经济·法律·管理·数学·信息技术

CIFD | CIFL | CIFI | CEMF | CIFT

近年来，随着我国互联网金融的蓬勃发展，互联网征信迅速发展，越来越多地出现在大众视野中，成为互联网金融与传统征信互相融合的产物。作为我国互联网金融领域第一个较为完善的征信体系，芝麻信用的出现填补了我国互联网征信的空白。芝麻信用的征信方式主要借鉴了美国FICO评分系统，通过云计算、机器学习等技术客观呈现个人的信用状况，芝麻信用已经在信用卡、消费金融、融资租赁、酒店、租房、出行、婚恋、分类信息、学生服务、公共事业服务等上百个场景为用户、商户提供信用服务。目前，蚂蚁金服的市值已经突破600亿美元，正是有着芝麻信用在背后的保驾护航，蚂蚁金服这艘巨轮才能继续在互联网金融的海洋里乘风破浪。

之前，人民银行的征信制度适用的仅仅是个人或企业的的贷款额度和利率。征信随着互联网金融的进一步发展，其地位将会越来越重要，随着征信透明度的提高以及征信信息共享程度的提升，个人征信评级分对个人的社会行为的影响力将是全方位的。

企业征信的发源地在欧美，1830年，世界第一家专业的征信机构在英国伦敦挂牌成立，主要的服务项目就是企业征信服务。18世纪初，英国部分银行开始给特定客户办理小额贷款业务，为了评估不同客户的的信用水平，确保银行体系的资金安全，这些银行不约而同的建立了内部的客户档案，相比于信用水平较低的客户，信用水平高的客户可以更加轻易的获得小额贷款，这是世界上征信行业发展的起点。

1841年7月，刘易斯·大班在美国纽约创立了全球第一家信用评估机构，主营业务仍然是企业征信项目。当时，一个蚕丝商人在纽约注册了一家商业公司，诣在向从事贸易活动的双方提供对方的背景和信用信息，增加贸易双方的相互了解，减小贸易摩擦，加大贸易透明度，以便双方贸易能顺利进行。此后，贯穿南北战争时期的棉花贸易过程中，一批专门调查南北棉花交易信息以及信用背景的商业机构应运而生。这些机构里诞生了现代征信模式的雏形，也同样是最早的企业征信服务的雏形。

全球范围来看，虽然不同国家有着各不相同的征信信贷模式，但是归根结底可以分为三大类。第一大类是美国的私人征信模式，美国的国家政府不干预征信市场的规则制定，所有的征信方式通过私人商业征信公司来制定运营；第二大类是欧洲的公共征信模式，这种征信方式也是起源于欧洲大陆，其中以德国最为典型。这种征信模式通过中央银行的领导，建立起央行控制的信贷登记模式；第三大类是日本的社会征信模式，这种模式通过银行协会会员制度和本国的商业征信机构相互融合而组成的征信模式，是美国私人征信模式和欧洲公共征信模式的结合。

需要注意的是，评级和征信是有本质区别的。信用评级公司提供的信用评级报告主要向社会公众公开，为公众决策提供参考。征信包括企业征信和个人信用征信，是指征信机构受公民、法人或者其他组织委托，通过采集、加工企业和个人信用信息，提供关于企业和个人信用状况的调查、评估或者评级报告等征信产品的经营性活动。征信公司提供的信用调查报告不向社会公开，仅供委托人决策参考。信用评级活动是属于征信活动的高级阶段，是建立在征信活动所收集的数据资料的基础上，对征信活动获得的数据进行加工处理，以获取更有价值信息的活动。在美国，两者的监管机构有所不同，信用评级的监管机构是证监会，而征信的监管机构是消费者金融保护局。

