個(gè)人信用評(píng)分

個(gè)人信用評(píng)分2021/5/92021/5/9?1信用評(píng)分信用評(píng)分———指信用評(píng)估機(jī)構(gòu)對(duì)主體信用信息進(jìn)行量化，并以分值形式表達(dá)的過(guò)程或者結(jié)果。1、信用評(píng)估機(jī)構(gòu)與征信機(jī)構(gòu)：征信機(jī)構(gòu)可以做評(píng)分，但更應(yīng)關(guān)注于信用信息的真實(shí)、客觀和權(quán)威，最好做到信息的全面及時(shí)。評(píng)估機(jī)構(gòu)應(yīng)該主要關(guān)注對(duì)被評(píng)價(jià)人來(lái)進(jìn)行準(zhǔn)確、合理、一致的評(píng)價(jià)，體現(xiàn)評(píng)分的公平。2、信用信息此概念不能簡(jiǎn)單鑒定為信貸信息，而是說(shuō)與觸犯法律法規(guī)，違反標(biāo)準(zhǔn)及契約相關(guān)的信息。2021/5/92021/5/9?2信用評(píng)分的量化過(guò)程2021/5/92021/5/9?3評(píng)級(jí)與評(píng)分對(duì)比評(píng)級(jí)評(píng)分對(duì)象數(shù)量及規(guī)模少且大多且小技術(shù)定性為主+定量分析（基于理論進(jìn)行數(shù)據(jù)分析）定量為主（應(yīng)用模型自動(dòng)計(jì)算）效果注重個(gè)體準(zhǔn)確性注重群體的準(zhǔn)確性關(guān)注的數(shù)據(jù)當(dāng)前歷史成本高低2021/5/92021/5/9?4信用評(píng)分分類(lèi)商業(yè)銀行他們基于自己收集到的數(shù)據(jù)，主要是基于自己客戶數(shù)據(jù)構(gòu)建模型，當(dāng)然也可能會(huì)用到征信局的數(shù)據(jù)，這個(gè)模型的特點(diǎn)主要對(duì)于某個(gè)具體的業(yè)務(wù)或者說(shuō)某個(gè)客群是比較有效的。征信機(jī)構(gòu)利用所采集到的豐富信息對(duì)個(gè)人進(jìn)行這樣一個(gè)綜合的信用評(píng)價(jià)。因?yàn)檎餍啪质占男庞眯畔⒌木S度也比較廣，覆蓋的人群也會(huì)比較多。所以征信局的評(píng)分做起來(lái)也會(huì)比較復(fù)雜，那么它的評(píng)價(jià)相對(duì)來(lái)講是要比較綜合全面一些。一個(gè)行業(yè)的幾家機(jī)構(gòu)使用他們共同的數(shù)據(jù)，也包括會(huì)從征信局拿到的一些數(shù)據(jù)構(gòu)建的模型，這個(gè)模型基本上是對(duì)他們有共同行為特征的客戶或者是相同或相近的業(yè)務(wù)來(lái)使用。內(nèi)部評(píng)分征信機(jī)構(gòu)評(píng)分行業(yè)共享評(píng)分2021/5/92021/5/9?5美國(guó)信用評(píng)分的發(fā)展歷史美國(guó)零售商和郵購(gòu)商開(kāi)始應(yīng)用信用評(píng)分利用信用評(píng)分進(jìn)行信用卡發(fā)放房利美和房地美開(kāi)始應(yīng)用FICO信用評(píng)分來(lái)評(píng)估美國(guó)房貸房貸推出第五版FICO評(píng)分，稱(chēng)為FICO08信用評(píng)分開(kāi)始應(yīng)用于個(gè)人貸款，住房抵押貸款和小企業(yè)貸款中運(yùn)用。（費(fèi)艾哲公司為美國(guó)投資公司構(gòu)建了第一個(gè)信用評(píng)分模型20世紀(jì)50年代1958年20世紀(jì)60年代20世紀(jì)80年代1995年2007年FICO評(píng)分開(kāi)始在三大征信機(jī)構(gòu)得到普遍應(yīng)用1991年2021/5/92021/5/9?6FICO信用評(píng)分--最具有權(quán)威性

