征信产品是社会经济信用体系的专业化、标准化服务工具,可为商业银行提供客户信誉查询和及时、全面的信息支持,从而大大提高商业银行的信贷风险管理水平。本文是关于征信的论文分享，供大家借鉴参考。
关于征信的论文第一篇：俄罗斯征信体系主要特征及启示
摘要：2003年中俄两国征信体系建设正式起步。虽然在法律规定、制度安排等方面存在一定差异,但是中俄两国征信体系均取得了长足发展。在梳理俄罗斯征信体系发展历程、市场格局和法规建设情况的基础上,总结出俄罗斯征信体系的主要特征:征信行业历经“由乱向治”过程,俄罗斯央行强化准入和日常监督管理,信用记录的信息来源不断拓展,公共服务门户网站得以充分利用,征信机构提供的增值性服务灵活多样,等等。我国应借鉴俄罗斯经验,完善法规制度,加强行业监管,有效满足征信需求,促进中俄交流合作,推动我国征信体系更好发展。
关键词:俄罗斯;征信体系;征信机构;信用记录;征信需求;
Abstract：The credit reporting system of China and Russia officially started in 2003. Although there are some differences in legal provisions, institutional arrangements and other aspects, the credit reporting systems of China and Russia have made great progress. Based on the review of the development process, market pattern and legal construction of the Russian credit reporting system, the main characteristics of the Russian credit reporting system are summarized: The credit reporting industry has gone through the process of “from chaos to governance”. The Central Bank of Russia has strengthened access and daily supervision and management, the information sources of credit records have been continuously expanded, the public service portals have been fully utilized, and the value-added services provided by credit investigation agencies are flexible and diversified.China should learn from Russia's experience, improve laws and regulations, strengthen industry supervision,effectively meet the demand for credit information services, enhance china-Russia exchanges and cooperation,and promote the better development of China's credit investigation system.
俄罗斯征信体系属于较为典型的政府主导型模式[1]，在广泛吸收欧美等发达国家征信体系发展经验的基础上，形成了一系列特色鲜明的做法。中俄两国比邻而居、交往密切，且两国征信体系同时起步、一并成长，因此对俄罗斯征信体系进行深入研究具有较大的理论和现实意义。通过梳理俄罗斯征信体系的发展情况，总结其发展的经验和教训，可以为进一步推进我国征信体系发展提供镜鉴，并为促进中俄经贸交流和征信领域互动奠定基础。
一、俄罗斯征信体系发展概况
（一）简要发展历程
早在俄国“十月革命”爆发前，俄罗斯征信体系就已经得到初步发展。当时，在交易所理事会和商人协会中设有专门的办事处，为债权人提供有关借款人以往偿还贷款的历史信息，以降低潜在的借贷风险。同时，很多企业也倚重这类信息开展交易，以便评估交易对手的信用状况。进入苏联时期后，由于国家实行的是计划经济体制，这类机构逐步退出了历史舞台。苏联解体后，随着市场经济体制的引入和日益完善，俄罗斯国内关于建立征信体系的呼声不断高涨。例如，俄罗斯联邦储蓄银行等20多家金融机构曾于1995年筹建过银行间信用信息局，计划针对俄罗斯的银行卡持卡人以及支票持有人创建一个专门的信用记录数据库，并向参与该局的机构开放数据库的访问权限[2]。1997年，俄罗斯国家杜马还审议过《联邦信用记录档案法》草案，但讨论之后并未付诸实施[3]。直到2004年年底，随着《俄罗斯联邦信用记录法》的通过和正式实施，俄罗斯现代征信体系才逐步确立和发展起来。
（二）当前市场格局
当前，俄罗斯存在两级征信体系。其中，第一级是俄罗斯央行及其掌管的中央信用记录目录数据库。俄罗斯央行于2005年建立了中央信用记录目录数据库。该数据库的作用是收集和储存俄罗斯各家信用记录局上报的所有信用记录的抬头部分，向信用记录主体及用户免费提供相关查询和更正服务，并负责暂时储存清算、重组或注销的信用记录局的信用记录数据。最初，俄罗斯联邦金融市场服务局负责监管征信体系，2013年俄罗斯金融监管体系改革后，相关权力被转移至俄罗斯央行。目前，俄罗斯央行内设的数据治理部负责按照相关法律法规监管信用记录局的运营，并维护中央信用记录目录数据库。
