-
首页
-
- 首页
- 观点
黄益平：数字信用的应用与创新
发布日期：2023-06-02 03:54 来源：
信用是现代金融体系的关键变量，基于信用的货币和贷款为经济活动的快速扩张提供了重要的推动力。然而，有一些企业、个人以及国家却因为缺乏“好的”信用而无法获得必要的金融服务。数字信用是利用大数据、人工智能等数字技术识别经济主体信用的一种金融创新，数字技术本身并不创造信用，但可以帮助发现一些传统方法无法辨识的信用。这项创新首先产生于依托大科技平台的数字信贷，这使得融资服务可以覆盖大量缺乏信用记录的“信用白户”，为普惠金融发展提供了解决方案。随着在信贷、保险、投资等领域更为广泛的应用，数字信用可以帮助改善为企业创新和家庭理财的服务。数字信用创新可能会对经济与金融稳定产生重要影响，这种以数据替代抵押的信贷模式会削弱“金融加速器”效应，从而促进金融稳定。
信用是现代经济发展的重要推动力
信用一般是指个人或组织之间的信任关系。金融交易中的信用则特指经济主体兑现偿付承诺的能力与意愿，按照承诺主体的不同，可以分为国家（主权）信用、企业信用或个人信用。信用是推动金融发展的关键因素，没有信用就不会有现代金融体系，法定货币和信用贷款都是基于信用形成的。货币的一个重要特质是内在价值，如果没有内在价值，货币很难完整地发挥支付、计价和投资三个方面的功能。早期利用金、银等贵金属作为货币，因为其本身就有价值，因此币值比较稳定。后来当逐步以法定货币替代贵金属时，中央银行就可以根据宏观经济状况决定货币供应量。但作为法币的纸币本身并没有价值，因此需要国家背书，即主权信用的背后是国家的财政实力等能力。企业与个人愿意接受并持有纸币，正是因为国家对其内在价值提供了担保。当然，中央银行掌握了货币发行的决定权，也容易货币超发，为了解决这个问题，各国中央银行引入了通胀目标制，以及在此基础上保持货币政策决策方面一定程度上的独立性。
信用在金融市场有十分广泛的应用。金融交易的本质是资金的融通，即通过期限、规模和风险的转换，实现收益共享与风险分担。但金融交易最大的困难是信息不对称，所以风险管理是金融交易不可或缺的环节。以信贷业务为例，银行发放贷款，必须有效评估借款者的信用风险，确定借款者会按时还本付息。根据风控方法，贷款可以分为抵押贷款和信用贷款，抵押贷款银行要求借款人提供抵押资产，其风险管理和业务扩张能力受到借款人抵押资产价值的影响。信用贷款通常是通过分析借款者的财务信息，特别是资产负债表、利润损益表和现金流量表，判断其信用状况。但大部分普惠金融客户，包括中小微企业、低收入家庭和农村经济主体，既没有充足的抵押资产，也缺乏完整的财务数据，这样就形成了普遍的信用不足问题。正因为此，发展普惠金融服务是世界各国面临的共同挑战。
数字信用创新可以部分解决信用不足的问题。普惠金融客户不一定真的缺乏信用，只是传统金融机构用传统评估方法无法识别出来，但大数据和人工智能等数字技术却可以帮助发现那些本来就存在的信用。一些大科技公司尝试在非金融领域刻画用户的信用水平，并在共享单车、网约车、酒店预约等业务中发挥了一定的作用。需要指出的是，数字技术本身并不创造信用，以比特币为例，虽然它利用分布式账户、区块链技术等形成了一种被称为加密货币的资产，但它并非真正意义上的货币，因为它本身并不具有价值，也缺乏信用背书。数字技术把很多传统方法看不到的信用识别出来，从而拓展了传统信用的边界，不仅可以让金融业务的覆盖面更为广泛，也使得风险管理更为精准。
数字信用改善普惠型信贷服务