FICO信用評(píng)分是最具代表性的，一般指根據(jù)個(gè)人征信機(jī)構(gòu)的數(shù)據(jù)和FICO的評(píng)分模型開(kāi)發(fā)而成，也稱(chēng)為個(gè)人通用評(píng)分，可以廣泛地被授信機(jī)構(gòu)所使用。FICO信用評(píng)分按照信貸產(chǎn)品的不同，評(píng)分模型也不同，常見(jiàn)的分類(lèi)為：信用卡、消費(fèi)貸款、房貸、助學(xué)貸款和車(chē)貸等。其中美國(guó)3/4的家庭房貸是基于FICO信用評(píng)分做出的評(píng)價(jià)。

FICO信用評(píng)分又根據(jù)信用風(fēng)險(xiǎn)管理用途的不同可以分為欺詐風(fēng)險(xiǎn)評(píng)分、破產(chǎn)評(píng)分、收益評(píng)分和債務(wù)催收評(píng)分。僅基于FICO開(kāi)發(fā)的信用評(píng)分模型，每個(gè)消費(fèi)者有超過(guò)48個(gè)不同的信用評(píng)分，可以用于不同的消費(fèi)場(chǎng)景。根據(jù)有關(guān)統(tǒng)計(jì)，全球信貸市場(chǎng)上90%的信用評(píng)分都是FICO開(kāi)發(fā)。全球FICO信用評(píng)分已經(jīng)出售了1000億份。2021/5/92021/5/9?7FICO評(píng)分模型中所關(guān)注的主要因素(一)償還歷史影響FICO得分的最重要的因素是客戶的信用償還歷史,大約占總影響因素的35%。支付歷史主要顯示客戶的歷史償還情況,以幫助貸款方了解該客戶是否存在歷史的逾期還款記錄,主要包括:(1)各種信用賬戶的還款記錄,包括信用卡(例如:Visa、MasterCard、AmericanExpress、Discover)、零售賬戶(直接從商戶獲得的信用)、分期償還貸款、金融公司賬戶、抵押貸款。(2)公開(kāi)記錄及支票存款記錄,該類(lèi)記錄主要包括破產(chǎn)記錄、喪失抵押品贖回權(quán)記錄、法律訴訟事件、留置權(quán)記錄及判決。涉及金額大的事件比金額小的對(duì)FICO得分的影響要大,同樣的金額下,越晚發(fā)生的事件要比早發(fā)生的事件對(duì)得分的影響大。一般來(lái)講,破產(chǎn)信息會(huì)在信用報(bào)告上記錄7-10年。(3)逾期償還的具體情況,包括,逾期的天數(shù)、未償還的金額、逾期還款的次數(shù)和逾期發(fā)生時(shí)距現(xiàn)在的時(shí)間長(zhǎng)度等。2021/5/92021/5/9?8FICO評(píng)分模型中所關(guān)注的主要因素

(二)信用賬戶數(shù)該因素僅次于還款歷史記錄對(duì)得分的影響,占總影響因素的30%。對(duì)于貸款方來(lái)講,一個(gè)客戶有信用賬戶需要償還貸款,并不意味著這個(gè)客戶的信用風(fēng)險(xiǎn)高。相反地,如果一個(gè)客戶有限的還款能力被用盡,則說(shuō)明這個(gè)客戶存在很高的信用風(fēng)險(xiǎn),有過(guò)度使用信用的可能,同時(shí)也就意味著他具有更高的逾期還款可能性。該類(lèi)因素主要是分析對(duì)于一個(gè)客戶,究竟多少個(gè)信用賬戶是足夠多的,從而能夠準(zhǔn)確反應(yīng)出客戶的還款能力。(三)使用信用的年限該項(xiàng)因素占總影響因素的15%。一般來(lái)講,使用信用的歷史越長(zhǎng),越能增加FICO信用得分。該項(xiàng)因素主要指信用賬戶的賬齡,既考慮最早開(kāi)立的賬戶的賬齡,也包括新開(kāi)立的信用賬戶的賬齡,以及平均信用賬戶賬齡。據(jù)信用報(bào)告反映,美國(guó)最早開(kāi)立的信用賬戶的平均賬齡是14年,超過(guò)25%的客戶的信用歷史長(zhǎng)于20年,只有不足5%的客戶的信用歷史小于2年。2021/5/92021/5/9?9FICO評(píng)分模型中所關(guān)注的主要因素

