央行版“信用評(píng)分”推出在即 會(huì)成中小銀行個(gè)人信貸利器？

　　本報(bào)記者 辛繼召 深圳報(bào)道

　　二代征信會(huì)成為個(gè)人的“信用身份證”嗎？這個(gè)問(wèn)題的答案是極有可能。

　　4月16日，21世紀(jì)經(jīng)濟(jì)報(bào)道記者注意到，央行即將上線的二代征信報(bào)告中，將新增“個(gè)人信用報(bào)告數(shù)字解讀”，推出針對(duì)個(gè)人的“信用評(píng)分”，并給出該評(píng)分所處的“相對(duì)位置”。

　　不過(guò)，該評(píng)分采用何種維度的數(shù)據(jù)、模型仍不得而知。

　　對(duì)于中小銀行，可否通過(guò)該“信用評(píng)分”縮小與大型銀行的競(jìng)爭(zhēng)差距，業(yè)內(nèi)人士表達(dá)了謹(jǐn)慎的樂(lè)觀。

　　一方面，央行權(quán)威的信用評(píng)分將將給中小銀行的個(gè)人信貸等業(yè)務(wù)打下基礎(chǔ)，便于把握個(gè)人資信情況；但另一方面，針對(duì)每個(gè)地區(qū)、每家銀行具體的風(fēng)險(xiǎn)偏好，銀行仍應(yīng)適當(dāng)加大本行金融科技方面的投入。

　　信用評(píng)分黑箱

　　央行雖未給出“信用評(píng)分”數(shù)據(jù)模型，但在二代征信報(bào)告中，會(huì)給出該信用分的“相對(duì)位置”。

　　“相對(duì)位置”，即取值為0到90之間的整數(shù)。當(dāng)取值為N時(shí)，說(shuō)明信用評(píng)分相對(duì)位置大于N%。當(dāng)無(wú)法評(píng)分時(shí)，該數(shù)據(jù)項(xiàng)返回“-1”，會(huì)說(shuō)明用于數(shù)字解讀的分?jǐn)?shù)影響因素或無(wú)法評(píng)分時(shí)的原因。

　　業(yè)內(nèi)人士認(rèn)為，該評(píng)分或與美國(guó)各征信局采用的FICO評(píng)分相似的思路，針對(duì)個(gè)人信用狀況打出一個(gè)信用分。

　　美國(guó)三大信用管理局都使用FICO評(píng)分方法。FICO評(píng)分的實(shí)質(zhì)是應(yīng)用數(shù)學(xué)模型對(duì)個(gè)人信用報(bào)告信息進(jìn)行量化分析，但FICO信用評(píng)分的計(jì)算方法也從未向外界公布。各部分因素大致權(quán)重為：以往支付歷史占35%；信貸欠款數(shù)額占30%；立信時(shí)間長(zhǎng)短占15%；新開(kāi)信用賬戶占10%；信用組合類型占10%。FICO評(píng)分的理論分值在300-900分之間，評(píng)分越低，表明信用風(fēng)險(xiǎn)越大。

　　在國(guó)內(nèi)，基于評(píng)分模型評(píng)估信用風(fēng)險(xiǎn)已成為銀行的主要風(fēng)控策略，各大銀行引入評(píng)分卡的風(fēng)控理念，主要應(yīng)用于信用卡發(fā)卡、信用貸款發(fā)放、小微企業(yè)融資等。

　　例如，中國(guó)銀行在2018年財(cái)報(bào)中稱，對(duì)個(gè)人客戶采用標(biāo)準(zhǔn)的信貸審批程序評(píng)估個(gè)人貸款的信用風(fēng)險(xiǎn)，采用基于歷史違約率的評(píng)分卡模型計(jì)量信用卡的信用風(fēng)險(xiǎn)。

　　中信銀行(601998)也在財(cái)報(bào)中表示，運(yùn)用評(píng)分卡等零售信貸風(fēng)險(xiǎn)計(jì)量模型，結(jié)合邏輯化的業(yè)務(wù)規(guī)則，有效識(shí)別及管理信用風(fēng)險(xiǎn)。引入第三方外部數(shù)據(jù)，加大個(gè)人信貸數(shù)據(jù)的深度挖掘力度，完善個(gè)人信用畫像，探索搭建反欺詐模型。