处在征信体系第二级的是各家信用记录局。《俄罗斯联邦信用记录法》规定，信用记录局是根据俄罗斯联邦法律注册的商业性组织，负责形成、处理和储存信用记录，并提供信用报告查询等相关服务。在《俄罗斯联邦信用记录法》通过之初，广阔的征信市场吸引了大批机构涌入。2010年前后，从事征信业务的机构数量曾一度多达33家，形成了鱼龙混杂、竞争激烈的市场格局。随后，一些规模过小、实力不强的征信机构逐步退出市场。截至2020年年底，仅有9家征信机构仍在运营[4]，如表1所示。其中，4家最大的信用记录局分别为：艾克菲信用记录局有限责任公司、国家信用记录局股份公司、联合信用局股份公司和俄罗斯标准信用局有限责任公司，它们共占据中央信用记录目录中信用记录抬头总数的98.1%[5]。在这4家机构中，国家信用记录局股份公司实力最为雄厚，注册资本1.14亿卢布，由俄罗斯银行业协会和俄罗斯外贸银行等30余家股东出资成立，美国征信巨头环联既是其股东，也是其重要的战略合作伙伴。联合信用局股份公司由俄罗斯联邦储蓄银行、俄罗斯国际文传电讯社和美国征信巨头益博睿共同出资筹建。俄罗斯标准信用局有限责任公司由俄罗斯标准银行组建，建立初期仅收集该银行的客户信用记录。2008年年底转型后，开始与其他金融机构合作。目前，它是收录俄罗斯标准银行客户信息最多的征信机构。艾克菲信用记录局有限责任公司则是美国征信巨头艾克菲在俄罗斯成立的子公司。由此可见，活跃在俄罗斯的大型征信机构基本上都有美资背景。其余5家属于小型区域性征信机构，主要面向特定区域或小额金融机构、消费信贷合作社等特定对象开展业务，规模相对来说要小得多。
下载原表
资料来源：俄罗斯央行:《信用记录局国家登记簿》，https://www.cbr.ru/registries/ckki/#a＿85598,2021-06-18
（三）法规建设情况
在俄罗斯，征信体系的发展主要受到《俄罗斯联邦信用记录法》规制，同时也受到《俄罗斯联邦中央银行法》和《银行与银行活动法》等其他相关法律法规约束。此外，俄罗斯央行发布的一系列部门规章也是引导征信体系健康发展的重要依据。俄罗斯征信法规建设情况如表2所示。
二、俄罗斯征信体系的主要特征
（一）行业历经“由乱向治”过程，当前市场格局趋于合理
征信行业呈现较为典型的规模经济特征，为综合性的大型征信机构进行垄断经营提供了理论依据。同时，市场的细分，需求的多样化和时空、地域等限制，一定程度上也为小型、专业化的征信机构提供了生存空间。一个成熟、合理的征信市场，往往由几家综合性的大型征信机构和一些专业性的小型征信机构共同组成。这样，既能提高市场效率，又能保证征信服务的充分覆盖。2004年以来，俄罗斯征信行业经历了“由乱向治”的转变，目前基本形成了大型和小型机构并存、综合性和专业性机构互补的市场格局。其中，艾克菲信用记录局等4家大型征信机构几乎垄断了俄罗斯的征信市场，对外提供综合性的征信服务。东欧信用记录局等5家征信机构规模较小，仅在特定区域开展业务，或是仅面向特定对象开展业务。
下载原表
（二）强化准入和日常监督管理，完善征信机构退出机制
俄罗斯中央银行负责保管征信机构的国家登记簿。征信机构必须经过央行登记，方可从事征信业务。征信机构的名称必须包含“信用记录局”或“信用局”字样，其他机构则不得使用上述名称，也不得以其他方式明示或暗示其能够从事征信业务。俄罗斯央行通过监督、检查指导征信机构合规经营。如果征信机构违反法律法规或监管规定，俄罗斯央行有权要求其采取纠正措施。当征信机构出现频繁违规、不及时纠错、提交不实信息等情况时，俄罗斯央行有权将其从登记簿中除名。同时，在征信机构自愿清算或重组的情况下，俄罗斯央行也会将其从登记簿中删除。在征信机构遭遇破产、清算、重组或被除名等情况后，俄罗斯央行将临时接收和保管其信用记录，并通过招投标方式对外出售相关信用记录。
（三）拓展信用记录的信息来源，提升其权威性和参考价值
俄罗斯征信体系建立之初，信用记录的信息来源仅限于常规信贷机构提供的信贷信息，随着时间的推移，信息来源的列表已经得到持续扩展。自2014年6月22日起，小额金融机构、消费信贷合作社也成为信用记录的来源之一。《俄罗斯联邦信用记录法》规定，信贷机构、小额金融机构、消费信贷合作社和投资平台经营者需要至少要向1家征信机构（需在国家登记簿中登记）报送相关信息。自2015年3月1日起，向信用记录局提供信息的主体范围进一步扩大，逾期不缴纳赡养费及住房、公用事业和通信服务费等情况也被纳入信用记录。此外，近年来俄罗斯征信机构出具的信用记录的透明度不断提高。自2015年3月1日起，信用报告中需要列明信用记录主体贷款被拒的情况，包括拒绝原因、贷款金额，以及可能影响贷款方决定的其他因素。
（四）充分利用公共服务门户网站，推出高效征信查询服务
为了满足各方的查询需求，俄罗斯央行已先后建立多个查询渠道，包括通过央行门户网站以及信用记录局、信贷机构、邮局、公证人等渠道查询特定主体的信用记录都存储在哪些征信机构，但是这些传统渠道大多使用不便、效率不高，不能很好适应形势的发展和征信查询需求的提升。俄罗斯中央银行2018年末推出了通过市政服务门户网站查询信用记录存储位置的服务。自通过市政服务门户网站查询服务推出以来，得到社会各界广泛关注，迅速成为最受欢迎的查询渠道。2020年，通过该渠道的查询数量达到320万次，是通过信贷机构渠道查询量的近20倍，通过信用记录局渠道查询量的7.5倍。
（五）以信用报告查询为基础，提供灵活多样的增值性服务
俄罗斯法人实体的信用报告主要包括抬头、主体、附加（保密）三个部分，而公民的个人信用报告还包括信息化部分[6]。按照最新规定，各家征信机构都有义务为其收录的对象免费提供2次信用报告查询服务。此外，自2019年1月31日起，征信机构还需要在提供信用报告时一并提供信用评分。除上述服务外，俄罗斯征信机构还提供一系列其他相关服务，包括基于信用评分的信用状况评估、欺诈风险评估、借款人有关情况变更通知，以及按贷款类型、借款人类别、地区类别等对外提供信贷市场整体性统计数据服务。
（六）引入机构官网特殊标识机制，打击假冒网站欺诈行为
近年来，在欺诈活动日益增多的情况下，出现了很多假冒金融机构的非法网站，盗取金融消费者的个人信息和账户资金。在这一情形下，为了更好地保护金融消费者的权益，俄罗斯央行早在2017年就与该国最大的搜索引擎Yandex联合启动了“Yandex搜索引擎标识计划”，并首先对小额金融机构的官方网站做出特殊标识。2020年7月，俄罗斯央行决定在征信机构中引入这一机制，凡是在俄罗斯央行登记的征信机构，Yandex都会在其官方网站上做出特殊标识，表明这类机构由俄罗斯央行监管，消费者的合法权益会受到俄罗斯央行的保障。
