“央行版“信用评分”推出在即 会成中小银行个体信贷利器？”

本篇文章1781字，读完约4分钟

本报记者辛继呼吁深圳进行报道

二代征信会成为个人的“信用身份证”吗？ 这个问题的答案是非常可能的。

4月16日，21世纪经济新闻记者观察到，央行上线的第二代征信报告中增加了“个人信用报告数字解读”，发表了比较个人的“信用得分”，显示出该得分所处的“相对位置”。

但是，还不知道应该使用什么样的维度的数据、模型。

关于中小银行，业内人士表示，通过这一“信用得分”能否缩小与大银行的竞争差距，持谨慎乐观态度。

一方面，央行权威信用得分为中小银行个人信用等业务奠定基础，便于了解个人信用状况，但另一方面，比较各地区、各银行的具体风险偏好，银行仍需适当加大对本银行金融科技的投资。

信用得分黑匣子

央行没有显示“信用得分”的数据模型，但在第二代征信报告中，显示了该信用得分的“相对位置”。

取“相对位置”，即值为0~90的整数。 值为n时，证明信用得分的相对位置大于n%。 如果无法评分，则该数据项返回“-1”，以证明用于数字解密的评分影响因素或无法评分时的原因。

业内人士认为，该得分与美国各征信局使用的fico得分相似，可与个人信用状况进行比较，得出信用得分。

美国三大信用管理局采用fico评分方法。 fico得分的本质是利用数学模型对个人信用报告新闻进行定量分析，但fico信用得分的计算方法也没有对外公布。 各要素的大致权重为，过去的支付历史为35%； 借款额为30%； 立信时效性为15%； 新账户为10%； 信用工会类型占10%。 fico得分的理论得分在300-900分之间，表示得分越低，信用风险越大。

在国内，根据评分模型判断信用风险已成为银行最重要的风控战略，各大银行引进了评分卡的风控理念，主要应用于信用卡发行、无担保贷款发行、小额公司融资等。

例如，中国银行( 601988 )在年度财务报告中表示，将对个人客户采用标准信用审查程序判断个人贷款的信用风险，并采用基于过去违约率的记分卡模型计量信用卡的信用风险。

中信银行也在财报中表示，将运用记分卡等零售信用风险度量模型，结合逻辑化的业务规则，比较有效地识别和管理信用风险。 引入第三方外部数据，加大个人信用数据的深度挖掘力度，完善个人信用图像，探索建立反欺诈模型。

将建设银行的评价模型应用于微型公司的融资。 该银行在财务报告中表示，将开发新的小额贷款评估模式，优化国内金融机构评估模式、地方政府评估模式、风险限额模式等。

中小银行的信用利器？

从监管角度看，央行公布自身信用得分也存在着化解大银行与中小银行市场竞争先天差距、弥补中小银行在金融科技大潮中的过度投资力度的难题。

信用分数被广泛使用。 据华南一位知名人士介绍，该银行目前在金融科技行业的诉求之一是，通过大数据提出更全面的客户信用得分、个人信息、费用索赔，通过信用、信息、费用索赔数据实现信用卡和分期业务的自动审查，提出较为合理的信用额度，以秒为单位

另一家大银行认为，如果央行给出个人信用得分，中小银行可以参考该得分作为评估客户的标准。 中小银行没有足够的数据，确立了风俗控制模式，一般向大数据征信企业购买客户得分和数据模式。

中小银行的这一困境，也被称为当前“融资支持”业务迅速发展的理由之一。 许多上市网络金融企业的年度财务报告显示，持卡金融机构的资金规模快速增长，助学贷款模式已成为收入的首要来源之一。

塔尔苏斯金融首席财务官漆瑾认为，央行信用得分是对全体应聘者进行比较的通用型得分，覆盖样本量大，样本时间跨度长，具有无可争议的权威。 但是，央行的考核评价不能代替各机构自身的信用评价。

漆瑾认为原因是各银行机构有自己的客群。 涵盖所有应聘者的评分必须兼顾整体，一部分客户群一点也不能失去聚焦性和对比性。 央行审评的开发样本主要来自银行以前传入的高质量客户群，风险相对下降人群的模式效应稍弱。 这部分非银行是以前流传下来的客群，现在是市场上“配套贷款”机构的主要放贷对象。 此外，对于特殊客户(如微型公司的客户)，模型的效果要低于定制模型。 这是由于模型样本的偏差造成的。

“央行的征信评分，首要目的是健全整个社会的征信体系，不是为了比较各类不同贷款产品的具体业务目的而开发的，商业目的要淡一些。 ”他具体到各细分客户、细分产品的信用业务，各银行和金融科技企业的定制化评价更是相对而言，仍然不可替代。

(李伊琳) )。