　　建行則將評(píng)分模型應(yīng)用在小微企業(yè)融資上。該行在財(cái)報(bào)中表示，研發(fā)新版小微貸款評(píng)分模型，優(yōu)化境內(nèi)金融機(jī)構(gòu)評(píng)級(jí)模型、地方政府評(píng)級(jí)模型和風(fēng)險(xiǎn)限額模型等。

　　中小銀行信貸利器？

　　從監(jiān)管的角度，央行推出自己的信用評(píng)分，也有拉平大型銀行和中小銀行在市場(chǎng)競(jìng)爭(zhēng)中的先天差距，彌補(bǔ)中小銀行在金融科技大潮中的投入力度過(guò)度的難題。

　　信用評(píng)分應(yīng)用廣泛。一位華南大行人士表示，該行當(dāng)前在金融科技領(lǐng)域的需求之一，是通過(guò)大數(shù)據(jù)給出較全面的客戶信用評(píng)分、個(gè)人資信和消費(fèi)需求，通過(guò)信用、資信、消費(fèi)需求數(shù)據(jù)實(shí)現(xiàn)信用卡和分期業(yè)務(wù)的自動(dòng)審批，給出相對(duì)合理的信用額度，實(shí)現(xiàn)秒批秒貸。

　　另一大行人士認(rèn)為，若央行推出個(gè)人信用評(píng)分，中小銀行可以參考該分?jǐn)?shù)作為評(píng)判客戶的標(biāo)準(zhǔn)。中小銀行缺乏足夠的數(shù)據(jù)建立風(fēng)控模型，通常向大數(shù)據(jù)征信公司購(gòu)買客戶評(píng)分或數(shù)據(jù)模型。

　　中小銀行的這一困境，也稱為當(dāng)前“助貸”業(yè)務(wù)得以發(fā)展的原因之一。多家上市互聯(lián)網(wǎng)金融公司2018年財(cái)報(bào)顯示，來(lái)自持牌金融機(jī)構(gòu)的資金規(guī)模迅速增長(zhǎng)，助貸模式成為其收入的主要來(lái)源之一。

　　大數(shù)金融首席風(fēng)控官漆瑾聲認(rèn)為，央行信用評(píng)分是一個(gè)針對(duì)全體有征信人群的通用型評(píng)分，覆蓋樣本量大，樣本時(shí)間跨度長(zhǎng)，具有無(wú)可爭(zhēng)議的權(quán)威性。但央行征信評(píng)分不會(huì)取代各家機(jī)構(gòu)自己的信用評(píng)分。

　　漆瑾聲認(rèn)為，原因在于，各家銀行機(jī)構(gòu)有自己獨(dú)特的客群。作為一個(gè)覆蓋所有征信人群的評(píng)分要兼顧全體，在局部客群上不可避免會(huì)失去一些聚焦性或針對(duì)性。央行征信評(píng)分的開(kāi)發(fā)樣本主要來(lái)自于銀行的傳統(tǒng)優(yōu)質(zhì)客群，對(duì)于風(fēng)險(xiǎn)相對(duì)下沉的人群模型效果會(huì)偏弱一些。這部分客群非銀行傳統(tǒng)客群，是目前市場(chǎng)上“助貸”機(jī)構(gòu)的主要放貸對(duì)象。此外，對(duì)于一些特殊客群，比如小微企業(yè)客戶，模型也會(huì)比定制化模型效果要差，這是模型樣本偏差性造成的。

　　“央行的征信評(píng)分，主要目的是為了健全全社會(huì)的征信體系，不是專門針對(duì)各類不同貸款產(chǎn)品的具體業(yè)務(wù)目的而開(kāi)發(fā)，商業(yè)目的要淡一些�！彼�表示，具體到各個(gè)細(xì)分客群、細(xì)分產(chǎn)品的信貸業(yè)務(wù)，各家銀行和金融科技公司的定制化評(píng)分更有針對(duì)性，仍然有其不可替代性。