央行版“信用評分”推出在即 會成中小銀行個人信貸利器？

本報記者辛繼召深圳報道

二代征信會成為個人的“信用身份證”嗎？這個問題的答案是極有可能。

4月16日，21世紀經(jīng)濟報道記者注意到，央行即將上線的二代征信報告中，將新增“個人信用報告數(shù)字解讀”，推出針對個人的“信用評分”，并給出該評分所處的“相對位置”。

不過，該評分采用何種維度的數(shù)據(jù)、模型仍不得而知。

對于中小銀行，可否通過該“信用評分”縮小與大型銀行的競爭差距，業(yè)內(nèi)人士表達了謹慎的樂觀。

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

信用評分黑箱

央行雖未給出“信用評分”數(shù)據(jù)模型，但在二代征信報告中，會給出該信用分的“相對位置”。

“相對位置”，即取值為0到90之間的整數(shù)。當(dāng)取值為N時，說明信用評分相對位置大于N%。當(dāng)無法評分時，該數(shù)據(jù)項返回“-1”，會說明用于數(shù)字解讀的分數(shù)影響因素或無法評分時的原因。

業(yè)內(nèi)人士認為，該評分或與美國各征信局采用的FICO評分相似的思路，針對個人信用狀況打出一個信用分。

美國三大信用管理局都使用FICO評分方法。FICO評分的實質(zhì)是應(yīng)用數(shù)學(xué)模型對個人信用報告信息進行量化分析，但FICO信用評分的計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%；立信時間長短占15%；新開信用賬戶占10%；信用組合類型占10%。FICO評分的理論分值在300-900分之間，評分越低，表明信用風(fēng)險越大。

在國內(nèi)，基于評分模型評估信用風(fēng)險已成為銀行的主要風(fēng)控策略，各大銀行引入評分卡的風(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，中國銀行(601988)在2018年財報中稱，對個人客戶采用標(biāo)準(zhǔn)的信貸審批程序評估個人貸款的信用風(fēng)險，采用基于歷史違約率的評分卡模型計量信用卡的信用風(fēng)險。

中信銀行也在財報中表示，運用評分卡等零售信貸風(fēng)險計量模型，結(jié)合邏輯化的業(yè)務(wù)規(guī)則，有效識別及管理信用風(fēng)險。引入第三方外部數(shù)據(jù)，加大個人信貸數(shù)據(jù)的深度挖掘力度，完善個人信用畫像，探索搭建反欺詐模型。

建行則將評分模型應(yīng)用在小微企業(yè)融資上。該行在財報中表示，研發(fā)新版小微貸款評分模型，優(yōu)化境內(nèi)金融機構(gòu)評級模型、地方政府評級模型和風(fēng)險限額模型等。

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分，也有拉平大型銀行和中小銀行在市場競爭中的先天差距，彌補中小銀行在金融科技大潮中的投入力度過度的難題。

信用評分應(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，是通過大數(shù)據(jù)給出較全面的客戶信用評分、個人資信和消費需求，通過信用、資信、消費需求數(shù)據(jù)實現(xiàn)信用卡和分期業(yè)務(wù)的自動審批，給出相對合理的信用額度，實現(xiàn)秒批秒貸。

另一大行人士認為，若央行推出個人信用評分，中小銀行可以參考該分數(shù)作為評判客戶的標(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)征信公司購買客戶評分或數(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年財報顯示，來自持牌金融機構(gòu)的資金規(guī)模迅速增長，助貸模式成為其收入的主要來源之一。

大數(shù)金融首席風(fēng)控官漆瑾聲認為，央行信用評分是一個針對全體有征信人群的通用型評分，覆蓋樣本量大，樣本時間跨度長，具有無可爭議的權(quán)威性。但央行征信評分不會取代各家機構(gòu)自己的信用評分。

漆瑾聲認為，原因在于，各家銀行機構(gòu)有自己獨特的客群。作為一個覆蓋所有征信人群的評分要兼顧全體，在局部客群上不可避免會失去一些聚焦性或針對性。央行征信評分的開發(fā)樣本主要來自于銀行的傳統(tǒng)優(yōu)質(zhì)客群，對于風(fēng)險相對下沉的人群模型效果會偏弱一些。這部分客群非銀行傳統(tǒng)客群，是目前市場上“助貸”機構(gòu)的主要放貸對象。此外，對于一些特殊客群，比如小微企業(yè)客戶，模型也會比定制化模型效果要差，這是模型樣本偏差性造成的。

“央行的征信評分，主要目的是為了健全全社會的征信體系，不是專門針對各類不同貸款產(chǎn)品的具體業(yè)務(wù)目的而開發(fā)，商業(yè)目的要淡一些。”他表示，具體到各個細分客群、細分產(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分更有針對性，仍然有其不可替代性。

（編輯：李伊琳）