(四)新開(kāi)立的信用賬戶該項(xiàng)因素占總影響因素的10%。在現(xiàn)今的經(jīng)濟(jì)生活中,人們總是傾向于開(kāi)立更多的信用賬戶,選擇信用購(gòu)物的消費(fèi)方式,FICO評(píng)分模型也將這種傾向體現(xiàn)在信用得分中。據(jù)調(diào)查,在很短時(shí)間內(nèi)開(kāi)立多個(gè)信用賬戶的客戶具有更高的信用風(fēng)險(xiǎn),尤其是那些信用歷史不長(zhǎng)的人。該項(xiàng)因素主要包括:(1)新開(kāi)立的信用賬戶數(shù),系統(tǒng)將記錄客戶新開(kāi)立的賬戶類(lèi)型及總數(shù);(2)新開(kāi)立的信用賬戶賬齡;(3)目前的信用申請(qǐng)數(shù)量,該項(xiàng)內(nèi)容主要由查詢?cè)摽蛻粜庞玫拇螖?shù)得出,查詢次數(shù)在信用報(bào)告中只保存兩年;(4)貸款方查詢客戶信用的時(shí)間長(zhǎng)度;(5)最近的信用狀況,對(duì)于新開(kāi)立的信用賬戶及時(shí)還款,會(huì)在一段時(shí)間后,提高客戶的FICO得分。(五)正在使用的信用類(lèi)型該項(xiàng)因素占總影響因素的10%,主要分析客戶的信用卡賬戶、零售賬戶、分期付款賬戶、金融公司賬戶和抵押貸款賬戶的混合使用情況,具體包括:持有的信用賬戶類(lèi)型和每種類(lèi)型的信用賬戶數(shù)。2021/5/92021/5/9?10各因素占比圖2021/5/92021/5/9?11FICO信用評(píng)分模型FICO信用評(píng)分的打分范圍是300～850分；FICO信用分可以幫助金融機(jī)構(gòu)等授信機(jī)構(gòu)進(jìn)行授信決策。一般而言，如果借款人的信用分達(dá)到680分以上，授信機(jī)構(gòu)就可以認(rèn)為借款人的信用卓著，可以毫不遲疑地同意發(fā)放貸款；如果借款人的信用分低于620分，授信機(jī)構(gòu)或者要求借款人增加擔(dān)保，或者尋找各種理由拒絕貸款；如果借款人的信用分介于620分～680分之間，授信機(jī)構(gòu)就要作進(jìn)一步的調(diào)查核實(shí)，采用其他的信用分析工具進(jìn)行細(xì)致分析。在美國(guó)的各種信用分析計(jì)算方法中，F(xiàn)ICO信用評(píng)分模型的正確性最高。據(jù)一項(xiàng)統(tǒng)計(jì)顯示：信用分低于FICO600分，借款人違約的比例是1/8；信用分介于FICO700～800分，違約率為1/123；信用分高于FICO800分，違約率為1/1292。2021/5/92021/5/9?12美國(guó)三大征信局三大個(gè)人征信機(jī)構(gòu)也開(kāi)發(fā)出了不依賴(lài)FICO模型的信用評(píng)分，常常被稱(chēng)為FAKO評(píng)分。但是這些信用評(píng)分目前無(wú)法和FICO信用評(píng)分抗衡，只能作為信用教育，免費(fèi)提供給消費(fèi)者。2021/5/92021/5/9?13ZestFinanceZestFinance主要面向兩類(lèi)人群，一類(lèi)是（FICO評(píng)分接近或低于500）無(wú)法獲得基本的信貸需求的人群，解決他們的無(wú)信用評(píng)分借貸問(wèn)題，另一類(lèi)是信用分?jǐn)?shù)不高而借貸成本高的人群，利用大數(shù)據(jù)征信降低他們的信貸成本ZestFinance原名Zestcash，2009年成立于洛杉磯，是一家通過(guò)機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)進(jìn)行個(gè)人信用評(píng)分，服務(wù)于哪些在傳統(tǒng)個(gè)人征信體系下無(wú)法正常使用金融服務(wù)的用戶的科技金融公司。2021/5/92021/5/9?14

