论文部分内容阅读
摘要：文章基于國内外关于互联网时代个人信用评估的理论和实践，结合对芝麻信用的个人信用评估机制的重点分析，研究了互联网时代我国的个人信用评估问题，对我国信用评估机制建设中存在的问题进行了思考，并尝试给出相应的政策建议。
关键词：互联网；个人信用评估；芝麻信用
一、 基于大数据的个人信用评估的理论研究
个人信用评估理论在国外的研究由来已久，并且已经取得大量有价值的研究成果。伴随着互联网的兴起，国外学者对个人信用评估领域进行了理论探索和创新。Freedman（2008）研究表明，P2P平台收集到的借款人的信息有助于加强平台信用评估的能力。Greiner（2009）通过对P2P 平台的数据信息进行分析，得出社会关系对借款人的信用状况存在关联。Hoofnagle（2013）认为，通过互联网渠道获得的信息将有助于解决之前大部分人缺失信用记录的状况，这是由于传统信用评估指标单一造成的。Clements（2015）通过研究发现，利用互联网大数据改进的 FICO XD模型在信用评估水平上实现了突破。
近几年，随着互联网在国内的快速发展，我国在基于大数据的个人信用评估研究方面也取得了一定的成果。莫易娴（2011）指出，互联网金融的发展细化了关于消费者信用的信息，极大促进了征信业的发展。罗锦莉（2015）认为，相较于传统征信而言，互联网征信让更多的人群享受到金融服务。柳向东和李凤（2016）通过“人人贷”数据分析得出，在互联网借贷的违约识别方面，随机森林模型表现最好。
综上所述，针对大数据时代的个人信用风险评估研究，国外学者更倾向于证明互联网信用评估相较于传统信用评估的优势，国内学者的研究大多还只是论证大数据技术的必要性，并未系统性研究我国互联网个人信用评估机制。因此，本文将以“芝麻信用”为例，力求通过对其评分机制的分析，对我国互联网个人信用评估机制建设提出有益的建议。
二、 互联网个人信用评估的发展历程
1. 国外个人信用评估的发展历程。
（1）基于传统数据指标的信用评估。19世纪中叶，费埃哲公司开发出第一款基于数据分析的个人信用评估系统——FICO信用评分。1995年，房利美和房地美与费埃哲合作将FICO信用评分应用到房地产的贷款审查流程中，信用评估开始被金融机构采用，截至2015年，超过90%的借贷使用FICO信用评分。尽管FICO 信用评分的广泛使用促进了美国信贷行业的发展，但也存在一些缺陷。美国消费者金融保护局的一项分析表明，美国大约11%的成年人口没有信贷信息，无法获取FICO信用评分。FICO信用评分的局限性，促使了大数据信用评分的产生和发展。
（2）大数据公司的替代评估机制。
①益博睿：加入房租数据。益博睿在传统信用评估指标中加入房租信息作为主要信用指标。一些在传统信用评估体系下无法获得授信的消费者因为房租信息指标的加入，可以通过信用报告中每月偿还房租的记录，享受到金融服务，这对于在传统信用评估机制下无法获得金融机构贷款的人群，尤其是对于学生和刚参加工作的年轻人具有非常重要意义。
②费埃哲、艾克飞和律商联讯：加入电信和公共事业缴费数据。费埃哲与艾克飞及律商联讯集团联合开发了新的信用评估产品——FICO XD。FICO XD加入了有线电视、公共事业缴费等数据指标。FICO XD是在传统FICO评分无法从消费者的信用报告信息中获取时才发挥作用，它的推出就是让传统 信用记录不足的人有机会享受金融信用服务，并且在消费者拥有足够的信用记录之后，就可以获得FICO信用评分。
③环联：加入历史信用数据。环联结合消费者历史支付数据，得到对消费者信用更精准的评估，并且扩大了能够获得信用评分的人群。例如，传统信用评分关注消费者是否按时还款，而环联的评估机制可以揭示消费者之前的支付以及每月的变化。此外，新评估机制还考虑了消费者更换住所的频率、账户历史等因素。
