央行金融科技规划与金融科技知识图谱

刘新海 全联并购公会信用管理委员会常务副主任/北京信用学会副会长

 

一、信用与信用度

《金融科技知识图谱》有很多词语和概念，信用度的概念作为一个代表，作一个介绍。先从一个故事说起：1913年11月下旬，当时的首富，石油大亨约翰·洛克菲勒（JOHND.ROCKEFELLER）走进在克利夫兰一家百货商店购物。看了一些商品之后，老人给了一个年轻的女店员他的名字，并请她从他的账户中扣款买几样商品，让商店直接送到他家里。但是这位女店员不认识这位陌生的老人，坚持要打电话给信贷部门对他这种先用后买的预购行为进行授权。信贷部门不仅对客户的世界首富的身份进行确认而且还对他的信用度进行了评估，最终他的（不用支付现金的）商品预购服务被批准。

洛克菲勒的故事说明了财富并不能等于信用度，后者包含很多的因素。在具体讨论信用度之前，我们先探究一下信用的来源。如图1所示公元前2400年的金融契约，其上载明债务人、标的资产及数量、偿付利息等，这说明信用交易是从农业社会就开始出现了。从物物交换到钱物交换，再到纯粹的非现金的现代信用交易，交易过程中逐渐遇到了很多问题，比如交易双方的信息不对称，以及信用交易数量越来越多，规模越来越大如何解决信用风险等，这些问题需要得到解决。专业人士开始对信用风险进行分析，从定性到定量，从个性单独的服务到标准化的服务。基于经验主义，通过过去的历史表现来判断未来的信用度。

图1 金融史上的契约

信用度（Creditworthiness）是什么？它是市场主体（消费者／企业）在信用交易中的信用水平或商业价值，它还有一些关联词（见图2），比如信用评分、信用评级、大数据、替代数据、人工智能等。信用度可以理解为借贷方确定市场主体将不履行债务义务的程度，或者是获得新的信用额度的水平。信用度不是每个人固定的特征，可以将其比喻为医生给病人测的体温。市场主体的信用水平用信用度来（量化和标准化）刻画。信用度是信用主体的信用程度的具体体现。举例而言，比如恒大集团，其从1996年成立，2016-2017年达到发展顶点，再到2021年上半年开始出现危机，其信用度就一直在发生变化。最开始的时候信用度比较低，银行不愿意贷款，因为它规模比较小，可能难以应对各类风险。直到它的利润及资产开始大幅增长，很多银行包括信托公司都愿意向他提供贷款和资金支持。2021年上半年出现违约之后，信用度恶化，银行又收紧了信贷。信用度量化和标准化的意义是便于信用交易，也便于风险比较，还可以批量自动化地开展各种交易。

图2 信用度的关联概念

信用度用模型刻画，一般包括5C1S模型和CW模型，信用度在应用中主要根据上述两种模型，对市场主体的过往偿债还款行为进行统计分析得出。随着各类应用场景的变化，信用度模型也会与时俱进地发生变化。对于企业而言，信用度模型的应用是存在诸多挑战的，特别是企业信用度模型非标准化的特点。

 

二、信用度的关联概念

（一）信用评分与信用报告

消费者的信用度可以通过信用评分和信用报告来评判。信用报告以文本的形式呈现，包含几百个描述性的数据项，分为个人和企业两类。信用评分以数字化的形式体现，它是基于信用报告的，只是呈现简单的数字项，较高的信用评分意味着消费者的信用度很高。相反，低的信用度对应于较低的信用评分。一般而言，征信机构提供的都是基础性的信用评分，信贷机构也可以做信用评分，现在有很多金融科技公司也都在做信用评分。目前的一个重点是国内没有标准的信用评分，基于替代数据的信用评分虽然热门，但是还不够成熟，没有扎实的专业研究作支撑，也没有形成如美国FICO评分一般非常标准的形式。

企业的信用度常用企业信用报告来描述，用信用评级来量化评估。因为其非标准化，信用度难以准确区分，就用离散的评级分区表示，而不是连续的评分。我最近研究发现如果小微企业的数据足够完善，是可以进行信用评分的。对于大企业，特别是发债的上市公司，其信用评级涉及的衡量因素更多，不仅要考虑信用度的情况，还要考虑宏观经济和行业的情况，有时候还需要分析师人工调整。

（二）替代数据与大数据

信用度的量化描述传统上有直接相关的信贷还款行为，但是存在一些消费者信贷行为数据缺失的情况。在大数据时代，更多的具有信用含义和信用相关的替代数据被应用来刻画信用主体（消费者）的信用度。替代数据在信贷领域非常热门，这是为什么？因为目前央行是传统的征信系统，大概有6.1亿人有信贷记录的，但是其中至少1/3消费者的信贷记录存在数据稀薄或者数据陈旧的问题，不足以支撑信用评估的。特别是每年新毕业的大学生和新进城的农民工，他们没有与银行打过交道，这些人的信用评估就需要使用替代数据。最典型的替代数据是什么？过去使用效果较好的是支付数据。