ZestFinance的競(jìng)爭(zhēng)優(yōu)勢(shì)------基于大數(shù)據(jù)的信用評(píng)估

到目前為止，ZestFinance使用的原始數(shù)據(jù)信息就多達(dá)上萬(wàn)條，在此基礎(chǔ)上ZestFinance付出了更多努力，開(kāi)發(fā)了包括欺詐模型、還款能力模型、還款意愿模型在內(nèi)的機(jī)器學(xué)習(xí)分析模型，而在相應(yīng)的模型中最多可以得出超過(guò)7萬(wàn)個(gè)可以判斷信貸行為的指標(biāo)，最終可以得出準(zhǔn)確的消費(fèi)者信用評(píng)分。數(shù)據(jù)顯示，與傳統(tǒng)信貸管理業(yè)務(wù)比較，ZestFinance的處理效率提高了將近90%，在風(fēng)險(xiǎn)控制方面，模型相比于傳統(tǒng)信用評(píng)估模型性能則提高了40%。2021/5/92021/5/9?152016年7月18日下午消息，百度宣布投資美國(guó)金融科技公司ZestFinance，數(shù)額未公布，而早在2015年6月份，ZestFinance還曾獲得京東集團(tuán)1.5億美元投資，雙方還宣布成立名為JD-ZestFinanceGaia的合資公司。NEWS京東和百度同時(shí)看中ZestFinance2021/5/92021/5/9?16ZestFinance將為京東與百度提供強(qiáng)大支撐在投資ZestFinance并展開(kāi)合作之后，就可以通過(guò)運(yùn)用其先進(jìn)的大數(shù)據(jù)信用模型構(gòu)建技術(shù)和經(jīng)驗(yàn)，為京東金融提供信用模型和技術(shù)，幫助前者更好的挖掘互聯(lián)網(wǎng)用戶群、年輕消費(fèi)者的信用價(jià)值，防范因當(dāng)前國(guó)內(nèi)個(gè)人信用體系不健全導(dǎo)致的信貸風(fēng)險(xiǎn)。更重要的是，京東手中掌握著億級(jí)用戶的電商消費(fèi)軌跡和物流數(shù)據(jù)，這意味著那些游離于傳統(tǒng)信用體系之外的強(qiáng)消費(fèi)能力群體，可以經(jīng)ZestFinance之手成為京東布局消費(fèi)金融的潛在用戶群體。而百度更加看重的或許是ZestFinance對(duì)海量大數(shù)據(jù)庫(kù)的靈活運(yùn)用和強(qiáng)大分析，百度的大量用戶搜索數(shù)據(jù)完全可以通過(guò)ZestFinance的技術(shù)用于貸款承銷(xiāo)和評(píng)估信用風(fēng)險(xiǎn)。2021/5/92021/5/9?17國(guó)內(nèi)信用評(píng)分的發(fā)展階段2021/5/92021/5/9?18商業(yè)銀行評(píng)分商業(yè)銀行評(píng)分早期是打分表（卡）形式，基本上是某一個(gè)特征對(duì)應(yīng)某一個(gè)分?jǐn)?shù)，比如說(shuō)單位的性質(zhì)，如果是國(guó)家機(jī)關(guān)對(duì)應(yīng)給一個(gè)分?jǐn)?shù)，事業(yè)單位也對(duì)應(yīng)相應(yīng)的分?jǐn)?shù)，不同的單位性質(zhì)對(duì)應(yīng)不同的分?jǐn)?shù)，這種形式就是打分表或打分卡形式。實(shí)際上，評(píng)分卡是通用稱(chēng)呼，評(píng)分都可以用評(píng)分卡形式表現(xiàn)。這種評(píng)分卡很多是基于信貸員或風(fēng)險(xiǎn)經(jīng)理的業(yè)務(wù)經(jīng)驗(yàn)，不見(jiàn)得比模型的方式效果差。當(dāng)然，這種評(píng)分卡可能存在一種問(wèn)題，制定的標(biāo)準(zhǔn)執(zhí)行上會(huì)因?yàn)閭€(gè)人的喜好而變，不像自動(dòng)化的方式那么一致。所以在一致性和穩(wěn)定性上可能存在一些問(wèn)題，也會(huì)影響準(zhǔn)確性。2021/5/92021/5/9?19商業(yè)銀行評(píng)分表2021/5/92021/5/9?20試點(diǎn)信用機(jī)構(gòu)評(píng)分上海資信是人民銀行和上海市政府合作成立的征信試點(diǎn)機(jī)構(gòu)，它采集上海的所有的金融機(jī)構(gòu)金融信息，特別是信貸信息，包括上海市的一些政務(wù)方面的信息，如公積金和社保，它主要服務(wù)于上海市的所有金融機(jī)構(gòu)。