（七）建立区域征信合作机制，推动信用信息实现跨境共享
欧亚经济联盟于2015年成立。为推动商品、服务、资本和劳动力自由跨境流动，充分保障相关市场主体的合法权益，俄罗斯及哈萨克斯坦、白俄罗斯、吉尔吉斯斯坦和亚美尼亚等成员国积极推动信用信息在欧亚经济联盟成员国之间的跨境交换。2015年10月20日，欧亚经济委员会讨论通过了《欧亚经济联盟成员国信用记录数据交换合作协定》的概念草案，并就做好后续工作进行了安排。2016年10月21日，欧亚经济委员会讨论通过了《信息交换协议》，确定了欧亚经济联盟成员国之间交换相关信息的程序及其用途。2020年6月23日，欧亚经济委员会正式批准了欧亚经济联盟成员国之间交换信用信息的最终草案，正式的协定有望在2021年年底前签署。
（八）选定合格的信用记录局，强化借款人总体债务负担管控
2020年7月31日，俄罗斯央行通过了《俄罗斯联邦信用记录法》修正案，引入了“合格的信用记录局”的资质认证，继而将所有的信用记录局分为合格局和其他局。该修正案明确，合格的信用记录局要能够满足俄罗斯央行的相关软件和通信要求，自有资本不低于1亿卢布，且至少掌握3000万个以上信用主体的信用信息。通过设定较高的标准，有助于提高行业对这些机构的信心。目前，俄罗斯央行已经认定国家信用记录局股份公司、联合信用局股份公司和俄罗斯标准信用局有限责任公司为合格的信用记录局。按照相关规定，合格的信用记录局可以收集和整理来自不同征信记录局的借款人相关信息，并按债权人的请求，实时地提供相应借款人的真实债务负担情况。
（九）征信体系整体设计不够合理，征信机构各自为政问题突出
在俄罗斯现行的征信体系下，公民和组织的信用信息可存储于任何征信机构，法律法规对征信机构之间交换信息的程序和标准未作规定，各征信机构之间无法交换信息。以银行发放贷款为例，如果其仅向与其合作的个别征信机构查询借款人的信用记录，可能无法全面准确识别借款人的信用状况，因为借款人可能在个别征信机构具有较好的信用状况，又在其他征信机构存在不良信用记录。银行想要全面掌握借款人的信用状况，就必须先向中央信用记录目录查询其信用记录的存储位置，再分别向相应的征信机构查询其信用记录。显而易见，这种做法非常不经济，也缺乏效率。
（十）征信不良记录保存期限过长，产生的负面效应较为明显
我国《征信业管理条例》规定：“征信机构对个人不良信息的保存期限，自不良行为或者事件终止之日起为5年；超过5年的，应当予以删除。”相较而言，俄罗斯的规定更加严苛。《俄罗斯联邦信用记录法》曾一度要求征信机构保留信用不良记录长达15年之久，后经法规修订，从2015年3月1日起这一时限被缩短至10年。但是从世界范围来看，这一保存期限仍然是最长的期限要求之一[7]。尽管规定较长的保存期限可以发挥更大的震慑作用，但同时也会产生很多负面效应。例如，增加征信机构的运营成本；挫伤信用主体的积极性，使得他们丧失纠正自身不良信用记录的动力；导致信用主体长期无法获取信贷支持，不利于经济和社会发展。
三、俄罗斯征信体系对推进我国征信体系发展的启示
（一）完善法规制度，有序推动征信体系发展
通过梳理俄罗斯征信体系的发展历程可以发现，全面放开征信市场准入，虽然有利于调动各方的积极性，但也会引发过度竞争、无序发展和重复建设等问题。因此，我国应立足本国国情，坚定走政府主导型的征信体系发展道路，稳步有序放开征信市场准入，着力构建“政府主导+市场驱动”的征信市场发展模式，统筹推进征信体系建设，打造多方合作、优势互补、共同发展的征信体系，尽快构建起覆盖全社会的征信系统[8]。同时，我国应广泛借鉴俄罗斯等国征信法规建设经验，持续推进我国征信立法进程，构建起国家法律与部门规章全面覆盖、密切衔接的法规体系，为征信行业健康有序发展提供法制保障[9]。
（二）加强行业监管，持续优化征信市场结构
一是要加强日常监管。持续推进征信法规和制度体系建设，以高标准、严要求、重处罚的方式推进征信机构合规经营，严防各类征信乱象发生。可以考虑在我国引入类似“Yandex搜索引擎标识计划”的做法，打击征信欺诈网站，保障信息主体的合法权益。二是要实施差异化监管。可以考虑参考俄罗斯选定合格信用记录局的经验，将征信机构根据资质、实力等条件进行区分，赋予不同的业务办理权限，实施差异化的监管，进而提升监管效率。三是要统一征信信息采集标准，制定征信信息交换程序和渠道，推动各类型征信机构规范信息采集，并实现互联互通，打通“信息孤岛”，实现一次查询就能全面掌握信用记录主体的真实信用状况。
（三）坚持需求导向，有效满足各方征信需求
一是要持续拓展征信记录的信息来源。推动小额贷款公司等贷款机构和公检法等政府部门的信息全面纳入征信记录，提升征信报告的权威性和参考价值。二是要大力推进增值性征信服务。在提供信用报告的基础上，征信机构应进一步推出信用评分服务，以更加直观的方式反映信用记录主体的信用状况。三是要优化征信报告查询方式。当前，我国正在积极推进深化“放管服”改革和优化营商环境工作，全国一体化在线政务服务平台已经处于试运行阶段，各项功能正在逐步完善之中。因此，可以参考俄罗斯经验，充分利用该平台的权威性和影响力，为社会各界提供在线征信查询服务。
（四）推进交流合作，助力征信机构跨境发展
中俄两国山水相连、守望相助，近年来在经贸、能源和科技创新等领域合作不断深化。目前，中俄双边贸易额已经连续三年突破千亿美元大关，未来的合作前景仍十分广阔。然而，中俄两国征信体系存在一定差异，相互之间尚无征信合作的渠道和机制，不利于推进企业跨境发展、资金跨境流动和人员跨境交流。因此，中俄两国征信监管部门应加强交流、增进了解，围绕征信信息共享、互认及征信机构跨境发展等议题深入交换意见，积极寻求合作。此外，我国应借鉴俄罗斯建立区域征信合作机制的经验做法，争取以适当方式参与到欧亚经济联盟成员国之间交换信用信息的合作中去，并以此为基础，加大对“一带一路”沿线国家和地区征信体系的研究，努力拓展双边征信合作和推进建立区域性征信联盟，为我国企业“走出去”提供有力支持[10]。
参考文献
[1]孔婷征信业发展国际经验及借鉴启示[J]征信2016(9):62-68.