数字信用的创新最初发生在信贷领域。互联网、大数据、人工智能等数字技术的进步，催生了一批数字平台企业，后来在这些平台上衍生发展出信贷业务。目前基于数字平台的信贷业务大致可以分为三类：第一类是新型互联网银行的信贷业务，如网商银行、微众银行和新网银行；第二类是平台提供的小额贷款或消费金融业务，如蚂蚁花呗和京东白条；第三类是数字平台提供的助贷业务或者联合贷款，目前已经成立了百行征信和朴道征信两家大数据征信公司。被统称为大科技信贷的业务有两大技术支柱，一方面，发挥大科技平台的长尾效应，海量、快速、低成本地获客，然后将用户留在平台上的数字足迹累积形成大数据；另一方面，利用大数据与机器学习方法进行信用风险评估，预测还款能力与还款意愿。大科技信贷既是国际前沿的金融创新，也是重要的“中国故事”。我国平台企业提供线上信贷的时间比较早，目前大科技信贷的业务规模居全球第一位。
过去几年，笔者和合作者们就大科技信贷做了一系列研究。其中一项工作是对不同的信用风险评估模型做“赛马分析”，参加“赛跑”的“两匹马”分别是基于大数据与机器学习方法的大科技风控模型和基于传统数据与打分卡模型的传统银行风控模型。我们把一组逐笔贷款数据分为前后两半，前一半用于训练两个模型，后一半则用来验证两个模型的违约预测的准确率。实证结果表明，大科技风控模型对违约的预测准确率更高，说明这个模型的可靠性超过传统银行模型。进一步的分析表明，预测准确率的改善，既有包括实时数据和行为变量等数据的贡献，也有机器学习模型方法的贡献。我国几家新型互联网银行每年分别为上千万家小微企业和上亿个人提供信贷服务，其不良贷款的占比还低于传统商业银行同类贷款的占比，说明基于数字信用的信贷决策是有效的。
需要指出的是，数字信用的可靠性优于传统方法这个结论是需要限定条件的。事实上，数字信用最大的价值体现在服务规模小、位置偏、财务数据缺乏的小微企业，这恰恰也反映了数字信用的普惠价值。大科技信贷的客户多为普惠金融的服务对象，大多是从来没有获得过银行贷款的“信用白户”。大科技信贷不但可以为这些客户提供贷款，而且让它们拥有征信记录，将来更容易从传统银行获得贷款，即所谓的“溢出效应”。数字技术使得信贷机构更好地了解客户，让资质好的客户更容易获得融资，也可能让资质不好的客户更不容易获得贷款。另外，大部分大科技信贷机构也已经不再完全依赖平台生态系统内的数据，而是更多地利用包括税收、社保、水电等公共数据。因此，数字信用始于大科技平台，但已经不再局限于此，关键是利用非传统数据和数字技术识别经济主体的信用。
数字信用的应用如何影响金融稳定
数字信用的应用并不改变金融的本质，但确实会对金融的业务形态带来一些变化。目前看来，最大的改变在于增强金融服务的普惠性，而这应该是有利于改善经济与金融的稳健性。2022年诺贝尔经济学奖得主、美联储前主席伯南克与其合作者曾经提出“金融加速器”的概念，他们发现企业的投资水平往往依赖于其资产负债表状况：较高的现金流量和资产净值对于投资有直接或间接的正面影响。在银行信贷中就存在“金融加速器”的抵押品渠道，资产价格越高，信贷条件越宽松，反之亦然。这实际上是一个金融不稳定机制，在一些国家曾经发生资产价格下跌引发金融危机的现象。数字信用以数据替代抵押，改变了这个作用机制。银行的抵押贷款对于房价的变化有显著、正向的反应，但大科技信贷对于房价变化则没有反应。这意味着以数据替代抵押的数字信用削弱了“金融加速器”效应，从而增强了金融体系的稳定性。