在美国，征信业主要分为以下三大类：一类是在商业市场上进行企业征信活动的机构，全球最大的企业征信机构邓白氏集团首当其冲，作为企业征信服务公司，主要负责商业市场评估，也称作企业征信服务公司，其评估对象为各大中小企业。1841年，邓白氏公司创始人刘易斯·大班(LewisTappan)在纽约成立了第一家征信事务所，在经过多年的深耕，逐渐发展成为全世界企业征信领域中规模最庞大、口碑和影响力俱佳、历史沉淀最深的龙头征信巨头，美国的四位总统：林肯、格兰特、克里夫兰和麦金力曾经先后在邓白氏公司任职[1]；二是针对个人进行信用评估的机构，在美国叫信用局，主流的公司有三家：益博睿(Experian)、艾可菲(Equifax)和环联(TransUnion)，三大信用局都是私营中介公司，具有鲜明的独立性和公正性，都建有覆盖全国范围的数据库，收集了近2亿成人的信用资料，每年出售6亿多份消费者个人信用报告，收入过百亿美元。同时，美国所有信用中介机构都签署了相互利用各自资料库的长期协议，因而迁居异地的申请人的信用资料会立即被新居住地的信贷发放机构获得，并且不断进行着信用产品创新，开发了许多新产品以满足授信方的不同需求[2]；三是信用评级机构，如标准普尔、穆迪投资者服务公司。这些公司主要负责评定各类债券的风险程度，根据债券发行人向投资人偿付所承诺的本金和利息的可靠程度来给不同的债券设定评级。

欧洲大陆各个国家普遍实行的信贷模式是公共信贷登记模式，即通过中央银行牵头，组织建立公共信贷登记系统，由央行负责统一管理维护的征信模式。其中，德国是欧洲大陆中最典型的，1934年德国在欧洲范围率先建立了信贷登记系统。德国的征信机构是由政府和央行筹资组建的，利用央行建立了全国范围公众的数据资料，并在全国范围建立了信息调查征询机构。其中，征信机构的主要任务不是盈利，而是更好的服务于央行和政府[3]。

由于征信行业长时间被政府和央行主导，导致了征信行业缺乏足够的活力和发展动力，征信行业趋于僵化，中小企业贷款需求长期得不到满足。为了解决上述问题，德国在上世纪九十年代开始在征信行业中引入民营征信公司，民营机构的大力发展，极大的提升了征信的活力，也是作为整个社会征信行业的有效补充，对德国征信的发展起到了至关重要的作用。在此之前，德国一直是没有外部的征信评级机构的参与。德意志名族的特点之一就是做事严谨，在征信行业上，这一点被体现的淋漓尽致。由于背后是国家信用的支持，加上非常重视对存款人利益的保护，银行对于风险程度较高的企业一直不予贷款。根据统计表明，申请贷款的企业超过60%会被银行以风险过高的理由拒绝。因此，征信机构在德国完全没有应用的空间。但是，随着步入21世纪，德国银行的风险识别能力的增强，外加经济全球化的背景下，德国银行也在逐渐的放宽贷款的限制，同时，外部征信机构也渐渐的在德国开始萌芽，征信市场化的步伐开始迈进。

征信在日本的发展模式是社会征信模式体系，即各个银行和商业公司共同参与征信行业的建设。各个银行主要负责建立信息收集系统，收集企业和个人的信贷信息。在信息的收集过程中，银行会付出一定费用，与此相对应的，在为其他机构提供信用信息时，银行也会收取一定的费用，来维持收支平衡，需要注意的是这种模式并不是以盈利为目的的。

日本征信最大的特点就是根据信息来源的不同建立多个差异化的征信系统，来满足不同银行和消费人群的需要。由于日本各个银行放贷相对严格，核审要求较高，使得在日本从事个人消费贷款的机构的需求大大加强。针对不同消费者的信贷平台五花八门，发展迅猛，和政府银行的征信体系相互补充、相得益彰。除此之外，日本征信业的蓬勃发展，离不开日本相关征信法律制度的健全，以及对消费者充分的隐私权的保障，更为关键的是，日本银行业和商业征信公司之间的信息共享渠道非常通畅，行业透明度高。

20世纪90年代初，原中国人民银行深圳分行为了解决企业多头贷款和拖欠、逃废银行债务的行为，适应银行对贷款信息共享的需求，首先开始施行“贷款证”制度。贷款证是企业向国内各金融机构申请办理贷款的证明书。它统一由中国人民银行颁发，对象是具有法人资格的所有企业和事业单位，贷款时由银行在贷款证上如实登记，偿还贷款后作还款记录。纸质贷款证的出现形成了征信系统的早期雏形。1992年，多个省份在辖内选取地级市进行试点探索，全国范围内的“贷款证”制度初步展开。1994年，试点成功的“贷款证”制度在全国得到推广。