[2] ANEKC aHApOBW43.∩paBoboe perynmpoBaHwe KpeAMTHblX WCTopni B Pocc mic KOi φenepaymn [D]. 4engOMHCK:IO*HO- YpanbC Kmi rocyAapCTBeHHbli yHMBepcuTeT,2018:6-14.
[3] Cey C. PoccnicKmi onblT co3paHNA 61opo KpeAMTHbIX Wc Topu[J] 6aHKOBCKui Bec THMK, 2006(19):32-35.
[4] baHK Poccww. rocyaapCTBeHHbi peecrp 61opo KpeAMTHbIXuCTopmi[EB/OL].(2021- 06- 18)[2021- 07-20] hts://www cbr.ru/registries/cki#a. _85598.
[5] baHK Poccww. FopoBon oT4eτ 2020[R] 6aHK Poccnw. anpeng,2021:80-82.
[6]中国人民银行俄罗斯信用信息管理谁有权查看信用记录?[EB/OL].(2015-06-17)[2021-07-20] ht:/ww pbc. gov.cn/zhengxinguanlju/128332/128456/281287 1/index.html.
[7] AraCMHOBHa K.M.. JeOHMAOBWY 6 A. CTaHoBNeHMe ,3BONIOUMA M npeAnoxeHMa no coBepWeHCTBOBaHMIO WHCTMTyTa 6iopo KpeAuTHbIX WCTopmi B PocCnw[C]/MononexHbi Hay4Hbli中opyM: O6weCTBeHHble M 3KOHOMM4eC KMe HayKM. 3neKTpoHHbI c6opHMK CTaTei no marepnanam L cTyAeH4eckon MexayHapoAHoi 3a04HOi Hay4HO- npaKTw4eCKoi KOHφepeHyun.Moc KBa:.Mexay HapoAHbi yeHTpHayKM W o6pa30BaHq,2017:70-74[2021-07-20].https://nauchforum.ru/studconf/social/I.
[8]陈雨露个人信息保护与征信业发展[J].中国金融,2017(11):9-10.
[9]孙红,金兵日本征信市场的特点及启示[J].征信,2015(6):63-67.
[10]黎桂林,苏姗,江东阳,等.东盟十国征信市场发展概况、特征及启J].征信,2021(1):78-81.
关于征信的论文第二篇：美国征信替代数据的应用与启示
摘要：现代化征信体系下,作为传统信用信息有益补充的新型生产要素,替代数据在征信支持普惠金融发展方面取得了显着成效,但准确认定并妥善治理替代数据的问题亟待解决。通过分析美国替代数据对信用评分制度的修正路径,对我国替代数据发展提出加强顶层设计、注重隐私保护、明确采集原则和方式、形成多方共治格局等建议。
关键词:征信;替代数据;数据治理;信用评分;
Abstract：Under the modern credit registry system, as a new production factor which is a beneficial supplement to traditional credit information, alternative data has achieved remarkable results in credit registry supporting the development of inclusive finance, but the problem of accurate identification and proper governance of alternative data needs to be solved urgently. By analyzing the revision path of American alternative data to the credit scoring system, this paper puts forward some suggestions for the development of alternative data in China, such as strengthening the top-level design, paying attention to privacy protection, clarifying collection principles and methods, and forming a multi-party governance pattern.
近年来，我国征信体系在“政府+市场”双轮驱动的发展模式下，征信替代数据对传统借贷数据进行了有益补充，并在征信支持普惠金融发展方面取得了显着成效。作为一种新型生产要素，征信替代数据的应用能够进一步满足近8000万信用“白户”的金融诉求。利用替代数据为金融和经济活动提供信用管理服务，在本质上属于征信活动，需要纳入征信监管。但中国人民银行2021年9月发布的《征信业务管理办法》（以下简称《办法》）中有关替代数据的界定、采集方式、功能等规定尚存在不清晰之处，准确认定并妥善治理替代数据的问题亟待解决。
美国征信行业距今已有150余年的发展历程，逐步构建了以《公平信用报告法》（Fair Credit Reporting Act）和《平等信用机会法》（Equal Credit Opportunity Act）为核心、10余部法律在内的监管法律体系。随着大数据时代美国个人消费信用评估公司信用评分（以下简称FICO评分）陷入现实困境，美国大型互联网、金融科技公司在直接或间接助贷服务中对替代数据的应用较为广泛，走出了一条扩大信贷包容度、降低信贷成本、减少信贷歧视的修正路径。其独具特色的治理体系对加强我国征信行业顶层制度设计、规范信用数据采集原则与方式、推动形成多方共治格局等有着重要的借鉴意义。
一、我国征信替代数据发展现状与现存问题
