央行版“信用评分”推出在即 会成中小银行个人信贷利器？

二代征信会成为个人的“信用身份证”吗？这个问题的答案是极有可能。

4月16日，21世纪经济报道记者注意到，央行即将上线的二代征信报告中，将新增“个人信用报告数字解读”，推出针对个人的“信用评分”，并给出该评分所处的“相对位置”。

不过，该评分采用何种维度的数据、模型仍不得而知。

对于中小银行，可否通过该“信用评分”缩小与大型银行的竞争差距，业内人士表达了谨慎的乐观。

一方面，央行权威的信用评分将将给中小银行的个人信贷等业务打下基础，便于把握个人资信情况；但另一方面，针对每个地区、每家银行具体的风险偏好，银行仍应适当加大本行金融科技方面的投入。

信用评分黑箱

央行虽未给出“信用评分”数据模型，但在二代征信报告中，会给出该信用分的“相对位置”。

“相对位置”，即取值为0到90之间的整数。当取值为N时，说明信用评分相对位置大于N%。当无法评分时，该数据项返回“-1”，会说明用于数字解读的分数影响因素或无法评分时的原因。

业内人士认为，该评分或与美国各征信局采用的FICO评分相似的思路，针对个人信用状况打出一个信用分。

美国三大信用管理局都使用FICO评分方法。FICO评分的实质是应用数学模型对个人信用报告信息进行量化分析，但FICO信用评分的计算方法也从未向外界公布。各部分因素大致权重为：以往支付历史占35%；信贷欠款数额占30%；立信时间长短占15%；新开信用账户占10%；信用组合类型占10%。FICO评分的理论分值在300-900分之间，评分越低，表明信用风险越大。

在国内，基于评分模型评估信用风险已成为银行的主要风控策略，各大银行引入评分卡的风控理念，主要应用于信用卡发卡、信用贷款发放、小微企业融资等。

例如，中国银行在2018年财报中称，对个人客户采用标准的信贷审批程序评估个人贷款的信用风险，采用基于历史违约率的评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，运用评分卡等零售信贷风险计量模型，结合逻辑化的业务规则，有效识别及管理信用风险。引入第三方外部数据，加大个人信贷数据的深度挖掘力度，完善个人信用画像，探索搭建反欺诈模型。

建行则将评分模型应用在小微企业融资上。该行在财报中表示，研发新版小微贷款评分模型，优化境内金融机构评级模型、地方政府评级模型和风险限额模型等。

中小银行信贷利器？

从监管的角度，央行推出自己的信用评分，也有拉平大型银行和中小银行在市场竞争中的先天差距，弥补中小银行在金融科技大潮中的投入力度过度的难题。

信用评分应用广泛。一位华南大行人士表示，该行当前在金融科技领域的需求之一，是通过大数据给出较全面的客户信用评分、个人资信和消费需求，通过信用、资信、消费需求数据实现信用卡和分期业务的自动审批，给出相对合理的信用额度，实现秒批秒贷。

另一大行人士认为，若央行推出个人信用评分，中小银行可以参考该分数作为评判客户的标准。中小银行缺乏足够的数据建立风控模型，通常向大数据征信公司购买客户评分或数据模型。

中小银行的这一困境，也称为当前“助贷”业务得以发展的原因之一。多家上市互联网金融公司2018年财报显示，来自持牌金融机构的资金规模迅速增长，助贷模式成为其收入的主要来源之一。

大数金融首席风控官漆瑾声认为，央行信用评分是一个针对全体有征信人群的通用型评分，覆盖样本量大，样本时间跨度长，具有无可争议的权威性。但央行征信评分不会取代各家机构自己的信用评分。

漆瑾声认为，原因在于，各家银行机构有自己独特的客群。作为一个覆盖所有征信人群的评分要兼顾全体，在局部客群上不可避免会失去一些聚焦性或针对性。央行征信评分的开发样本主要来自于银行的传统优质客群，对于风险相对下沉的人群模型效果会偏弱一些。这部分客群非银行传统客群，是目前市场上“助贷”机构的主要放贷对象。此外，对于一些特殊客群，比如小微企业客户，模型也会比定制化模型效果要差，这是模型样本偏差性造成的。

“央行的征信评分，主要目的是为了健全全社会的征信体系，不是专门针对各类不同贷款产品的具体业务目的而开发，商业目的要淡一些。”他表示，具体到各个细分客群、细分产品的信贷业务，各家银行和金融科技公司的定制化评分更有针对性，仍然有其不可替代性。

（编辑：李伊琳）

21世纪经济报道及其客户端所刊载内容的知识产权均属广东二十一世纪环球经济报社所有。未经书面授权，任何人不得以任何方式使用。详情或获取授权信息请点击此处。