本報記者 辛繼召 深圳報道

　　二代征信會成為個人的“信用身份證”嗎？這個問題的答案是極有可能。

　　4月16日，21世紀經濟報道記者注意到，央行即將上線的二代征信報告中，將新增“個人信用報告數字解讀”，推出針對個人的“信用評分”，并給出該評分所處的“相對位置”。

　　不過，該評分采用何種維度的數據、模型仍不得而知。

　　對于中小銀行，可否通過該“信用評分”縮小與大型銀行的競爭差距，業內人士表達了謹慎的樂觀。

　　一方面，央行權威的信用評分將將給中小銀行的個人信貸等業務打下基礎，便于把握個人資信情況；但另一方面，針對每個地區、每家銀行具體的風險偏好，銀行仍應適當加大本行金融科技方面的投入。

　　信用評分黑箱

　　央行雖未給出“信用評分”數據模型，但在二代征信報告中，會給出該信用分的“相對位置”。

　　“相對位置”，即取值為0到90之間的整數。當取值為N時，說明信用評分相對位置大于N%。當無法評分時，該數據項返回“-1”，會說明用于數字解讀的分數影響因素或無法評分時的原因。

　　業內人士認為，該評分或與美國各征信局采用的FICO評分相似的思路，針對個人信用狀況打出一個信用分。

　　美國三大信用管理局都使用FICO評分方法。FICO評分的實質是應用數學模型對個人信用報告信息進行量化分析，但FICO信用評分的計算方法也從未向外界公布。各部分因素大致權重為：以往支付歷史占35%；信貸欠款數額占30%；立信時間長短占15%；新開信用賬戶占10%；信用組合類型占10%。FICO評分的理論分值在300-900分之間，評分越低，表明信用風險越大。

　　在國內，基于評分模型評估信用風險已成為銀行的主要風控策略，各大銀行引入評分卡的風控理念，主要應用于信用卡發卡、信用貸款發放、小微企業融資等。

　　例如，中國銀行在2018年財報中稱，對個人客戶采用標準的信貸審批程序評估個人貸款的信用風險，采用基于歷史違約率的評分卡模型計量信用卡的信用風險。

　　中信銀行(601998)也在財報中表示，運用評分卡等零售信貸風險計量模型，結合邏輯化的業務規則，有效識別及管理信用風險。引入第三方外部數據，加大個人信貸數據的深度挖掘力度，完善個人信用畫像，探索搭建反欺詐模型。

　　建行則將評分模型應用在小微企業融資上。該行在財報中表示，研發新版小微貸款評分模型，優化境內金融機構評級模型、地方政府評級模型和風險限額模型等。

　　中小銀行信貸利器？

　　從監管的角度，央行推出自己的信用評分，也有拉平大型銀行和中小銀行在市場競爭中的先天差距，彌補中小銀行在金融科技大潮中的投入力度過度的難題。

　　信用評分應用廣泛。一位華南大行人士表示，該行當前在金融科技領域的需求之一，是通過大數據給出較全面的客戶信用評分、個人資信和消費需求，通過信用、資信、消費需求數據實現信用卡和分期業務的自動審批，給出相對合理的信用額度，實現秒批秒貸。

　　另一大行人士認為，若央行推出個人信用評分，中小銀行可以參考該分數作為評判客戶的標準。中小銀行缺乏足夠的數據建立風控模型，通常向大數據征信公司購買客戶評分或數據模型。

　　中小銀行的這一困境，也稱為當前“助貸”業務得以發展的原因之一。多家上市互聯網金融公司2018年財報顯示，來自持牌金融機構的資金規模迅速增長，助貸模式成為其收入的主要來源之一。

　　大數金融首席風控官漆瑾聲認為，央行信用評分是一個針對全體有征信人群的通用型評分，覆蓋樣本量大，樣本時間跨度長，具有無可爭議的權威性。但央行征信評分不會取代各家機構自己的信用評分。

　　漆瑾聲認為，原因在于，各家銀行機構有自己獨特的客群。作為一個覆蓋所有征信人群的評分要兼顧全體，在局部客群上不可避免會失去一些聚焦性或針對性。央行征信評分的開發樣本主要來自于銀行的傳統優質客群，對于風險相對下沉的人群模型效果會偏弱一些。這部分客群非銀行傳統客群，是目前市場上“助貸”機構的主要放貸對象。此外，對于一些特殊客群，比如小微企業客戶，模型也會比定制化模型效果要差，這是模型樣本偏差性造成的。

　　“央行的征信評分，主要目的是為了健全全社會的征信體系，不是專門針對各類不同貸款產品的具體業務目的而開發，商業目的要淡一些。”他表示，具體到各個細分客群、細分產品的信貸業務，各家銀行和金融科技公司的定制化評分更有針對性，仍然有其不可替代性。