央行版“信用評分”推出在即 會成中小銀行個(gè)人信貸利器？

　　本報(bào)記者 辛繼召 深圳報(bào)道

　　二代征信會成為個(gè)人的“信用身份證”嗎？這個(gè)問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”，推出針對個(gè)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(dá)了謹(jǐn)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(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(bào)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(shí)，說明信用評分相對位置大于N%。當(dāng)無法評分時(shí)，該數(shù)據(jù)項(xiàng)返回“-1”，會說明用于數(shù)字解讀的分?jǐn)?shù)影響因素或無法評分時(shí)的原因。

　　業(yè)內(nèi)人士認(rèn)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(gè)人信用狀況打出一個(gè)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(shí)質(zhì)是應(yīng)用數(shù)學(xué)模型對個(gè)人信用報(bào)告信息進(jìn)行量化分析，但FICO信用評分的計(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(xiǎn)越大。

　　在國內(nèi)，基于評分模型評估信用風(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，中國銀行在2018年財(cái)報(bào)中稱，對個(gè)人客戶采用標(biāo)準(zhǔn)的信貸審批程序評估個(gè)人貸款的信用風(fēng)險(xiǎn)，采用基于歷史違約率的評分卡模型計(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)新版小微貸款評分模型，優(yōu)化境內(nèi)金融機(jī)構(gòu)評級模型、地方政府評級模型和風(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(bǔ)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(gè)人資信和消費(fèi)需求，通過信用、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)的自動審批，給出相對合理的信用額度，實(shí)現(xiàn)秒批秒貸。

　　另一大行人士認(rèn)為，若央行推出個(gè)人信用評分，中小銀行可以參考該分?jǐn)?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(cái)報(bào)顯示，來自持牌金融機(jī)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(rèn)為，央行信用評分是一個(gè)針對全體有征信人群的通用型評分，覆蓋樣本量大，樣本時(shí)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(jī)構(gòu)自己的信用評分。

　　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(xiǎn)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(jī)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�！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分更有針對性，仍然有其不可替代性。