2. 我国基于数据驱动的信用评估建设。从2006至2009年，中国科学院虚拟经济与数据科学研究中心与中国人民银行合作，建立了“中国评分”。该项目运用先进的数据挖掘和统计分析技术，建立信用评估模型，输出信用得分。2008年，我国的商业银行开始普遍将其用于信贷决策活动中，极大地推动了我国信用体系的建设和发展。
与美国相比，我国的个人信用评估还存在一些问题：第一，个人征信数据范围太小。以2016年的信贷记录为准，个人征信仅覆盖35%的人群。而美国三大征信机构已经完成了成年人口的全覆盖。第二，数据指标维度太少。目前人行征信中心采集的数据指标仅有20个左右，而美国传统的FICO信用评估的数据指标包含500个，最后从中提取50个去做信用量化评估。
三、 芝麻信用的信用评估分析
信用风险评估是金融业发展的基础，基于自身平台交易积累的大数据优势，阿里金融在信用风险评估方面具有国内同类平台无法比拟的优势。作为阿里金融的征信机构，芝麻信用为阿里金融的崛起奠定了基础。
1. 芝麻信用的信用评估建设。芝麻信用运用大数据及云计算技术对平台交易带来的海量信息进行处理，相对客观精准的反映了个人的信用风险状况。芝麻信用的信用评估建设包括数据搜集、技术处理、评价模型、应用场景等。
（1）数据搜集。芝麻信用数据来源较为丰富，大致可分为以下三种：
①阿里体系内数据。阿里体系内的数据包括电商平台、互联网金融以及娱乐业务三块，电商平台数据主要指淘宝、天猫等电商平台拥有的用户信息，互联网金融数据是指蚂蚁金服旗下的支付宝、余额宝以及阿里小贷等金融产品产生的交易信息，娱乐业的数据来自阿里旗下的影视、游戏、音乐等业务。
②外部数据。外部数据是指与阿里达成合作协议的公共机构所提供的数据，以及一些与芝麻信用交换信息的国内主流P2P平台。 ③用户提交的数据。个人在阿里网站上提交的一些关于个人身份的信息，包括实名认证、资产证明、工作证明、收入等信息。
芝麻信用的数据还包含社交平台、网贷平台等网络上的海量细信息，有效弥补了传统信用评估维度单一的缺陷。通过对这些数据进行分析处理，能够更精准、更全面的反映用户的信用风险状况。
（2）数据处理。芝麻信用的数据是通过阿里的大数据平台进行采集，并最终生成结果的。该平台包括阿里云业务部门、数据平台事业部和商业智能部三个层次。阿里云业务部门对数据进行采集、储存和处理。数据平台事业部负责对搜集的数据进行“清洗”，让数据可用。商业智能部对处理后的数据进行分析，供其他部门使用。
（3）芝麻信用评分。
①信用评价结果以“芝麻分”的形式呈现，芝麻信用参考了FICO的评级模式，通过将用户信息进行分析处理，得出芝麻分。芝麻分区间从350至950，分数由低到高对应的信用等级分别是极差、中等、良好、优秀、极好。分数越高，代表用户的信用状况越好。
②芝麻分的评分依据包括信用历史、履约能力、行为偏好、身份特质和人脉关系5大维度，所占的比重分别是35%、20%、25%、15%、5%。这种维度设置是参考包含品质、能力、资本、社交、条件的互联网5C模型。
③芝麻信用分为阿里巴巴的服务和产品以及阿里的合作伙伴提供用户信用证明，芝麻信用分达到一定范围可以享受特定的服务，芝麻信用分每月更新一次，用户可以通过完成芝麻任务来提升信用。
（4）应用范围。作为我国首个基于大数据的个人信用产品，芝麻信用极大促进了消费经济和金融业务的发展。芝麻信用的应用场景包括阿里旗下的借贷产品“借呗”、银行信用卡的申请、信用租车、信用社交等。用户的芝麻分达到600以上，还可以享受租房免交押金，共享单车免交押金等服务。
