了解下大數(shù)據(jù)發(fā)展下的信用體系建設(shè)現(xiàn)狀。

一、背景及現(xiàn)狀

2015年1月5日，央行印發(fā)《關(guān)于做好個人征信業(yè)務(wù)準(zhǔn)備工作的通知》，要求芝麻信用管理有限公司、騰訊征信有限公司、拉卡拉信用管理有限公司等8家機(jī)構(gòu)做好個人征信業(yè)務(wù)的準(zhǔn)備工作。

2017年4月21日，央行征信局局長萬存知在個人信息保護(hù)與征信管理國際研討會上透露,：綜合判斷，8家進(jìn)行個人征信開業(yè)準(zhǔn)備的機(jī)構(gòu)目前沒有一家合格，在達(dá)不到監(jiān)管標(biāo)準(zhǔn)情況下不能把牌照發(fā)出去。

對于這8家機(jī)構(gòu)存在的問題，每一家機(jī)構(gòu)都想追求依托互聯(lián)網(wǎng)形成自己業(yè)務(wù)的閉環(huán)，但每一家信息覆蓋范圍都有限，信息不廣、不全面，導(dǎo)致產(chǎn)品有效性不足，不利于信息共享。

2017年12月4日訊，中國互聯(lián)網(wǎng)金融協(xié)會第一屆常務(wù)理事會2017年第四次會議，審議并通過了協(xié)會參與發(fā)起設(shè)立個人征信機(jī)構(gòu)（簡稱“信聯(lián)”）的事項(xiàng)。“信聯(lián)”由互金協(xié)會與8家個人征信業(yè)務(wù)機(jī)構(gòu)共同發(fā)起成立?！靶怕?lián)”將納入央行征信中心未能覆蓋到的個人客戶金融信用數(shù)據(jù)，構(gòu)建一個國家級的基礎(chǔ)數(shù)據(jù)庫，實(shí)現(xiàn)行業(yè)的信息共享，以有效降低風(fēng)險成本。

二、國外信用評分FICO Score

FICO評分系統(tǒng)采集客戶的人口統(tǒng)計(jì)學(xué)信息、歷史貸款還款信息、歷史金融交易信息、人民銀行征信信息等解釋變量。違約率即為被解釋變量。通過邏輯回歸模型計(jì)算客戶的還款能力，預(yù)測客戶在未來一段時間的違約概率。經(jīng)由違約率對應(yīng)的信用分?jǐn)?shù)，最終輸出最終分?jǐn)?shù)并確定不同自變量對違約率的影響程度。

• 違約歷史（Payment history），權(quán)重 35%
• 債務(wù)負(fù)擔(dān)（Debt Burden），權(quán)重 30%。
• 信用歷史（Length of credit history），權(quán)重 15%
• 信用種類（Types of credit used），權(quán)重10%。
• 新申請信用（Recent searches for credit），權(quán)重10%。

三、國內(nèi)個人征信業(yè)發(fā)展情況

中國首批8家個人征信公司

芝麻信用管理有限公司：

螞蟻金服旗下，阿里體系；芝麻信用分”于2015年1月28日正式上線；

騰訊征信有限公司：

騰訊旗下；”騰訊信用分“于2017年8月8日上線，目前信用分產(chǎn)品公測中；

北京華道征信有限公司：

銀之杰、北京創(chuàng)恒鼎盛、清控三聯(lián)、新奧資本分別持有北京華道征信40%、30%、15%、15%的股權(quán)。清華控股集團(tuán)持有清控三聯(lián)100%的股權(quán)；

中誠信征信有限公司：

隸屬于中國誠信信用管理集團(tuán)（該集團(tuán)成立于1992年，前身是經(jīng)中國人民銀行總行批準(zhǔn)設(shè)立的中國誠信證券評估有限公司）

深圳前海征信中心股份有限公司：

平安旗下全資子公司

中智誠征信有限公司：

董事長是盛希泰，全國青聯(lián)常委并金融界別秘書長，中央國家機(jī)關(guān)青聯(lián)副主席。曾任華泰聯(lián)合證券有限責(zé)任公司董事長；