国内外的监管者对大科技信贷的运行机制有一个普遍的疑虑，即这套新型的依赖大数据和机器学习方法的信用风险评估模型尚未经受过经济周期的考验，一旦经济周期逆转，这个模型的有效性是否会发生根本性的变化？这个问题确实值得做深入的学术研究，但从已有的经验看，数字信用实践的有效性可能更稳定一些。经济周期逆转会导致风控模型的有效性下降，这点应该不会有例外，银行信用贷款是如此，抵押贷款也是如此，大科技信贷当然也不会例外。但与传统风控模型相比，数字信用模型有两个方面的特点：一是更多地依靠实时数据和行为变量，承受经济周期冲击的能力更强一些；二是具有更加频繁的迭代过程，同时贷款期限往往也比较短。过去几年我国遭遇了新冠病毒疫情冲击，几家新型互联网银行的不良贷款率在上升了几个月之后，就开始回落。与传统银行的小微企业贷款比较，新型互联网银行资产质量恶化程度更轻一些、恢复时间也更快一些。
当然，基于数字信用的大科技信贷也会带来一些新的问题，值得监管部门关注。其中一个无法回避的问题是数据治理。大数据是数字信用的基本元素，什么样的数据可以利用？公共数据与企业数据应该分别采取什么样的治理方式？数据又怎样共享与交易？另一个至关重要的问题是金融稳定。大科技平台为商业银行提供助贷服务，有助于普惠型信贷业务的发展，但助贷业务以及联合贷款会不会引发新的道德风险问题甚至系统共振问题？如何在最大限度地发挥数字信用作用的同时不引发新的风险因素？这些问题都值得持续的思考和不断的尝试。
数字信用拥有非常广阔的应用前景
数字信用在金融领域可以得到广泛的应用。目前数字信用的应用主要集中在信贷领域，大科技信贷是最典型的业务案例，传统商业银行也在尝试利用各种类型的非传统数据做信用风险评估，这也是数字信用的应用实践。在信贷领域还有许多新的拓展空间，一个例子是在欧洲比较活跃的开放银行，即银行将数据开放给其他金融机构做信用风险评估，而我国的主要做法是金融机构利用非金融机构的数据做信用风险评估。我国各类银行拥有非常丰富的金融数据，如果这些数据能够开放，将对数字信贷产生非常大的助力。另一个拓展的方向是产业链、供应链数字信贷，过去的大科技信贷基本上都是依托消费互联网形成的，信用分析所依据的主要是零售逻辑。随着产业链、物联网的发展，可能会形成一批新的数字信用业务模式。
在保险领域，数字信用也有很好的应用场景。与银行业一样，保险业也需要管理负债与资产，而信息不对称是一个重要障碍。在保险合同签署以前，主要防范“逆向选择”问题，在合同签署之后则要防范道德风险问题。数字信用可以帮助保险机构识别保险消费者的信用状况、匹配适当的保险产品并防止欺诈行为。数字信用在保险领域的应用不仅能够减少销售与管理的人工与其他成本，还可以更好地了解消费者的能力与需求，从而提升消费者的福利、改善保险公司的收益。
在投资领域，数字信用不仅可以帮助改善理财服务，还能够支持“专精特新”等创新型中小企业通过直接融资渠道甚至到资本市场融资。我国金融体系中存在严重的投资难问题，老百姓有很多储蓄，但财富管理尚有很大的改进空间。如果利用数字信用方法做客户认证（KYC），可以较好地了解投资者的风险偏好和风险承担能力，同时做相应的投资资产配置，这样就有可能为广大的老百姓，特别是中产阶层提供数字化的私人银行服务。同样，数字信用方法也可以助力创新型企业获得直接融资。创新企业虽然有很好的发展前景，但缺乏资产、缺乏数据、缺乏收益，不确定性也非常大，这些企业到资本市场融资，其门槛其实高于到银行贷款。数字信用可以帮助解决部分信息不对称的问题，如果可以将数字信用的做法运用到直接融资领域，像形成信用分析报告一样形成投资分析报告，就可以让“合格投资者”更好地了解“专精特新”企业。
作者｜黄益平「北京大学数字金融研究中心主任」
文章｜《中国金融》2023年第11期
国家发展研究院官方微信
Copyright© 1994-2012 北京大学 国家发展研究院 版权所有, 京ICP备05065075号-1