2. 芝麻信用评估的优势。芝麻信用利用阿里平台海量的数据以及阿里的技术优势，创造了适合互联网环境的信用评估方法，相较于传统信用评估模式具有其独特的优势。
（1）数据来源更加丰富。央行征信中心的信用评估数据来源大多是来自银行机构的信贷数据，而芝麻信用的数据来源是拥有海量信息的互联网，信息涵盖网上交易、生活缴费、社交等多个维度。芝麻信用利用更加丰富的数据能够对消费者的信用状况做出更加精准的评估。
（2）评估维度更加多元。在对消费者信用状况进行量化评估时，芝麻信用没有采用传统的FICO模型，而是创立了新的信用评估模型，加入了更多的变量。利用阿里的云计算、大数据技术从多个维度对用户信用状况进行评估，提高了防范金融风险的能力。
（3）服务人群更加广泛。芝麻信用的信用评估可以让更多人享受到金融服务，央行征信中心对于没有信贷记录的人是缺失信用评估的。芝麻信用弥补了央行在信用评估方面的缺陷，覆盖了更加广泛的人群，触及到传统征信无法涵盖的盲区，包括还没有毕业的学生、刚毕业不久的年轻人、一些无法在银行申请信用卡却有着不错经济实力的人群（例如个体户）等。
（4）应用场景更加丰富。芝麻信用的应用场景更加丰富，芝麻信用在服务自身平台的基础上，还通过线上线下合作积极对接其他网上服务平台以及线下实体。芝麻信用提供的信用评估产品让更多消费者享受优惠的商品服务以及更加便捷的金融服务。
四、 我国互联网个人信用评估建设存在的问题
1. 信息共享困难。首先，线上线下的海量数据没有实现共享，类似芝麻信用的互联网征信机构缺乏央行的信贷信息，数据的不完整将导致无法精准评估用户信用状况，限制我国征信行业的发展。其次，平台数据是互联网企业的核心资源，互联网企业之间缺乏信息共享。另外，由于互联网企业的数据来自自身平台的经营，不同网站的数据在采集标准、信用評估标准上存在差别，所以不同类型的互联网企业之间实现信息转移不易。企业之间信息壁垒的存在，容易导致不同征信机构对统一用户的评估结果产生差异，降低了市场效率，还有可能造成多头借贷现象。并且各企业基于自身平台交易采集的数据缺乏维度，会造成评分缺乏公允。
2. 用户信息安全存在风险。
（1）个人信息的采集范围超限制。互联网企业在获取用户数据时，往往采取隐秘额方式，并未征得用户的同意，这违背了《征信业管理条例》（以下简称《条例》）的规定。另外，《条例》规定了很多限制采集的信息，由于互联网平台能够获取客户的海量信息，很容易超出限制范围。
（2）信息处理触及用户权益。《芝麻信用服务协议》规定，用户在注销账户后，公司仍可继续持有用户信息，这和《条例》规定存在冲突。另外，用户对于互联网征信机构的评分原理、模型并不了解，知情权没有得到有效保障。
（3）信息安全风险。由于我国网络安全技术还不够成熟，所以互联网征信机构在收集、处理用户信息以及提供信用评估产品的过程中，面临网络病毒攻击的风险，个人信息存在安全隐患。
3. 信用违约风险或加剧。首先，尽管阿里方面也一直表示，信用得分由五个维度决定，不会因为个别行为的改变而获得提升，但芝麻信用得分以阿里旗下的平台消费以及产品使用为重要考量标准，这让消费者有机会通过提高阿里产品的使用频率来增加芝麻信用分，这种刷信用的方式会极大地提高信用违约风险。其次，芝麻信用评分覆盖了一些没有收入来源的人群，这一方面降低了金融产品使用的门槛，但另一方面随着芝麻信用分在消费金融领域的推广，也会加大金融领域信用违约的风险。