随着IT技术的发展，纸质贷款证变为电子贷款卡成为现实。1996年，厦门、宁波等地开始试行贷款证电子化管理，将企业信贷信息输入电脑，以供商业银行查询，同时将贷款证更换为贷款卡。贷款卡所关联的企业信贷信息通过电子方式记载成为银行信贷登记咨询系统的雏形。1997年，中国人民银行开始筹建银行信贷登记咨询系统。1999年底，银行信贷登记咨询系，统上线运行。2002年，银行信贷登记咨询系统建成地级行、省级行、总行三级数据库，并实现全国联网查询[4]。

银行信贷登记咨询系统升级为全国集中统一的企业征信系统。人民银行的征信平台囊括了企业信用信息基础数据库和个人信用信息数据库。人民银行于1997年建立了企业信用信息数据库，截至2016年底，一共吸纳了1000多万户不同企业以及组织的信息，其中有信贷记录的用户为600万户。同时人行在1999年建成个人信用信息基础数据库，截至2016年底该数据库收录自然人6亿多户，其中有信贷记录的用户达到1亿多户。人民银行的征信平台与各大商业银行的柜台通过商业银行体系内部的互联网系统互相连接，商业银行是人民银行征信的主要信息来源，其收录的信息主要有：企业和个人的基本信息、在金融机构的借款、担保等信贷信息以及企业的各大主要财务指标。

2005年，中国人民银行启动银行信贷登记咨询系统升级工作。2005年12月，企业征信系统实现主要商业银行的全国联网运行，并在天津、上海、浙江、福建4个省(市)开通查询用户试运行。2006年6月末，企业征信系统实现所有中资、外资商业银行和有条件的农村信用社的全国联网运行，并于2006年7月末完成全国范围内与银行信贷登记咨询系统的切换工作。

自2006年以来，企业和个人征信系统接入机构不断扩充，收录信息数量快速增长，数据质量稳步提升，数据查询量大幅增加。目前，征信系统已基本覆盖所有从事信贷业务的机构，包括全国性商业银行、城市商业银行、外资银行、合作金融机构、财务公司、信托投资公司、租赁公司、汽车金融公司、村镇银行、小额贷款公司等，征信系统的信息网络遍布全国银行类金融机构的营业网点[5]。截至2014年9月底，企业和个人征信系统共为1959万多户企业和8.5亿自然人建立了信用档案，信息规模位居世界前列。企业征信系统累计开通查询用户14.6万户，个人征信系统累计开通查询用户13.9万户；2014年前三季度，企业信用信息基础数据库查询次数7498万次，日均查询27.4万次；个人信用信息基础数据库查询次数29429万次，日均查询107.8万次[6]。

目前，全球知名度最高的个人信用评级法是美国个人消费信用评估公司开发出的FICO评分体系。在中国，近年来，随着“互联网+”时代的到来，互联网金融发展迅速，一批专门基于网络信用信息的大数据征信机构初步建立。2015年1月，阿里巴巴蚂蚁金服旗下的芝麻信用管理公司推出了“芝麻信用分”――国内首个个人信用评分，用以直观反映用户的信用情况，此外还与阿里平台上众多商户以及蚂蚁微贷等进行合作，扩大芝麻信用分在个人金融和生活服务领域的应用。

FICO信用分是美国个人消费信用评估公司开发出的一套个人信用评级法，由于美国三大信用局都使用FICO信用分，每一份信用报告上附有FICO信用分，使得FICO成为信用分的代名词，因此得到社会的广泛接受。FICO是美国FairIsaac＆Company的专有产品，FICO也由此得名，它利用高达100万用户的大样本数据，首先确定消费者的信用、品德以及支付能力的指标，再把各个指标划分成若干档次，并确定每一个档次的分数范围，然后计算每个指标的加权，最后得到消费者的信用总得分。FICO信用分的打分范围是300-850，分数越高，说明用户的信用越好，贷款的风险也相应越小。但是，分数并不是借款方考量用户的唯一标准，每一个贷款方都会有自己的评判标准，不同的项目有不同的风险等级，从而会有不同的信用分数要求。一般来说，分数高于680分的用户可以被认为信用良好，可以立即放贷。分数低于620分的，贷款方可能会要求借款人增加担保项目或者拒绝放贷。分数介于620到680的用户，贷款方就需要作进一步的核实调查，并查看该用户其他方面的资料数据，做个案处理，决定是否放贷。

