以诚信度为基础的个人信用全面刻画初探

《以诚信度为基础的个人信用全面刻画初探》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、以诚信度为基础的个人信用全面刻画初探　　　　摘要：文章从当下个人信用评价实践现存的问题出发，基于WU’s三维信用理论剖析了诚信度、合规度和践约度在个人信用评价中所起的作用，通过对三个维度内涵与特质的分析，将诚信度作为信用潜力，合规度和践约度作为信用历史，进一步阐述三维之间的联系，以及诚信度在个人信用评价中发挥的作用，提出以诚信度为三维信用评价基础的拓展应用。下载论文网　　关键词：三维信用论；个人信用；诚信度　　一、引言　　在信用经济环境下，随着消费信贷的迅速发展，个人征信记录越来越重要，个人信用报告被广泛应用到各类生活场景中，已经逐渐成为个人的经济身份证。当前，信用在资源配置的

2、优化和社会治理的提升中扮演着愈加重要的角色，精准的信用刻画对经济和社会行为的参考至关重要。当前个人征信市场的迅速崛起引发了学界和业界的热切关注，对个人信用信息采集、评价方法和结果输出等方面展开广泛讨论，实践中产生的信用产品服务的现状与未来预期能否经得起理论和实证的评估，这些都是需要进一步探索的研究课题。　　二、对个人信用评价实践现状的思考　　在传统的个人信用评价中，由于个人参与的社会活动和经济活动较为单一，能够获得的个人信用记录较少，因此个人征信的数据采集也多依赖于金融行为记录，以历史数据作为判断基础预测个人信用状况，并将个人信用评价重点应用于借贷领域。随着社会发展和科学技术的

3、进步，现代个人生活方式发生了巨大改变，可供选择的金融交易种类繁多，参与社会和经济活动的途径更加便捷多样，征信逐渐从单一化向多元化趋势转变。目前征信市场上，许多机构都根据已有的数据尝试对个人用户进行信用评分，对用户数据的获取和建模方法的突破都在做着努力。大多成果都处于试水阶段，在评价维度、评价方法以及成果应用中尚存在着需要解决的问题。　　1.信贷记录不能完全刻画个人信用。随着信用内涵的丰富与外延的扩大，个人信用已经不仅仅反映的是能否按时足额偿还贷款，能否遵守社会规则、公司规定、商务合同等市场规则都是能够反映个人信用状况的衡量因素。从金融行为的角度来看，逾期还款的人必然信用状况不佳

4、，从社会行为的角度来看，拒不还款的“老赖”、不执行保密协议泄露商业机密的人、利用技术优势不正当获利的人、盗取资料倒卖数据的人、制假售假虚假营销的个体等都是信用状况不佳的人。历史信贷记录能够为个人获得的金融服务种类提供参考，但并不意味着信贷记录能够全面代表个人信用。有些人在金融机构中有信贷历史，且记录良好，这类人可以继续在金融机构中获得更好的服务体验，但不代表在社会环境中同样会有良好的信用表现。因此，仅考虑信贷记录的信用刻画是不够全面的，必须要通过其他数据和行为来对个人进行综合全面的信用刻画。　　2.没有信用历史的人难以取得信任。随着信用应用场景的增多以及数据分析技术的发展，对个

5、人信用状况的评估不再局限于传统金融的资金延迟偿还行为，信用评价选取的要素范围也越来越广。评价维度的增加提高了对信用数据质量的要求，如何获取个人信用数据就成为了许多评价机构的核心问题。当前，许多评价方通过引导用户填报个人信息、完成线上任务、对接其他数据源等方式获取数据，间接地将信用结果与用户活跃程度关联起来。对于那些参与度不强或者信用行为较少的用户而言，不甚理想的信用评价结果难以为他们带来良好的信用服务体验，特别是在一个全新的信用场景下，没有信用历史的人很难取得信任。信用评价要解决信息不对称风险，以信用记录作为参考实现对个人信用倾向的判断，然而越来越广泛的信用数据采集范围对行为数

6、据的积累越来越依赖，对评分画像越来越注重，弱化了对个人诚信素质的评估。那么若在没有信用行为历史的场景下，如何去判断个人诚信价值取向就是值得思考的问题。　　3.评价方法缺少信用理论支撑。个人征信市场上的评价机构多以自己业务场景产生的数据以及合作方积累的数据为基础，建立个人信用评价模型，再经过不断的调整和测试投入使用。模型的构建需要大量的样本作为分析支撑，因此现阶段的许多评价方法对指标的选择范围、数据的量级和质量都有着非常高的要求。各个评价机构采用的基础数据和依靠的业务逻辑不同，由此构建的方法和得出的结果也有所差异。为了提升模型的效果，需要经过大量的数据测试和参数调整，使得在变量与

7、信用评价的可解释度方面有所减弱。且数据驱动下的方法鲜有以信用为核心的理论做支撑，往往过于强调了模型效果而淡化了逻辑论证。因此，当前的各种信用评价多处于试水阶段，评价方法尚不成熟，没有得到实践和理论上的普遍认证。　　4.评价结果的交叉应用缺少验证。一般而言，信用评价结果在应用上主要分为两类：一是作用于评价机构本身的业务场景当中；二是提供给其他业务场景应用。对于应用在自身场景来说，信用评价?Y果较为有效，因为训练数据是基于用户在该场景中产生的信用和行为信息，模型的有效性验证也是在该场景中完成的，