4. 行业监管有待加强。目前，我国缺乏对于互联网失信行为的惩罚机制。我国现存的法律法规尚未对互联网征信机构的准入进行明确的规定，导致一些互联网征信机构在提供相关服务之前，并没有在监管部门进行备案，游离于监管之外，存在合规风险。在大数据背景下，传统的监管方式对信息准确性、完整性的把握缺乏经验，互联网数据自身的一些新的特点，比如信息量大、频率快等，都会造成监管效率的下降。 五、 完善我国互联网个人信用评估机制的政策建议 1. 促进信息共享。积极构建网络信用信息统一平台，充分挖掘数据的广度和深度。首先，应使数据的融合成为可能，为此需要设计科学合理的信息采集框架。其次，政府应该带头引导大数据征信机构与央行、政府部门数据对接，逐步实现符合条件的大数据征信机构与央行征信系统的数据补充和融合。最后，建立独立于数据提供者和征信机构的第三方数据公司，促进数据机构的市场化运营，这样有助于数据在不同互联网企业之间的分享，打破互联网征信机构之间的信息壁垒，为用户提供更准确、更全面的信用产品。
2. 完善法律法规，保护用户信息安全。第一，逐步完善和个人征信有关的法律法规。政府应尽快补充相关法律法规，作为《条例》规定的补充，更好的规范互联网征信机构的对数据的采集、处理，加强对信息安全、个人隐私保护等方面的法律建设，健全互联网征信的法律法规。第二，建立信息授权制度。征信机构在采集用户数据时应获得用户授权，互联网征信机构在采集数据时应得到用户许可，充分保障用户的知情权和选择权，对于征集、处理信息过程中产生的不良后果也应该告知用户。其次，在将数据加工处理成为信用产品时，需要授权明确信用产品的所有权问题。第三，加大信息安全保护的技术支持。政府应给予互联网征信机构相应的支持，加强对用户信息保护方面的安全监管，建议互联网机构采用实名身份证、数字证书、电子签名等安全认证技术，防止信息泄露或被不法分子作不正当使用。
3. 强化市场监管。伴随着互联网行业的不断发展，互联网思维逐步渗透到各个行业，影响到日常生活的方方面面。与此相伴，互联网征信涉足的领域也越来越多，包括信贷、租车、租房、旅游等，也逐步向教育、医疗等公共事业渗透，互联网征信正在影响很多传统行业的发展，要加强跨行业的信用评估体系建设。同时，互联网的国际化，也使得互联网征信产品的国际化监管变得非常重要，要加强国际征信评估体系的建设。加强对互联网征信行业的监管，需要不断探索符合市场发展规律的监管模式。一是明确监管原则。推动征信行业的发展，要在不破坏市场创造力的基础上，进行前瞻性的风险防范。二是加强法律法规建设。建立“守信激励，失信严惩”机制，建立健全“黑名单”制度，完善失信行为信息记录和有限披露制度，提高失信者的市场交易成本，形成市场化惩戒机制。三是建立互联网征信行业协会，加强行业自律，促使互联网征信监管模式的转变，促进互联网征信行业的健康發展。
4. 强化失信惩戒机制。加强对互联网失信的惩戒机制建设。一是建立线上联盟，通过完善互联网失信行为记录，建立透明的信息披露制度，制定互联网失信名单，消费者在网上一处出现违约行为，便会处处受制，形成良好的线上环境。二是线上线下信息共享，建立司法、金融联合惩戒机制，依法追究失信者的责任。
参考文献：
[1] 莫易娴.P2P网络借贷国内外理论与实践研究文献综述[J].金融理论与实践，2011，（12）.
[2] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究，2009，（4）.
[3] 管七海，冯宗宪.信用违约概率测度研究：文献综述与比较[J].世界经济，2004，（11）.
[4] 平新乔，杨慕云.信贷市场信息不对称的实证研究——来自中国国有商业银行的证据[J].金融研究，2009，（3）.
[5] 马九杰，郭宇辉，朱勇.县域中小企业贷款违约行为与信用风险实证分析[J].管理世界，2004，（5）.