保留所有权利，不经允许请勿挪用
-
首页
-
黄益平：数字信用的应用与创新
发布日期：2023-06-02 03:54 来源：
信用是现代金融体系的关键变量，基于信用的货币和贷款为经济活动的快速扩张提供了重要的推动力。然而，有一些企业、个人以及国家却因为缺乏“好的”信用而无法获得必要的金融服务。数字信用是利用大数据、人工智能等数字技术识别经济主体信用的一种金融创新，数字技术本身并不创造信用，但可以帮助发现一些传统方法无法辨识的信用。这项创新首先产生于依托大科技平台的数字信贷，这使得融资服务可以覆盖大量缺乏信用记录的“信用白户”，为普惠金融发展提供了解决方案。随着在信贷、保险、投资等领域更为广泛的应用，数字信用可以帮助改善为企业创新和家庭理财的服务。数字信用创新可能会对经济与金融稳定产生重要影响，这种以数据替代抵押的信贷模式会削弱“金融加速器”效应，从而促进金融稳定。
信用是现代经济发展的重要推动力
信用一般是指个人或组织之间的信任关系。金融交易中的信用则特指经济主体兑现偿付承诺的能力与意愿，按照承诺主体的不同，可以分为国家（主权）信用、企业信用或个人信用。信用是推动金融发展的关键因素，没有信用就不会有现代金融体系，法定货币和信用贷款都是基于信用形成的。货币的一个重要特质是内在价值，如果没有内在价值，货币很难完整地发挥支付、计价和投资三个方面的功能。早期利用金、银等贵金属作为货币，因为其本身就有价值，因此币值比较稳定。后来当逐步以法定货币替代贵金属时，中央银行就可以根据宏观经济状况决定货币供应量。但作为法币的纸币本身并没有价值，因此需要国家背书，即主权信用的背后是国家的财政实力等能力。企业与个人愿意接受并持有纸币，正是因为国家对其内在价值提供了担保。当然，中央银行掌握了货币发行的决定权，也容易货币超发，为了解决这个问题，各国中央银行引入了通胀目标制，以及在此基础上保持货币政策决策方面一定程度上的独立性。
信用在金融市场有十分广泛的应用。金融交易的本质是资金的融通，即通过期限、规模和风险的转换，实现收益共享与风险分担。但金融交易最大的困难是信息不对称，所以风险管理是金融交易不可或缺的环节。以信贷业务为例，银行发放贷款，必须有效评估借款者的信用风险，确定借款者会按时还本付息。根据风控方法，贷款可以分为抵押贷款和信用贷款，抵押贷款银行要求借款人提供抵押资产，其风险管理和业务扩张能力受到借款人抵押资产价值的影响。信用贷款通常是通过分析借款者的财务信息，特别是资产负债表、利润损益表和现金流量表，判断其信用状况。但大部分普惠金融客户，包括中小微企业、低收入家庭和农村经济主体，既没有充足的抵押资产，也缺乏完整的财务数据，这样就形成了普遍的信用不足问题。正因为此，发展普惠金融服务是世界各国面临的共同挑战。
数字信用创新可以部分解决信用不足的问题。普惠金融客户不一定真的缺乏信用，只是传统金融机构用传统评估方法无法识别出来，但大数据和人工智能等数字技术却可以帮助发现那些本来就存在的信用。一些大科技公司尝试在非金融领域刻画用户的信用水平，并在共享单车、网约车、酒店预约等业务中发挥了一定的作用。需要指出的是，数字技术本身并不创造信用，以比特币为例，虽然它利用分布式账户、区块链技术等形成了一种被称为加密货币的资产，但它并非真正意义上的货币，因为它本身并不具有价值，也缺乏信用背书。数字技术把很多传统方法看不到的信用识别出来，从而拓展了传统信用的边界，不仅可以让金融业务的覆盖面更为广泛，也使得风险管理更为精准。
数字信用改善普惠型信贷服务