（一）发展现状
替代数据与数字化手段的深度结合是解决信用“白户”真实金融诉求的助推器。截至2020年末，中国人民银行征信系统共收录11亿自然人、6092.3万户企业及其他组织，其中小微企业3656.1万户、个体工商户1167万户11。但仍有约8000万户小微企业、3500万个工作5年以内的毕业生、6000万个民政低保人群等重点群体为信用“白户”或“准白户”22，而征信查询总量中小微企业占比高达60%。截至2020年末，百行征信累计拓展金融机构1887家，替代数据源渠道数30个33，基本实现基础替代数据源的广泛覆盖。
《办法》对信用信息范围的扩张使得征信替代数据能够被纳入信用信息范围。《办法》第三条将“信用信息”定义为“依法采集，为金融等活动提供服务，用于识别判断企业和个人信用状况的基本信息、借贷信息、其他相关信息，以及基于前述信息形成的分析评价信息。因此，作为能够用以辅助判断信用状况的信用数据，替代数据能够纳入前述信用信息的范围。以个人征信为例，可依数据覆盖度与可采集性归纳出六类现有实践中的替代数据（见表1）。
下载原表
中国人民银行在2020年年底召开的“长三角征信一体化”工作推进现场交流会，会议指出，市场化的替代数据征信信息互联互通是当前构建全覆盖社会征信体系的重要步骤。同年12月获准成立的朴道征信有限公司专注于借助替代信用数据，向“白户”与“准白户”等缺乏信贷记录群体提供有效金融服务。
（二）现存问题
第一，顶层设计的不完善限制了替代数据的发展。已出台8年有余的我国《征信业管理条例》《征信机构管理办法》难以满足数据产业飞速发展的需要和覆盖征信长尾群体的现实需求；《办法》未来作为中国人民银行出台的部门规章，其法律位阶较低，导致一些地方的先进实践经验难以总结与推广[1]。
第二，征信对象数据权益未得到充分保护。《征信业管理条例》也仅有第三条的宣誓性规定。数据化后的个人信息一般仅经单次授权，却存在无穷采集、无限使用的弊病[2]。
第三，替代数据采集标准尚不清晰。《办法》第七条要求征信机构采集信用信息应遵循“最小、必要”原则，且不得过度采集。征信替代数据采集使用与传统信用信息采集同一标准，必然难以发挥其通过非主流信用数据包容评价信用“白户”的功效。
第四，替代数据监管权责、采集方式亟待明确。其“非标准化”特点背后，存在着中国人民银行与其他监管部门权责划分不清晰、数据采集与处理标准缺乏透明规范、“全面持牌”要求之下牌照等级划分不明确等问题。
上述问题的产生，一是因为金融科技时代下征信行业处在转型发展阶段；二是与当前数据确权与处理问题尚未解决息息相关。征信行业处在传统信用数据采集渠道与来源无法覆盖征信长尾群体的“尴尬期”，催生出市场化机构对这一过程的革新。但市场化机构对替代信用数据的采集与处理难以满足个人数据保护的要求，也更难推动信用数据的共享，导致信用的扩张评价与数据的安全保障之间产生了现实冲突。体现这一冲突的典型例子，是《办法》第七条“最小、必要”原则与第三条所述信用信息范围扩张之间的矛盾。
二、美国征信替代数据的发展背景与含义阐释
（一）以FICO为代表的自动化信用评分对传统征信的变革
美国现代征信业始于以FICO为代表的自动化信用评分的推广。20世纪初，由信贷专员人为评估信用的方式决定了贷方（Creditor）在信贷过程中的主导地位，但此方式难以保证信用的准确性。一方面，高强度、高负荷的工作自身容易出现差错；另一方面，较强的人为因素使得申请者的性格、行为甚至与信贷专员的私人关系对结果影响较大，甚至会超过申请者自身的财务状况因素。
1956年，FICO率先向零售商店及银行提供了信用度计算公式，运用公式能够得出对申请人财务状况和信誉度的量化评分。20世纪80年代后期，FICO研发的自动化信用评分代替了原有计算公式，并沿用至今（见表2）。尽管这一方式招致了业界对数据管理准确性和算法歧视方面的批评，但毫无疑问，FICO自动化信用评分相对于传统征信方式取得了巨大成功，环联（Transunion）、益博睿（Experian）和艾克菲（Equifax）等信用评级机构（以下简称三大评级机构）均依赖FICO所提供的算法模型推出各自的信用评分。截至2010年末，超过90%的贷方使用FICO信用评分作出贷款决策。
下载原表
（二）大数据时代自动化信用评分的现实困境
自1989年推出至今，FICO信用评分的衡量指标及权重基本没有变化，自动化信用评分暴露出金融包容度较低、准确性和关联性质疑、特定群体陷入低信用恶性循环等诸多现实问题。
1. 较低的金融包容度产生“信用隐形”
自动化信用评分的金融包容度较低，产生了严重的“信用隐形”问题。信用隐形者主要包括两类群体：一是未被传统银行体系纳入的群体；二是信用历史空白的年轻人。实证研究表明，约有2600万美国成年人属于信用隐形群体；除此之外，有1900万人因信用记录不足而无法被评分[3]。一方面，现有征信数据种类的局限性导致难以将大量中低收入群体、年轻人纳入在内；另一方面，申请新贷款时需要依据的正是信用评分，导致信用隐形群体在通过主流借贷产品难以获得较低利率贷款的情况下，转而求助于高利率、条件严苛的发薪日贷款等产品。但此类产品没有被纳入三大评级机构的评分范围，及时还贷也难脱离“信用隐形”的尴尬境地。
2. 自动化评分准确性和关联度遭受质疑
受限于评价指标单一、评价方式不当的固有弊端，自动化信用评分陷入准确性和关联度的质疑。一方面，消费者信用评分是不准确甚至“任意得出的”。26%消费者的信用报告存在错误，其中13%的消费者信用报告的错误严重到使其信用评分偏差25%;1%～3%的消费者被归入相距两个或两个以上的评分类别[4]。另一方面，信用评分体系内的部分指标与信用度的关联性较小，降低了信用评分的可预测性。例如，被认为与消费者信用度毫无关系的主动降低信用额度的操作，会直接导致信用评分的下降。
3. 特定群体陷入低信用恶性循环
信用评价指标的单一与评价方式不当产生了对特定族裔、中小企业等群体的歧视，使其陷入低信用恶性循环。FICO得分低于620的非裔是白色人种的三倍；西班牙裔和非裔中拥有次级贷款信用评分占比分别为31.5%和45.1%，远远高于白色人种的18.3%[5]。首先，次级贷款相较于优质信贷工具通常会导致更高的违约率，而因为历史因素，非裔往往更加频繁地使用高利率次级贷款，导致该群体“负重前行”；其次，特定族裔，比如拉丁裔等的传统消费习惯决定了其更偏爱使用现金而非信用卡作为支付工具，这些特定群体的固定消费习惯无法影响信用评分；再次，中小企业由于无法填报美国国税局W-2税务申报表格，导致其在传统信贷评分中处在较为不利的地位。在上述原因的作用下，特定群体不断地承担原有违约记录的负面影响，陷入“选择有限信贷工具中的劣质贷款、贷款选择和还款记录被评价为低分、信贷工具继续受限制”的恶性循环。