作者简介：鞠传霄（1988-），男，汉族，山东省威海市人，中国社会科学院研究生院投资系博士生，研究方向为投资理论与实践。
收稿日期：2018-02-14。
关键词：互联网；个人信用评估；芝麻信用
一、 基于大数据的个人信用评估的理论研究
个人信用评估理论在国外的研究由来已久，并且已经取得大量有价值的研究成果。伴随着互联网的兴起，国外学者对个人信用评估领域进行了理论探索和创新。Freedman（2008）研究表明，P2P平台收集到的借款人的信息有助于加强平台信用评估的能力。Greiner（2009）通过对P2P 平台的数据信息进行分析，得出社会关系对借款人的信用状况存在关联。Hoofnagle（2013）认为，通过互联网渠道获得的信息将有助于解决之前大部分人缺失信用记录的状况，这是由于传统信用评估指标单一造成的。Clements（2015）通过研究发现，利用互联网大数据改进的 FICO XD模型在信用评估水平上实现了突破。
近几年，随着互联网在国内的快速发展，我国在基于大数据的个人信用评估研究方面也取得了一定的成果。莫易娴（2011）指出，互联网金融的发展细化了关于消费者信用的信息，极大促进了征信业的发展。罗锦莉（2015）认为，相较于传统征信而言，互联网征信让更多的人群享受到金融服务。柳向东和李凤（2016）通过“人人贷”数据分析得出，在互联网借贷的违约识别方面，随机森林模型表现最好。
综上所述，针对大数据时代的个人信用风险评估研究，国外学者更倾向于证明互联网信用评估相较于传统信用评估的优势，国内学者的研究大多还只是论证大数据技术的必要性，并未系统性研究我国互联网个人信用评估机制。因此，本文将以“芝麻信用”为例，力求通过对其评分机制的分析，对我国互联网个人信用评估机制建设提出有益的建议。
二、 互联网个人信用评估的发展历程
1. 国外个人信用评估的发展历程。
（1）基于传统数据指标的信用评估。19世纪中叶，费埃哲公司开发出第一款基于数据分析的个人信用评估系统——FICO信用评分。1995年，房利美和房地美与费埃哲合作将FICO信用评分应用到房地产的贷款审查流程中，信用评估开始被金融机构采用，截至2015年，超过90%的借贷使用FICO信用评分。尽管FICO 信用评分的广泛使用促进了美国信贷行业的发展，但也存在一些缺陷。美国消费者金融保护局的一项分析表明，美国大约11%的成年人口没有信贷信息，无法获取FICO信用评分。FICO信用评分的局限性，促使了大数据信用评分的产生和发展。
（2）大数据公司的替代评估机制。
①益博睿：加入房租数据。益博睿在传统信用评估指标中加入房租信息作为主要信用指标。一些在传统信用评估体系下无法获得授信的消费者因为房租信息指标的加入，可以通过信用报告中每月偿还房租的记录，享受到金融服务，这对于在传统信用评估机制下无法获得金融机构贷款的人群，尤其是对于学生和刚参加工作的年轻人具有非常重要意义。
②费埃哲、艾克飞和律商联讯：加入电信和公共事业缴费数据。费埃哲与艾克飞及律商联讯集团联合开发了新的信用评估产品——FICO XD。FICO XD加入了有线电视、公共事业缴费等数据指标。FICO XD是在传统FICO评分无法从消费者的信用报告信息中获取时才发挥作用，它的推出就是让传统 信用记录不足的人有机会享受金融信用服务，并且在消费者拥有足够的信用记录之后，就可以获得FICO信用评分。
③环联：加入历史信用数据。环联结合消费者历史支付数据，得到对消费者信用更精准的评估，并且扩大了能够获得信用评分的人群。例如，传统信用评分关注消费者是否按时还款，而环联的评估机制可以揭示消费者之前的支付以及每月的变化。此外，新评估机制还考虑了消费者更换住所的频率、账户历史等因素。