2002年開(kāi)發(fā)了個(gè)人的信用評(píng)分，叫做個(gè)人綜合信用管理評(píng)分，設(shè)的分值區(qū)間是-1000——1000，這個(gè)分值很有意思，它實(shí)際上相當(dāng)于兩個(gè)評(píng)分，但把它們放到一塊去了。一個(gè)是-1000到0，這個(gè)分是針對(duì)跟金融機(jī)構(gòu)尤其跟銀行是沒(méi)有打過(guò)交道人的評(píng)分；0到1000是給跟銀行打過(guò)交道的人的評(píng)分。目前評(píng)分分值區(qū)間已調(diào)整到0到2000，實(shí)際上仍然是一樣的，只不過(guò)是統(tǒng)一加了1000。上海資信2021/5/92021/5/9?21鵬元征信是專(zhuān)門(mén)開(kāi)展個(gè)人及企業(yè)征信、個(gè)人及企業(yè)評(píng)分、征信系統(tǒng)設(shè)計(jì)開(kāi)發(fā)、軟件設(shè)計(jì)開(kāi)發(fā)和中小企業(yè)信用風(fēng)險(xiǎn)控制等業(yè)務(wù)的專(zhuān)業(yè)征信機(jī)構(gòu)。2005年4月底，鵬元征信自主研發(fā)的個(gè)人綜合信用風(fēng)險(xiǎn)評(píng)分——“鵬元800”，正式對(duì)授信機(jī)構(gòu)及個(gè)人提供信用評(píng)分查詢服務(wù)?！谤i元800”通過(guò)建立數(shù)學(xué)模型對(duì)個(gè)人信用信息進(jìn)行統(tǒng)計(jì)分析，以預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)發(fā)生違約風(fēng)險(xiǎn)的可能性，并用一個(gè)分?jǐn)?shù)綜合反應(yīng)個(gè)人信用狀況。該信用評(píng)分體系共設(shè)6個(gè)等級(jí)，從320分到800分，每80分一級(jí)，把個(gè)人信用狀況詳細(xì)量化，每個(gè)分?jǐn)?shù)對(duì)應(yīng)一個(gè)違約概率，分?jǐn)?shù)越高表示違約風(fēng)險(xiǎn)越低。鵬元征信2021/5/92021/5/9?22征信中心評(píng)分信用報(bào)告“數(shù)字解讀”是為信貸市場(chǎng)風(fēng)險(xiǎn)控制提供的一種快捷的征信服務(wù)，是在中國(guó)人民銀行征信中心與美國(guó)費(fèi)埃哲公司（FairIsaacCorporation）合作進(jìn)行個(gè)人征信評(píng)分研究項(xiàng)目的基礎(chǔ)上，利用我國(guó)個(gè)人金融信用信息基礎(chǔ)數(shù)據(jù)庫(kù)（以下簡(jiǎn)稱(chēng)“個(gè)人征信系統(tǒng)”）的信貸數(shù)據(jù)開(kāi)發(fā)出來(lái)的，是對(duì)個(gè)人信用報(bào)告信息的量化，可幫助信貸機(jī)構(gòu)更加方便、快速和一致地使用信用報(bào)告信息，了解客戶的當(dāng)前信貸風(fēng)險(xiǎn)狀況，以及預(yù)測(cè)信貸機(jī)構(gòu)個(gè)人客戶在未來(lái)一段時(shí)間內(nèi)發(fā)生信貸違約的可能性。信用報(bào)告“數(shù)字解讀”的分?jǐn)?shù)范圍為0-1000分，每個(gè)分?jǐn)?shù)對(duì)應(yīng)一定的違約率。分值越高，表示未來(lái)發(fā)生信貸違約的可能性越低，其信用風(fēng)險(xiǎn)越??；分值越低，表示未來(lái)發(fā)生信貸違約的可能性越高，其信用風(fēng)險(xiǎn)越大。一般情況下，高分人群整體的信用狀況優(yōu)于低分人群，即未來(lái)發(fā)生信貸違約的可能性較低。2021/5/92021/5/9?23數(shù)字解讀考察信用報(bào)告五大類(lèi)信息還款情況。其所考察的因素包括：各類(lèi)信貸產(chǎn)品當(dāng)前和歷史的還款情況、逾期還款的細(xì)節(jié)、按時(shí)還款的次數(shù)、擁有良好還款記錄的信貸賬戶個(gè)數(shù)等等。負(fù)債水平。包括以下考慮因素：各類(lèi)信貸產(chǎn)品的信貸額度、當(dāng)前余額；當(dāng)前總負(fù)債額度和比例；有貸款余額的產(chǎn)品數(shù)量等等。