数字信用的创新最初发生在信贷领域。互联网、大数据、人工智能等数字技术的进步，催生了一批数字平台企业，后来在这些平台上衍生发展出信贷业务。目前基于数字平台的信贷业务大致可以分为三类：第一类是新型互联网银行的信贷业务，如网商银行、微众银行和新网银行；第二类是平台提供的小额贷款或消费金融业务，如蚂蚁花呗和京东白条；第三类是数字平台提供的助贷业务或者联合贷款，目前已经成立了百行征信和朴道征信两家大数据征信公司。被统称为大科技信贷的业务有两大技术支柱，一方面，发挥大科技平台的长尾效应，海量、快速、低成本地获客，然后将用户留在平台上的数字足迹累积形成大数据；另一方面，利用大数据与机器学习方法进行信用风险评估，预测还款能力与还款意愿。大科技信贷既是国际前沿的金融创新，也是重要的“中国故事”。我国平台企业提供线上信贷的时间比较早，目前大科技信贷的业务规模居全球第一位。
过去几年，笔者和合作者们就大科技信贷做了一系列研究。其中一项工作是对不同的信用风险评估模型做“赛马分析”，参加“赛跑”的“两匹马”分别是基于大数据与机器学习方法的大科技风控模型和基于传统数据与打分卡模型的传统银行风控模型。我们把一组逐笔贷款数据分为前后两半，前一半用于训练两个模型，后一半则用来验证两个模型的违约预测的准确率。实证结果表明，大科技风控模型对违约的预测准确率更高，说明这个模型的可靠性超过传统银行模型。进一步的分析表明，预测准确率的改善，既有包括实时数据和行为变量等数据的贡献，也有机器学习模型方法的贡献。我国几家新型互联网银行每年分别为上千万家小微企业和上亿个人提供信贷服务，其不良贷款的占比还低于传统商业银行同类贷款的占比，说明基于数字信用的信贷决策是有效的。
需要指出的是，数字信用的可靠性优于传统方法这个结论是需要限定条件的。事实上，数字信用最大的价值体现在服务规模小、位置偏、财务数据缺乏的小微企业，这恰恰也反映了数字信用的普惠价值。大科技信贷的客户多为普惠金融的服务对象，大多是从来没有获得过银行贷款的“信用白户”。大科技信贷不但可以为这些客户提供贷款，而且让它们拥有征信记录，将来更容易从传统银行获得贷款，即所谓的“溢出效应”。数字技术使得信贷机构更好地了解客户，让资质好的客户更容易获得融资，也可能让资质不好的客户更不容易获得贷款。另外，大部分大科技信贷机构也已经不再完全依赖平台生态系统内的数据，而是更多地利用包括税收、社保、水电等公共数据。因此，数字信用始于大科技平台，但已经不再局限于此，关键是利用非传统数据和数字技术识别经济主体的信用。
数字信用的应用如何影响金融稳定
数字信用的应用并不改变金融的本质，但确实会对金融的业务形态带来一些变化。目前看来，最大的改变在于增强金融服务的普惠性，而这应该是有利于改善经济与金融的稳健性。2022年诺贝尔经济学奖得主、美联储前主席伯南克与其合作者曾经提出“金融加速器”的概念，他们发现企业的投资水平往往依赖于其资产负债表状况：较高的现金流量和资产净值对于投资有直接或间接的正面影响。在银行信贷中就存在“金融加速器”的抵押品渠道，资产价格越高，信贷条件越宽松，反之亦然。这实际上是一个金融不稳定机制，在一些国家曾经发生资产价格下跌引发金融危机的现象。数字信用以数据替代抵押，改变了这个作用机制。银行的抵押贷款对于房价的变化有显著、正向的反应，但大科技信贷对于房价变化则没有反应。这意味着以数据替代抵押的数字信用削弱了“金融加速器”效应，从而增强了金融体系的稳定性。