2. 我国基于数据驱动的信用评估建设。从2006至2009年，中国科学院虚拟经济与数据科学研究中心与中国人民银行合作，建立了“中国评分”。该项目运用先进的数据挖掘和统计分析技术，建立信用评估模型，输出信用得分。2008年，我国的商业银行开始普遍将其用于信贷决策活动中，极大地推动了我国信用体系的建设和发展。
与美国相比，我国的个人信用评估还存在一些问题：第一，个人征信数据范围太小。以2016年的信贷记录为准，个人征信仅覆盖35%的人群。而美国三大征信机构已经完成了成年人口的全覆盖。第二，数据指标维度太少。目前人行征信中心采集的数据指标仅有20个左右，而美国传统的FICO信用评估的数据指标包含500个，最后从中提取50个去做信用量化评估。
三、 芝麻信用的信用评估分析
信用风险评估是金融业发展的基础，基于自身平台交易积累的大数据优势，阿里金融在信用风险评估方面具有国内同类平台无法比拟的优势。作为阿里金融的征信机构，芝麻信用为阿里金融的崛起奠定了基础。
1. 芝麻信用的信用评估建设。芝麻信用运用大数据及云计算技术对平台交易带来的海量信息进行处理，相对客观精准的反映了个人的信用风险状况。芝麻信用的信用评估建设包括数据搜集、技术处理、评价模型、应用场景等。
（1）数据搜集。芝麻信用数据来源较为丰富，大致可分为以下三种：
①阿里体系内数据。阿里体系内的数据包括电商平台、互联网金融以及娱乐业务三块，电商平台数据主要指淘宝、天猫等电商平台拥有的用户信息，互联网金融数据是指蚂蚁金服旗下的支付宝、余额宝以及阿里小贷等金融产品产生的交易信息，娱乐业的数据来自阿里旗下的影视、游戏、音乐等业务。
②外部数据。外部数据是指与阿里达成合作协议的公共机构所提供的数据，以及一些与芝麻信用交换信息的国内主流P2P平台。 ③用户提交的数据。个人在阿里网站上提交的一些关于个人身份的信息，包括实名认证、资产证明、工作证明、收入等信息。
芝麻信用的数据还包含社交平台、网贷平台等网络上的海量细信息，有效弥补了传统信用评估维度单一的缺陷。通过对这些数据进行分析处理，能够更精准、更全面的反映用户的信用风险状况。
（2）数据处理。芝麻信用的数据是通过阿里的大数据平台进行采集，并最终生成结果的。该平台包括阿里云业务部门、数据平台事业部和商业智能部三个层次。阿里云业务部门对数据进行采集、储存和处理。数据平台事业部负责对搜集的数据进行“清洗”，让数据可用。商业智能部对处理后的数据进行分析，供其他部门使用。
（3）芝麻信用评分。
①信用评价结果以“芝麻分”的形式呈现，芝麻信用参考了FICO的评级模式，通过将用户信息进行分析处理，得出芝麻分。芝麻分区间从350至950，分数由低到高对应的信用等级分别是极差、中等、良好、优秀、极好。分数越高，代表用户的信用状况越好。
②芝麻分的评分依据包括信用历史、履约能力、行为偏好、身份特质和人脉关系5大维度，所占的比重分别是35%、20%、25%、15%、5%。这种维度设置是参考包含品质、能力、资本、社交、条件的互联网5C模型。
③芝麻信用分为阿里巴巴的服务和产品以及阿里的合作伙伴提供用户信用证明，芝麻信用分达到一定范围可以享受特定的服务，芝麻信用分每月更新一次，用户可以通过完成芝麻任务来提升信用。
（4）应用范围。作为我国首个基于大数据的个人信用产品，芝麻信用极大促进了消费经济和金融业务的发展。芝麻信用的应用场景包括阿里旗下的借贷产品“借呗”、银行信用卡的申请、信用租车、信用社交等。用户的芝麻分达到600以上，还可以享受租房免交押金，共享单车免交押金等服务。