替代数据在中国是非常重要的，而在美国目前也是一个热点，美国从不同的角度进行研究，包括美联储、FTC（联邦贸易委员会）、CFPB（消费者金融保护局）等监管部门的角度，也包括如JP摩根、美国运通等大型银行的角度，还包括行业组织、消费者维权组织的角度。一个最重要的信号是美国的房贷机构房利美（Fannie Mae）也开始使用替代数据了，即用租房相关的数据来审批房贷了。因为当年信用评分就是由房利美、房地美（Freddie Mac）开始使用，然后才被主流的信贷市场承认。房贷的确是非常重要的一个信贷产品，也是信用度非常重要的关联概念。

（三）机器学习与人工智能

人工智能和机器学习是对信用度进行有效分析的工具，广泛应用于信用度风险模式的提取、特征工程的加工以及预测模型的优化等方面。现在我们用到很多深度学习的技术，在基于计算机视觉的身份验证机制等方面有深入的应用。

（四）个人信息保护

个人信息保护和个人信用度联系也很密切，特别是2021年个人信息保护法出台之后，在征信领域具体细化的《征信业务管理办法》也出台了。曾经有“一切数据皆信用”较为较激进的说法，其实替代数据或者很多数据都与消费者的隐私有关系，与信贷过程中的公平正义有关系，因此进行个人信息保护非常关键。对此，美国消费者保护组织在研究每一种替代数据会产生的效果，不良影响是否非常严重，如何在合适的场景下应用等问题。

（五）新型信用经济下行的影响

信用度模型在不断地发展。现在有越来越多的移动互联网、数字经济以及共享经济等各类场景，在这些场景中，信用度模型是需要与时俱进的。包括现在的小额高频信贷如花呗、借呗等，不是每月报送，在这些变化的信贷场景中，如何刻画信用度是一个新的挑战。以芝麻信用评分为例，它在酒店入住、融资租赁、租房出行、婚恋等等很多场景提供了一些服务，比如房屋租赁需要评分600分以上、评分650分以上才允许招聘等应用，也算是一种新的信用度的尝试。

 

三、金融科技知识的基本框架及概念关联

金融科技并不是全新的产物，工业革命时代就诞生了。进入21世纪的第4次工业革命，很多金融科技在加速迭代，甚至每个月都会出现很多新的东西。比如2021年就出现了隐私计算、NFT、元宇宙、信用隐性、断直连等概念或技术。

如图3所示，我将金融科技分为11个大类领域。其中，信用科技是金融科技发展的主线，量化投资是金融科技一个非常低调的分支。金融科技以数字经济、信息经济学等作为理论支撑，以人工智能等新一代信息技术作为技术支撑。这些大类领域的划分也在不断完善的过程中，可能后续还要加上金融科技伦理、金融科技监管、绿色金融等等内容。

图3 金融科技的基本框架

因为金融科技是一个不断演化的过程。金融科技也不是凭空产生的，它与不同领域都有各种各样的联系，特别对于金融科技这一个交叉领域，相关概念可以相互关联（见图4）。

图4 金融科技知识概念的关联

 

四、央行金融科技未来发展规划

金融科技的发展原则是“数字驱动、智慧为民、绿色低碳、公平普惠”，具体包括八个方面的实践内容。

第一，强化金融科技的治理。建立金融科技伦理的规范体系这一点非常重要，因为现在金融科技发展得非常快，但是在这一过程中我们需要尊重个人的人格，保护消费者个人的隐私，同时防范技术的滥用或者误用。在信息技术发展非常快的过程中，会产生诸如数字鸿沟、信息茧房等问题。因此，从金融科技规划的角度出发，第一点是刻不容缓的。

第二，全面加强数据能力建设。这是为了保护信息安全和个人隐私，激发数据要素的潜能，这与整个数字经济和数据市场相联系，与配套的数据安全法、个人隐私法也存在密切的联系。

第三，深化数字技术金融应用，注重安全与效率的平衡，运用技术进行成果转化。

第四，健全安全高效的金融科技创新体系，建立智能风控机制。这属于信用科技领域的建设，也是金融科技的一个发展主线。

第五，深化金融服务智慧再造，形成多元，普惠、绿色、人性化的服务体系。

第六，加强监管科技的全方位应用，建立数字化、穿透式的监管体系。虽然诸如防火墙、系统性重要银行等技术或概念的研究非常深入，但是监管科技目前的发展还不是特别充分，存在很大的进步空间。现在更多是处理个案，尚未全方位地将信息技术应用到监管领域。金融基础设施方面的建设也存在很大的发展空间。

第七，扎实做好金融科技人才培养。金融科技目前已经成为了一种职业，在金融机构的招聘过程就可以看到。金融科技作为一个新的职业，目前正处于推动阶段，需要开展相关的专业培训，《金融科技知识图谱》可以提供相关的专业支持。

演讲稿整理：冉鑫

责任编辑：陈昭欣

来源：TGES 2021(第十七届）中国金融风险经理年度总论坛：
金融科技应用与科技风险管理（一）【一月十五日】