（三）美国征信行业替代数据的含义与类型
替代数据（Alternative Data）又称非传统性数据（Non-traditional data），目前美国尚未形成对替代数据较为统一的定义。美国金融消费者保护局（Consumer Financial Protection Bureau）认为，替代数据是指任何的非传统数据，对替代数据的使用是描述性而非规范性意义上的，并认为传统数据和替代数据之间可能没有泾渭分明的界限。美国联邦储备委员会（The Board of Governors of The Federal Reserve System）认为，替代数据是全国信用评级机构的消费者信用档案中通常找不到的信息，或通常由消费者作为信贷申请的一部分提供的信息。美国国会研究服务中心（Congressional Research Service）认为，替代数据是指用于确定消费者信用度、且在三大评级机构用以计算信用评分的数据源之外的信息，包括传统信贷文件中通常不包含的其他消费者财务数据。国际组织对这一问题也有过探索。国际征信委员会（International Committee of Credit Reporting）将传统数据定义为个人履行其财务和其他类似义务的历史，并认为替代数据是通过技术平台收集的可随时获得的数字化信息。世界银行（The World Bank）认为，替代数据并无普遍接受的统一定义，但认为“通过数字手段获得大量的数据”是一种共识。
本文倾向于美国征信行业将替代数据定义为：并未纳入主流评级机构信用档案的、通过数字技术可获取的、具备信用性的信息。替代数据有着动态发展的特征，与所在地区经济水平、金融科技发展水平具有强相关性。2005年美国信息政策研究所的报告预测了未来替代数据仅包括三类（见图1)[6]。与如今较广泛的替代数据类别相比，能够清晰地体现十几年间替代数据范围的变化（见表3)[7]。
随着金融科技不断发展，美国对征信替代数据的应用持续深入。截至2020年末，美国利用经过验证的替代数据提供解决方案的公司总数为31个，较2010年提升了181%；其中利用经消费者许可数据的机构数量增速最高，由3家增至19家（见表4）。
图1 2005年报告预测未来替代数据类别
下载原表
下载原表
三、以《公平信用报告法》为核心的美国征信替代数据监管
（一）对征信数据的监管
作为1970年颁布的美国“最古老金融隐私法规”，《公平信用报告法》旨在实现以下两大目标：一是通过限制信用信息的披露与使用以保障消费者的隐私；二是确保消费者报告的公平性。征信替代数据适用《公平信用报告法》的监管，该法第603(d）款所规定消费者报告包含的信息范围较大，包括任何有关消费者信用度、信用状况、信用能力、性格、一般声誉、个人特征或生活方式的可识别的个人信息等，很少有消费者信息不属于该定义的范围。
就征信数据的采集标准而言，美国政治经济研究理事会将覆盖度（Coverage）、集中度（Concentration）和信用性质（Credit-like）作为选取替代数据源的最相关标准，该种“3C”标准较为准确地把握了替代数据源的采集特征。鉴于数据收集的可行性与效率，覆盖度90%以上是其认为纳入数据源考虑的前提条件。
（二）对征信机构的监管
1.《公平信用报告法》下的征信机构
《公平信用报告法》第603(f）、604条将消费者报告机构（Customer reporting agency）定义为“为向第三方提供信用评级报告而收集或评估消费者信用信息或其他消费者信息的实体”。第603(d)(1）条认为“消费者报告”是“使用或计划使用或收集信息”以确定消费者符合“信贷、保险和就业（包括背景调查）”资格。根据《公平信用报告法》，任何收集与使用替代数据并将该数据提供给第三方的非直接贷款人，都能够归入该定义范畴，包括三大评级机构及其他各类金融科技公司。
《公平信用报告法》607(b）条确立了消费者报告机构的三项义务：一是内容准确，要求信用评级机构遵循适当的程序，确保信用报告的准确性；二是信息披露，要求其制定“让消费者了解报告内容”的程序；三是救济措施，要求允许消费者对错误信息提出异议，且因与消费者发生争议导致某些负面信贷信息被删除的，须在5日之内书面通知消费者。
2.《平等信用机会法》下的贷方
《平等信用机会法》旨在保障征信领域的公平待遇，该法202.2(m）条规定任何“在正常业务过程中定期参加信贷决定（包括设定信贷条款）的人”均可视为贷方。贷方可以划分为三种类型：一是定期延长、续期或继续信贷的人；二是定期安排延长、续期或继续信贷的人；三是参与延长、续期或继续信贷决定的原始贷方的任何受让人。传统信贷机构及机构中各类员工应属《平等信用机会法》中的贷方，而采集和处理替代数据的科技公司则属于该法规定的第三种贷方类型。
（三）对征信交易行为的监管
对替代数据的收集和使用的机构及其业务都应当适用《平等信用机会法》。就规制行为与覆盖范围而言，《平等信用机会法》202.2(m）条认定的信贷交易行为范围非常宽泛，如提供信贷条款、提供信用信息、撤销或更改或终止信贷等程序均包括在内。
实践中，违反《平等信用机会法》的征信交易行为主要有两种：一是对潜在贷款人的差别待遇，包括“从公开的歧视到更微妙的待遇差异”。二是差别性影响。差别性影响的判断禁止使用表面上中立的标准，但却会导致在没有“合法商业需求”情况下对潜在借款人的差别性对待[8]。这对大数据征信机构开展业务提出了较高的标准，要求其注意到潜在贷款人各类差别以论证其“商业需求”合理性。
CFPB于2013年1月制定了B条例并适用于《公平信用报告法》及《平等信用机会法》，其中规定的“不利行动”的制度较为值得借鉴。B条例第2(c)(1）条规定，贷方采取如下三类“不利行动”时应进行信息披露：一是拒绝以申请中的金额或条款提供信贷；二是信贷账户及其条款的中止或负面影响；三是拒绝增加申请人的信用额度。B条例第9(a)(2)(i）、（ii）条进一步规定了贷方需要披露与“不利行动”有关的内容，包括贷方基本信息、贷方监管机构基本信息、采取该行动的声明，以及最重要的一项：告知申请人有权获得具体原因陈述的权利，对所采取行动具体原因进行陈述，可获取此信息的联系人及联系方式。在此基础之上，《公平信用报告法》第615(a）条额外要求贷方披露对信用评分造成不利影响的关键因素。