FICO模型中关注的评分因素有五类，分别是客户的信用账户数、偿还历史、正在使用的信用类型、新开立的信用账户以及使用信用的年限[7]。

芝麻信用，是蚂蚁金服旗下独立的第三方征信机构，通过云计算、机器学习等技术客观呈现个人的信用状况，已经在信用卡、消费金融、融资租赁、酒店、租房、出行、婚恋、分类信息、学生服务、公共事业服务等上百个场景为用户、商户提供信用服务。

芝麻信用分是芝麻信用管理有限公司旗下产品，是芝麻信用管理有限公司根据当前采集的个人用户信息进行加工、整理、计算后得出的信用评分，分值范围是350到950，分值越高代表信用水平越好，较高的芝麻分可以帮助个人获得更高效、更优质的服务。

芝麻信用服务每一个个体，在具体应用中，芝麻信用严格依循用户授权的机制，以维护每个人对自身隐私保护的权利。同时，芝麻信用倡导“流通”的理念，只有当我们每个人的信用流通起来，形成信用信息的有序流动，才能真正为我们每个个体带来价值，帮助社会形成完整的信用体系，真正实现“让守信者畅通无阻 让失信者寸步难行“。从每一个微小如芝麻般的点滴做起，让信用等于财富。

芝麻信用在一定程度上参考了美国FICO的信用评分体系，作为一个基于互联网行为的数据评估体系，芝麻信用又有自己相对独立的评价标准，融合了尽可能多的评价尺度。影响芝麻信用评分的因素同样有五个，分别是身份特质、行为偏好、人脉关系、信用历史和履约能力[8]。

阿里巴巴集团旗下有众多丰富多彩的电商平台，包括天猫、淘宝、聚划算、菜鸟网络等，它们拥有超过三亿多的用户，这些用户的基本信息、资金流动、兴趣偏好、购物行为等电商活动成为芝麻信用数据库的信息来源渠道，提供庞大的数据。与之对应，3700 多万户小微企业之间和它们与用户之间的交易信息也被纳入征集范围内蚂蚁金服公司的网络金融数据。个人交易信息数据大多来源于支付宝、余额宝、蚂蚁金服以及阿里云，其中支付宝和余额宝为芝麻信用提供主要的信息数据。除此之外，阿里巴巴还和一系列的企业之间有合作，可以通过其他的企业来提供剩余需要的信息数据，从而构成一个完整的征信系统所需的大数据群体。

1. 信用历史

信用历史在芝麻信用影响因素中占得比重是最大的，为35%。所谓信用历史，指的是一个用户在过往发生的债务中的还款表现，主要是用户在使用阿里旗下的产品时候运用信用账户的表现。在这个方面和FICO的评分系统有些类似，同样把客户的历史信用放在最重要的考量标准上。

信用历史主要包括以下具体内容：（1）信用卡还款历史，在银行开立的信用卡还款的时间是否有违约记录等；（2）微贷还款记录，在各种互联网平台上以一定的抵押担保借来的小额资金的还款，是否及时；（3）水电煤缴费，这里涉及到支付宝的新功能，生活缴费，将线上线下的消费行为进行连接，从而可以更全面的考察用户的信用评级；（4）罚单，包括交通罚单以及其他各项罚单。

2. 行为偏好

行为偏好是芝麻信用评分系统的第二大影响因素，占比25%，主要指的是用户消费过程中的偏好，用户在阿里巴巴旗下的各种商店进行购物消费的行为会被完整的记录在案，并作为影响消费者信用评分的因素。

这里面具体包括以下几个方面：（1）账户活跃度，即不同消费平台上账户的使用频率，使用的越频繁，可以供查询的数据就会愈多，这样一个人的信用行为就更加突出，真实可信度也更高；（2）消费层次，一个消费者的消费水平越高往往表明消费者拥有更高的消费能力，随之，也会对个人的信用产生一定的影响；（3）缴费层次；（4）消费