信用歷史?？疾煲蛩匕ǎ鹤钤玳_(kāi)立的信貸產(chǎn)品的賬齡；所有信貸產(chǎn)品的平均賬齡、某特定類(lèi)型產(chǎn)品的賬齡等等。相較前兩類(lèi)信息而言，此類(lèi)信息在總體評(píng)估中占的比重較輕。

近期信貸申請(qǐng)。考察消費(fèi)者近期對(duì)新的信貸產(chǎn)品的申請(qǐng)和使用情況。包括：最近一段時(shí)期有多少新開(kāi)立的信貸產(chǎn)品；最近申請(qǐng)了多少次信貸產(chǎn)品等等。相較前兩類(lèi)信息而言，此類(lèi)信息在總體評(píng)估中占的比重較輕。

產(chǎn)品種類(lèi)?？疾炷心男┓N類(lèi)的信貸產(chǎn)品，以及這些產(chǎn)品的組合情況。相較前兩類(lèi)信息而言，此類(lèi)信息在總體評(píng)估中占的比重較輕。2021/5/92021/5/9?24驗(yàn)證和使用情況模型驗(yàn)證根據(jù)業(yè)界共識(shí)，評(píng)分模型KS值（衡量模型對(duì)好壞人群的區(qū)分能力的指標(biāo)，取值在0到1，數(shù)值越大代表模型區(qū)分能力越強(qiáng)）達(dá)到30%以上認(rèn)為評(píng)分模型是可用的?！皵?shù)字解讀”在不同的業(yè)務(wù)類(lèi)型和客戶類(lèi)型上均超過(guò)30%以上，好壞區(qū)分能力較好。例如，若未來(lái)24個(gè)月客戶在驗(yàn)證機(jī)構(gòu)的任一信貸業(yè)務(wù)逾期90天以上為“壞客戶”，在這一定義下，“數(shù)字解讀”模型在信用卡、住房貸款、消費(fèi)貸款業(yè)務(wù)新申請(qǐng)客戶群的KS值平均達(dá)到46.6%、38.9%、54.7%，在這三類(lèi)業(yè)務(wù)存量客戶群的KS值平均達(dá)到64%、51.2%、64%。使用情況截至2015年12月31日，有24家機(jī)構(gòu)已開(kāi)通“數(shù)字解讀”查詢權(quán)限，包括14家全國(guó)性商業(yè)銀行、4家城商行和農(nóng)商行、1家外資銀行、1家消費(fèi)金融公司、4家汽車(chē)金融公司。其中17家機(jī)構(gòu)已累計(jì)查詢含“數(shù)字解讀”的信用報(bào)告1.16億，查詢量最大的是某全國(guó)性商業(yè)銀行，共6300多萬(wàn)筆。2021/5/92021/5/9?25市場(chǎng)機(jī)構(gòu)評(píng)分2021/5/92021/5/9?26