2. 芝麻信用评估的优势。芝麻信用利用阿里平台海量的数据以及阿里的技术优势，创造了适合互联网环境的信用评估方法，相较于传统信用评估模式具有其独特的优势。
（1）数据来源更加丰富。央行征信中心的信用评估数据来源大多是来自银行机构的信贷数据，而芝麻信用的数据来源是拥有海量信息的互联网，信息涵盖网上交易、生活缴费、社交等多个维度。芝麻信用利用更加丰富的数据能够对消费者的信用状况做出更加精准的评估。
（2）评估维度更加多元。在对消费者信用状况进行量化评估时，芝麻信用没有采用传统的FICO模型，而是创立了新的信用评估模型，加入了更多的变量。利用阿里的云计算、大数据技术从多个维度对用户信用状况进行评估，提高了防范金融风险的能力。
（3）服务人群更加广泛。芝麻信用的信用评估可以让更多人享受到金融服务，央行征信中心对于没有信贷记录的人是缺失信用评估的。芝麻信用弥补了央行在信用评估方面的缺陷，覆盖了更加广泛的人群，触及到传统征信无法涵盖的盲区，包括还没有毕业的学生、刚毕业不久的年轻人、一些无法在银行申请信用卡却有着不错经济实力的人群（例如个体户）等。
（4）应用场景更加丰富。芝麻信用的应用场景更加丰富，芝麻信用在服务自身平台的基础上，还通过线上线下合作积极对接其他网上服务平台以及线下实体。芝麻信用提供的信用评估产品让更多消费者享受优惠的商品服务以及更加便捷的金融服务。
四、 我国互联网个人信用评估建设存在的问题
1. 信息共享困难。首先，线上线下的海量数据没有实现共享，类似芝麻信用的互联网征信机构缺乏央行的信贷信息，数据的不完整将导致无法精准评估用户信用状况，限制我国征信行业的发展。其次，平台数据是互联网企业的核心资源，互联网企业之间缺乏信息共享。另外，由于互联网企业的数据来自自身平台的经营，不同网站的数据在采集标准、信用評估标准上存在差别，所以不同类型的互联网企业之间实现信息转移不易。企业之间信息壁垒的存在，容易导致不同征信机构对统一用户的评估结果产生差异，降低了市场效率，还有可能造成多头借贷现象。并且各企业基于自身平台交易采集的数据缺乏维度，会造成评分缺乏公允。
2. 用户信息安全存在风险。
（1）个人信息的采集范围超限制。互联网企业在获取用户数据时，往往采取隐秘额方式，并未征得用户的同意，这违背了《征信业管理条例》（以下简称《条例》）的规定。另外，《条例》规定了很多限制采集的信息，由于互联网平台能够获取客户的海量信息，很容易超出限制范围。
（2）信息处理触及用户权益。《芝麻信用服务协议》规定，用户在注销账户后，公司仍可继续持有用户信息，这和《条例》规定存在冲突。另外，用户对于互联网征信机构的评分原理、模型并不了解，知情权没有得到有效保障。
（3）信息安全风险。由于我国网络安全技术还不够成熟，所以互联网征信机构在收集、处理用户信息以及提供信用评估产品的过程中，面临网络病毒攻击的风险，个人信息存在安全隐患。
3. 信用违约风险或加剧。首先，尽管阿里方面也一直表示，信用得分由五个维度决定，不会因为个别行为的改变而获得提升，但芝麻信用得分以阿里旗下的平台消费以及产品使用为重要考量标准，这让消费者有机会通过提高阿里产品的使用频率来增加芝麻信用分，这种刷信用的方式会极大地提高信用违约风险。其次，芝麻信用评分覆盖了一些没有收入来源的人群，这一方面降低了金融产品使用的门槛，但另一方面随着芝麻信用分在消费金融领域的推广，也会加大金融领域信用违约的风险。