国内外的监管者对大科技信贷的运行机制有一个普遍的疑虑，即这套新型的依赖大数据和机器学习方法的信用风险评估模型尚未经受过经济周期的考验，一旦经济周期逆转，这个模型的有效性是否会发生根本性的变化？这个问题确实值得做深入的学术研究，但从已有的经验看，数字信用实践的有效性可能更稳定一些。经济周期逆转会导致风控模型的有效性下降，这点应该不会有例外，银行信用贷款是如此，抵押贷款也是如此，大科技信贷当然也不会例外。但与传统风控模型相比，数字信用模型有两个方面的特点：一是更多地依靠实时数据和行为变量，承受经济周期冲击的能力更强一些；二是具有更加频繁的迭代过程，同时贷款期限往往也比较短。过去几年我国遭遇了新冠病毒疫情冲击，几家新型互联网银行的不良贷款率在上升了几个月之后，就开始回落。与传统银行的小微企业贷款比较，新型互联网银行资产质量恶化程度更轻一些、恢复时间也更快一些。
当然，基于数字信用的大科技信贷也会带来一些新的问题，值得监管部门关注。其中一个无法回避的问题是数据治理。大数据是数字信用的基本元素，什么样的数据可以利用？公共数据与企业数据应该分别采取什么样的治理方式？数据又怎样共享与交易？另一个至关重要的问题是金融稳定。大科技平台为商业银行提供助贷服务，有助于普惠型信贷业务的发展，但助贷业务以及联合贷款会不会引发新的道德风险问题甚至系统共振问题？如何在最大限度地发挥数字信用作用的同时不引发新的风险因素？这些问题都值得持续的思考和不断的尝试。
数字信用拥有非常广阔的应用前景
数字信用在金融领域可以得到广泛的应用。目前数字信用的应用主要集中在信贷领域，大科技信贷是最典型的业务案例，传统商业银行也在尝试利用各种类型的非传统数据做信用风险评估，这也是数字信用的应用实践。在信贷领域还有许多新的拓展空间，一个例子是在欧洲比较活跃的开放银行，即银行将数据开放给其他金融机构做信用风险评估，而我国的主要做法是金融机构利用非金融机构的数据做信用风险评估。我国各类银行拥有非常丰富的金融数据，如果这些数据能够开放，将对数字信贷产生非常大的助力。另一个拓展的方向是产业链、供应链数字信贷，过去的大科技信贷基本上都是依托消费互联网形成的，信用分析所依据的主要是零售逻辑。随着产业链、物联网的发展，可能会形成一批新的数字信用业务模式。
在保险领域，数字信用也有很好的应用场景。与银行业一样，保险业也需要管理负债与资产，而信息不对称是一个重要障碍。在保险合同签署以前，主要防范“逆向选择”问题，在合同签署之后则要防范道德风险问题。数字信用可以帮助保险机构识别保险消费者的信用状况、匹配适当的保险产品并防止欺诈行为。数字信用在保险领域的应用不仅能够减少销售与管理的人工与其他成本，还可以更好地了解消费者的能力与需求，从而提升消费者的福利、改善保险公司的收益。
在投资领域，数字信用不仅可以帮助改善理财服务，还能够支持“专精特新”等创新型中小企业通过直接融资渠道甚至到资本市场融资。我国金融体系中存在严重的投资难问题，老百姓有很多储蓄，但财富管理尚有很大的改进空间。如果利用数字信用方法做客户认证（KYC），可以较好地了解投资者的风险偏好和风险承担能力，同时做相应的投资资产配置，这样就有可能为广大的老百姓，特别是中产阶层提供数字化的私人银行服务。同样，数字信用方法也可以助力创新型企业获得直接融资。创新企业虽然有很好的发展前景，但缺乏资产、缺乏数据、缺乏收益，不确定性也非常大，这些企业到资本市场融资，其门槛其实高于到银行贷款。数字信用可以帮助解决部分信息不对称的问题，如果可以将数字信用的做法运用到直接融资领域，像形成信用分析报告一样形成投资分析报告，就可以让“合格投资者”更好地了解“专精特新”企业。
作者｜黄益平「北京大学数字金融研究中心主任」
文章｜《中国金融》2023年第11期
访问学者申请
EMAIL
北京大学
ENGLISH
