互联网金融征信建设存在问题与对策探析.doc

互联网金融征信建设存在的问题及对策探讨 　　 【摘要】依托电商平台、社交网络，互联网金融能有效实现信息共享，解决传统金融模式下信息不对称的问题。相比传统金融模式，互联网金融能最大限度满足资金供需双方的金融需求，提高融资效率，降低融资成本，同时却加剧了资金需求方的信用风险。因此，信用评级攸关互联网金融的成败。本文从信息共享、评级难度、个人隐私保护和法律监管四个层面分析我国互联网金融征信建设存在的问题，提出相关对策建议，从而保障互联网金融征信活动到位，避免网络金融信用关系恶化，避免出现网络信用危机，促进互联网金融健康发展 【关键词】互联网金融 征信建设 信用评级 一、互联网金融征信概述 2012年互联网金融伊始，2013年被称为“互联网金融的元年”，到2014年第三方支付、网贷、众筹、银行、信托、保险等网上金融交易模式已初具规模。近年来网贷（P2P）平台数量增长迅速，网贷成为互联网金融体系中最为活跃的部分，对中国互联网金融的发展产生巨大的影响。至2014年底，网贷已形成债务主体63万个，债权主体44万个，存量债务规模2528亿元人民币，累计逃废债的债务主体231个，债权人损失659亿元人民币。互联网金融的本质是金融，而金融的本质是风险控制的能力，各家平台的竞争在于风险的控制。互联网金融征信可以甄别优质的借款人，能够有效降低不良贷款率，使互联网金融告别野蛮生长的状态 2015年1月5日，人民银行印发《关于做好个人征信业务准备工作的通知》，批准8家机构（分别是：芝麻信用、腾讯征信、鹏元征信、深圳前海征信、拉卡拉信用、中诚信征信、中智诚征信、北京华道征信）开展个人征信业务的准备工作，准备时间是6个月。此举为被央行“垄断”多年的征信业注入更多新鲜元素。有分析人士将2015年称为“征信元年”。目前，我国互联网金融征信建设的现状表现为：第一，征信产品服务日益丰富;第二，征信范围扩大，信用数据来源广泛，包括电商大数据、信用卡大数据、社交网站大数据、第三方支付大数据、小额贷款类大数据、生活服务类大数据等;第三，征信机构种类多样。尽管，我国的征信市场面临很大的开发空间，但就目前还处于信贷征信的初级阶段。我国互联网金融征信体系建设还存在诸多问题。当前，互联网金融正改变着传统金融的格局和业态，但依旧改变不了金融风险的传染性、广泛性、隐蔽性、突发性。互联网金融加剧了社会债务链条中的信用风险隐患，其系统性危机的爆发将对国家信用体系造成巨大的冲击。故而公正的信用评级是互联网金融健康发展的内在需求 二、互联网金融征信建设存在的问题 （一）征信缺乏共享，信息孤岛难解 目前，国内征信机构主要有人民银行征信中心和各家社会征信机构。依托互联网信用信息体系，互联网企业（如阿里金融）、金融机构（如平安集团旗下陆金所）、第三方公司（如深圳鹏元）也开展征信业务。人民银行征信中心侧重于商业银行报送的信息，而互联网金融征信体系侧重于个人交易和社交行为的历史数据统计。央行征信系统的不足是信用数据来源狭窄，主要为各商业银行报送的信贷信息，且信息标准不一，不利于横向比较。与之相比，互联网金融征信机构突破传统“金融属性”，依托网络大数据，可以搜集用户的交易记录、分析财产状况、消费习惯等，进而评估个人信用等级。然而，各方都希望能够共享他人的信息，而独享自身的信息。各家机构都强调自身的数据优势，信息孤岛困境不可避免。例如目前，京东已投资美国互联网金融公司ZestFinance，宣布成立合资公司JD-ZestFinanceGaia。ZestFinance在美国得益于大数据的融合和开放，通过重塑审贷过程，创造可用信用，为难以获得传统金融服务的人提供金融支持，已得到广泛的认可。然而，JD-ZestFinanceGaia在中国却遭遇“数据孤岛”的困境，社会各行业、政府各部门、企业之间的数据融合开放有限。仅靠京东自身积累的数据，难以发挥ZestFinance的技术优势 （二）信用评级难度大，缺乏客观公正 目前，网络数据千千万万，但也充斥着大量的无效数据。总的来说，互联网金融信用评级涉及六大数据来源。一是电商大数据，典型代表是阿里巴巴，它利用旗下的淘宝、天猫、支付宝等积累的大量交易数据为基础，设计评分模型（芝麻信用分），进行信用评级。二是信用卡大数据。三是社交网站大数据，如Lending Club，利用社交网络关系数据和朋友之间的相互信任聚合人气，并以此作为信用分级。四是小额贷款类大数据。五是第三方支付大数据。六是生活服务类大数据，如水、电、煤气、物业费缴纳等。虽然数据来源广泛，但 这些数据和个人信用的相关关系不强，缺乏验证性，评级模型如何设计关乎互联网金融信用评级的有效性。大多数国内互联网金融平台在上线之初缺乏监管，各平台发展层次不一，各平台缺乏统一