（四）《公平信用报告法》的局限性
第一，有观点认为该法并未对征信替代数据的信息类型进行限制和细化，消费者难以有针对性地了解信用评分的决策依据与评分改进措施。第二，庞大的数据量与非透明的算法下，《公平信用报告法》能否达到所建立起的高透明度与及时通知的标准还需观察。第三，《公平信用报告法》的争议解决措施未能满足消费者及时纠正信用报告错误的诉求。在Judy Thomas诉TU案中，Thomas自1996年首次发现信用报告中存在错误后的6年中，不断地要求信用报告机构修正信用报告未果，最终获赔530万美元，而这仅仅是遭受此类事件中获赔成功的少数案例。第四，算法的不透明性使得贷方难以给出B条例下“不利行动”的具体原因以及关键因素，这一点在替代数据的应用中尤为明显。
四、应用替代数据对美国信用评分体系的修正
（一）扩大信贷范围，消除信用“白户”
替代数据能够帮助增厚“信用隐形”群体信用档案，拓宽提高信用评分与获取优质信贷的渠道。少数族裔、青年人和收入较低的群体可以通过更多途径来赢得信用评级机构的“信任”。例如，学生群体可能并没有太多申请贷款、还款记录，但其丰富的社交网络信息、电商消费习惯甚至成绩单等信息，都能够充分反映其所受的教育水平和理性程度，以便赢得相较传统评分下更高的信用评分。2019年美国联邦储备委员会等机构联合声明，替代数据能够扩大没有传统信用历史的消费者获得信贷的机会。2020年美国政府审计署调查发现，约50%的受调查人群在作出信贷决定时使用了替代数据，替代数据的使用的确能够达到拓宽信贷渠道的效果。
（二）控制信贷总成本，降低不良贷款率
替代数据的应用使得信贷成本及利率大大降低。第一，替代数据使征信流程进一步简化，征信成本显着降低。大数据征信系统的完善能够优化公司内部人力资源结构，使得大量前台信贷人员被算法工程师所替代。而更加线上化的运营也会免去高额租金成本。金融科技贷款能够加快贷方的信贷决策流程，并使借方能够获得更低价格的信贷[9]。第二，能够将小部分不良贷款从风险贷款中分离，提升贷款定价合理性，引导信贷成本的进一步降低。Experian的研究报告指出，即便该笔贷款属风险贷款大类，但更加丰富的信贷评分档案也能够在降低贷款利率方面有改进。第三，更加完善的信用承销模型使得不良贷款率走低，贷款定价同步降低。替代数据的应用使得信贷批准率提高15%，而违约率同比减少12%。第四，金融科技贷款人的业务范围通常聚焦于年利率低于36%的小额贷款，该类贷款逾期率较低，更易实现信用累积的良性循环。
（三）减少非算法歧视，提升信贷公平性
大数据分析有助于消除人类决策中固有的主观性与认知偏见，促进创新和实质公平。特定群体从替代数据中的获益已经远远超出了预期。美国政治经济研究理事会的研究表明，非传统数据的使用使拉美裔、非裔、25岁以下群体的信贷接受率分别上升了22%、21%、14%，较之以往有较大幅度的提升[10]。
替代数据的应用必然需要机器学习和算法来生成信用报告，算法歧视的现象也引起了较为广泛的讨论。大数据时代替代数据的贷款有可能会“复制现存歧视的方式”并“反映决策者或社会生活中一直存在的歧视”。2018年欧盟研究认为，算法学习能够产生借款人的信息组合，这种特定信息组合会无意识地歧视社会弱势群体[11]。征信行业发展趋势决定了替代数据应用的必然性，而如何处理算法歧视的问题并非仅仅存在于征信应用替代数据的过程之中，也是未来大数据征信所亟须解决的问题。尽管无法消除算法本身导致的歧视现象，但相较于以往机械的人工审核方式以及固定指标数十年不调整的传统评分方式，替代数据的多维度分析仍然有助于大幅度改善非算法歧视的现象。
五、完善我国征信替代数据应用的建议
（一）加强顶层设计，注重隐私权益保护
一是应当立足大数据征信业务中替代数据的应用趋势，推动出台征信管理法律法规，将现有行政法规、部门规章、地方先进经验总结吸收上升为法律，从法律层面明确替代数据的含义、特征及数据采集与处理方式[12]。二是以《个人信息保护法》为基准，构建征信对象权益保护配套措施。明确替代数据用于征信应当秉承合法、正当、必要和诚信的原则，确保数据采集的准确性、相关性，并在此基础上进一步明确数据这一生产要素的权利归属与流转问题。三是细化《办法》第二十六条、第三十条规定的异议处理流程与欺诈认定标准。一方面规定较为严格的侵权处罚标准与行业禁入名单；另一方面实施征信对象机构申诉与部门投诉双渠道异议处理制度，最大程度确保对信息采集错误、违法违规等侵权行为的高效处置。四是尝试构建征信机构对征信对象作出“不利行动”及时通知制度。建立这一制度对征信机构市场化程度与规范化运营有着较高的要求，可借鉴美国B条例的相关规定，从完善欺诈认定与异议处理制度出发，分阶段推进。
（二）明确采集原则，构建“4C”标准
解决《办法》第三条所述信用信息范围扩大与第七条“最小、必要”原则之间的冲突，可以对传统信用信息与征信替代数据之“最小”“必要”作不同理解与适用。对替代数据而言，应重点判定信用信息的强身份相关性，与信贷偿还行为相关的结构化信息（包括正面信息）应视为与身份信息相关，以此寻求在该原则下对替代性数据的扩大解释。
具体来看，应当依据“4C”标准判断某项数据是否适合纳入征信替代数据的采集范围。一是合法性（Compliance）。从微观层面来看，在替代数据进行信息采集、整理、加工、储存过程中应当维护信息主体的合法权益；从宏观层面来看，该过程符合现有《民法典》《个人信息保护法》《办法》等所构建起的个人信息保护与征信法律体系。二是信用性（Credibility）。较为精确地反映消费者的信用状况并预测其未来的还款能力，也是替代数据与原有传统信用数据融合交互的基础。三是覆盖度（Coverage）。较广泛的覆盖度保障了替代数据的采集可得性，也是数据源充分反映居民与企业信用状况的基础。四是可控性（Controllability）。可控性是微观层面数据合法的体现，更是优化和追溯数据采集、整理、加工、储存及后续提供信用服务等环节的必然要求。