4. 行业监管有待加强。目前，我国缺乏对于互联网失信行为的惩罚机制。我国现存的法律法规尚未对互联网征信机构的准入进行明确的规定，导致一些互联网征信机构在提供相关服务之前，并没有在监管部门进行备案，游离于监管之外，存在合规风险。在大数据背景下，传统的监管方式对信息准确性、完整性的把握缺乏经验，互联网数据自身的一些新的特点，比如信息量大、频率快等，都会造成监管效率的下降。 五、 完善我国互联网个人信用评估机制的政策建议 1. 促进信息共享。积极构建网络信用信息统一平台，充分挖掘数据的广度和深度。首先，应使数据的融合成为可能，为此需要设计科学合理的信息采集框架。其次，政府应该带头引导大数据征信机构与央行、政府部门数据对接，逐步实现符合条件的大数据征信机构与央行征信系统的数据补充和融合。最后，建立独立于数据提供者和征信机构的第三方数据公司，促进数据机构的市场化运营，这样有助于数据在不同互联网企业之间的分享，打破互联网征信机构之间的信息壁垒，为用户提供更准确、更全面的信用产品。
2. 完善法律法规，保护用户信息安全。第一，逐步完善和个人征信有关的法律法规。政府应尽快补充相关法律法规，作为《条例》规定的补充，更好的规范互联网征信机构的对数据的采集、处理，加强对信息安全、个人隐私保护等方面的法律建设，健全互联网征信的法律法规。第二，建立信息授权制度。征信机构在采集用户数据时应获得用户授权，互联网征信机构在采集数据时应得到用户许可，充分保障用户的知情权和选择权，对于征集、处理信息过程中产生的不良后果也应该告知用户。其次，在将数据加工处理成为信用产品时，需要授权明确信用产品的所有权问题。第三，加大信息安全保护的技术支持。政府应给予互联网征信机构相应的支持，加强对用户信息保护方面的安全监管，建议互联网机构采用实名身份证、数字证书、电子签名等安全认证技术，防止信息泄露或被不法分子作不正当使用。
3. 强化市场监管。伴随着互联网行业的不断发展，互联网思维逐步渗透到各个行业，影响到日常生活的方方面面。与此相伴，互联网征信涉足的领域也越来越多，包括信贷、租车、租房、旅游等，也逐步向教育、医疗等公共事业渗透，互联网征信正在影响很多传统行业的发展，要加强跨行业的信用评估体系建设。同时，互联网的国际化，也使得互联网征信产品的国际化监管变得非常重要，要加强国际征信评估体系的建设。加强对互联网征信行业的监管，需要不断探索符合市场发展规律的监管模式。一是明确监管原则。推动征信行业的发展，要在不破坏市场创造力的基础上，进行前瞻性的风险防范。二是加强法律法规建设。建立“守信激励，失信严惩”机制，建立健全“黑名单”制度，完善失信行为信息记录和有限披露制度，提高失信者的市场交易成本，形成市场化惩戒机制。三是建立互联网征信行业协会，加强行业自律，促使互联网征信监管模式的转变，促进互联网征信行业的健康發展。
4. 强化失信惩戒机制。加强对互联网失信的惩戒机制建设。一是建立线上联盟，通过完善互联网失信行为记录，建立透明的信息披露制度，制定互联网失信名单，消费者在网上一处出现违约行为，便会处处受制，形成良好的线上环境。二是线上线下信息共享，建立司法、金融联合惩戒机制，依法追究失信者的责任。
参考文献：
[1] 莫易娴.P2P网络借贷国内外理论与实践研究文献综述[J].金融理论与实践，2011，（12）.
[2] 华晓龙.基于宏观压力测试方法的商业银行体系信用风险评估[J].数量经济技术经济研究，2009，（4）.
[3] 管七海，冯宗宪.信用违约概率测度研究：文献综述与比较[J].世界经济，2004，（11）.
[4] 平新乔，杨慕云.信贷市场信息不对称的实证研究——来自中国国有商业银行的证据[J].金融研究，2009，（3）.
[5] 马九杰，郭宇辉，朱勇.县域中小企业贷款违约行为与信用风险实证分析[J].管理世界，2004，（5）.
作者简介：鞠传霄（1988-），男，汉族，山东省威海市人，中国社会科学院研究生院投资系博士生，研究方向为投资理论与实践。
收稿日期：2018-02-14。