鵬元征信有限公司：

是中國最早成立的商業(yè)征信機(jī)構(gòu)之一,其最早建設(shè)的“深圳市個人信用征信系統(tǒng)”從2002年8月開始運(yùn)行,目前所能提供的個人和企業(yè)征信服務(wù)已經(jīng)覆蓋全國；

拉卡拉信用管理有限公司：

聯(lián)想系；

中國個人征信業(yè)發(fā)展的三個核心要素

芝麻信用—數(shù)據(jù)來源

• 基本信息：學(xué)歷，單位郵箱，職業(yè)信息，駕駛證
• 資產(chǎn)情況：車輛信息，房產(chǎn)信息，公積金、支付寶賬戶余額
• 信用消費(fèi)：信用卡賬單、微貸還款記錄、水電煤繳費(fèi)、罰單
• 消費(fèi)數(shù)據(jù)：賬戶活躍度、消費(fèi)層次、繳費(fèi)層次、消費(fèi)偏好
• 信用足跡：花唄履約，螞蟻借唄履約，未來酒店履約

負(fù)面記錄：

• 其他授權(quán)管理
• 人行征信報(bào)告：杭州數(shù)立信息技術(shù)有限公司提供
• 城市信用報(bào)告：杭州市公共信用信息平臺：五險一金，信用記錄，
• 淘寶消費(fèi)行為及銀行征信系統(tǒng)；

……

芝麻信用—主要評級要素及模型原理

四、當(dāng)前P2P小額貸款A(yù)PP風(fēng)控模式

1. 有數(shù)據(jù)基礎(chǔ)及能力的：自行構(gòu)建自家產(chǎn)品的征信系統(tǒng)用于風(fēng)控；
2. 無數(shù)據(jù)基礎(chǔ)及能力的：接入有能力的平臺，（芝麻信用等8家，或同盾等其他反欺詐大數(shù)據(jù)公司）；
3. 接入央行征信系統(tǒng)；
4. 接入商業(yè)銀行小額貸款規(guī)則+自家數(shù)據(jù)及黑白名單；

五、引申：風(fēng)控（信用分?jǐn)?shù)）模型建立方法

數(shù)據(jù)收集：假設(shè)收集10萬條數(shù)據(jù)，每個數(shù)據(jù)包括5*10（5個大類，每類10個指標(biāo)）個屬性（樣本空間即屬性空間為50），標(biāo)記信息為：要預(yù)測的變量。（違約率，還款能力）

數(shù)據(jù)清洗及處理：清除非規(guī)范值，缺失值，異常值等。

機(jī)器建模學(xué)習(xí)過程：將數(shù)據(jù)隨機(jī)抽取分成訓(xùn)練集及測試集，其中用以學(xué)習(xí)模型的訓(xùn)練集占85%（8萬5000條），用于驗(yàn)證模型的占15%（1萬5000條）。

邏輯回歸建模：采用邏輯回歸進(jìn)行建模，采用 BIC 的方法選擇模型，通過模型得到每個變量對是否違約的影響系數(shù)。同時歸納出違約用戶及非違約用戶的特征。

衡量模型的預(yù)測效果：采用指標(biāo) ROC（Receiver Operating Characteristic）曲線或者 AUC（Area Under Curve）值等數(shù)據(jù)模型效驗(yàn)邏輯回歸模型結(jié)果。

得出信用分：通過線性變換可以將預(yù)測概率 P 轉(zhuǎn)化為 350 至 900 的用戶得分 Q，Q=X+Y×P。輸入一個新用戶的50個數(shù)據(jù)指標(biāo)，從而得出對應(yīng)的預(yù)測概率P，從而得出信用分Q

不斷訓(xùn)練及優(yōu)化模型：用戶不斷的更新新的數(shù)據(jù)指標(biāo)，每個指標(biāo)下不斷積累新的數(shù)據(jù)量，同時不斷的新的用戶進(jìn)來。通過新的數(shù)據(jù)訓(xùn)練優(yōu)化邏輯回歸模型。

參考資料：https://cosx.org/2016/05/credit-scoring-model-in-internet-credit-reporting

FICO Score體系詳解：https://www.cnblogs.com/nxld/p/6364341.html

作者：阿發(fā) ，3年互聯(lián)網(wǎng)用戶運(yùn)營/會員運(yùn)營經(jīng)驗(yàn)

本文由 @阿發(fā) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自unsplash，基于CC0協(xié)議