（三）规范采集方式，着力解决三项难题
替代数据采集与处理呈现出信息质量差、权益保障难、数据共享少的三大现实难题，应结合替代数据采集的“4C”标准，着力构建起标准化数据采集方式。一是应从底层技术层面入手，构建高效、准确、可解构的数据采集处理算法技术，并尝试建立替代数据真实性交叉验证机制。二是在《办法》现有全持牌要求之上建立分级持牌机制，持一级牌照的征信机构可以收集全部征信数据，持二级牌照的征信机构须在中国人民银行备案，并只能够收集征信替代数据。中国人民银行应主导建立分级持牌机构名单的统一公示与查询系统，便于征信机构与对象进行查询。三是要加快市场化机构间以及机构与中国人民银行征信系统间的数据对接与共享。可借鉴欧盟《数据治理法》（DGA）立法提案所建立的二次利用架构，由监管部门出台与之配套的制度，规范信用信息使用及共享指导建议。同时，发挥朴道征信与百行征信差异化竞争的“科技+路径”，尝试探索少部分市场互联网征信机构接入朴道征信系统，促进金融数据与政务数据共享，运用区块链等技术推动构建信用数据多方共建共治共享平台。四是发布征信替代数据采集负面清单，将覆盖范围不广、采集行为涉及侵犯个人信息权益的数据类型剔除。对于允许采集的数据，还要对采集客体进行强信用性和可控性考量，综合判断确定替代数据的可采集对象范围与标准化流程。
（四）推动市场发展，形成多方共治格局
我国具备金融科技加速发展、征信市场存量较大的现实基础，未来应推动建立具有中国特色“征信+科技”“政府+市场”“全国+地方”的多层次征信发展体系，形成多方共治格局。一是要继续确立以中国人民银行为中心的征信管理体系。金融市场基础设施建设属中国人民银行职能，应将利用金融信贷信息的各类征信机构纳入牌照管理，并建立中国人民银行牵头、反垄断执法和个人信息保护等部门联合执法机制。二是发挥地方征信行业协会自律协调监管功能。行业协会自律协调监管是中国人民银行征信管理的必要补充，切实推动行业协会向上反映行业诉求、向下提供各类服务，有效推动各类监管政策及配套制度落地。特别是在征信纠纷解决中，行业协会较为完善的纠纷处理、协调沟通功能在一定程度上能解决政府和市场失灵的问题[13]。三是在完善征信对象侵权举报制度基础之上，加强对征信市场各方的宣传教育，拓宽社会群体的监督渠道，提升征信机构与信息主体的信息保护意识。四是在政府监管、行业协会自律管理之外，推动信用服务机构、以大数据分析类为代表的金融科技公司、中小微企业、信用示范园区等机构的共建共享，着力着重各类主体的优势发挥与功能配合，形成较为良好的信用生态循环，进一步推动具有中国特色“征信+科技”“政府+市场”“全国+地方”的多层次征信发展体系建设，形成多方共治格局。
参考文献
[1]安小雪个人征信业务中数据共享与信息保护问题研究:以百行征信为例[J].征信,2021(5):44-48.
[2]中国财富管理50人论坛课题组完善征信业务监管体系、推动征信业高质量发展[R].北京中国财富管理50人论坛,2021.
[3]U.S. Consumer Financial Protection Bureau. Data Point:Credit Invisibles[R].Washington D.C.CFPB,2015.
[4]U.S.Consumer Financial Protection Bureau.Analysis of Differences between Consumer-and Creditor-Purchased Credit Scores[R].Washington D.C.CFPB,2012.
[5]Wu Chichi.Credit Scoring and Insurance:Costing Consumers Billions and Perpetuating the Economic Racial Divide[R].Washington D.C..National Consumer Law Center,2007.
[6]Turner M.,Varghese R. Giving Underserved Consumers Better Access to the Credit System:The Promise of Non-Traditional Data[R].North Carolina:Information Policy Institute, 2005.
[7]Hurley M. .Adebayo J.Credit Scoring in the Era of Big Data[J].Yale Journal of Law&Technology,2017(1):148-155.
[8]Bruckner M.A.The Promise and Perils of Algorithmic Lenders'Use of Big Data[J.Chi-Kent L.Rev. ,2018(3):3-31.
[9]Savoie R., Edwards S.Developments in Fintech:The CFPBProduct Sandbox and No-Action Letter Policy,State Sandboxes ,and Federal Actions[J].Bus.Law,2020(2):1939-1948.
[10]U.S.Politic al and Economic Research Council. Give Credit Where Credit Is Due[R].North Carolina:PERC,2006.
[11]European Commission.Communic ation Artificial Intelligence for Europe[R] .Brussels:European Commission,2018.
[12]吴晶妹展望“十四五”:征信建设需要征信法"[J]征信，2021(1):1-9.
[13]费宪进,汪雨朱秋琪，等.征信视角下的替代数据应用研究[J].征信,2020(5):8-12,51.
注释
1数据来源于2021年1月25日中国人民银行“数字支持保市场主体”系列新闻发布会。
2数据来源于中国人民银行副行长陈雨露在第三届进博会主题论坛上的讲话。
3数据来源于百行征信有限公司2021年度工作会议。