芝麻信用分評(píng)分指標(biāo)

一、身份特征（15%）這個(gè)指標(biāo)主要是確認(rèn)你是“你”，不是別人！包括實(shí)名認(rèn)證，地址信息，學(xué)校信息，公司信息等。二、信用歷史（35%）這個(gè)指標(biāo)主要確認(rèn)你以前是個(gè)誠(chéng)實(shí)的人。主要從支付寶賬戶，征信系統(tǒng)和其它系統(tǒng)提取的信用卡記錄，借唄花唄還款記錄，水電煤繳費(fèi)情況等等三、履約能力（20%）這個(gè)指標(biāo)主要是證明你未來(lái)有錢(qián)還。比如在阿里系有股票基金，余額寶還有支付寶余額等等！四、人脈關(guān)系（5%）這個(gè)指標(biāo)主要是從側(cè)面證明你的還款能力，一般來(lái)說(shuō)有土豪朋友的人，自己也不會(huì)太差。這塊指標(biāo)的數(shù)據(jù)應(yīng)該是參考通訊錄的轉(zhuǎn)賬數(shù)據(jù)還有微博的人脈關(guān)系等等（有大V關(guān)注你，那證明你的信用應(yīng)該還不錯(cuò)）。五、行為偏好（25%）這個(gè)指標(biāo)主要是證明你以前的消費(fèi)能力，以前消費(fèi)層次越高，說(shuō)明你的還款能力應(yīng)該不錯(cuò)。主要是在淘寶的消費(fèi)記錄，比如購(gòu)物的頻率，消費(fèi)的層次等等2021/5/92021/5/9?272021/5/92021/5/9?282021/5/92021/5/9?292021/5/92021/5/9?30芝麻信用暫存的問(wèn)題

目前芝麻信用分如何評(píng)判、主要影響因素有哪些，通過(guò)何種手段可以影響信用分已經(jīng)成為“公開(kāi)的秘密”?；ヂ?lián)網(wǎng)的虛擬性又給數(shù)據(jù)的來(lái)源罩上了一層面紗，這使得數(shù)據(jù)造假更為可能。希望獲得更高信用額度的小微企業(yè)、商家乃至個(gè)人，可能根據(jù)評(píng)分系統(tǒng)的要求，刻意美化數(shù)據(jù)，導(dǎo)致評(píng)分結(jié)果缺乏真實(shí)性。另外，雖然芝麻信用目前數(shù)據(jù)來(lái)源非常廣泛，但細(xì)究就會(huì)發(fā)現(xiàn)仍未跳脫“阿里體系”。換言之，芝麻信用分評(píng)估所用的數(shù)據(jù)，幾乎都是來(lái)自阿里巴巴所涉及的領(lǐng)域，而其他領(lǐng)域則相對(duì)空白。那么，若用戶很少在淘寶上購(gòu)物或不曾使用阿里金融，芝麻信用對(duì)該類(lèi)用戶的信息數(shù)據(jù)采集將會(huì)變得很困難，致使評(píng)分成果不完善。數(shù)據(jù)的真實(shí)性和有效性問(wèn)題2021/5/92021/5/9?31評(píng)分體系適用性問(wèn)題目前，芝麻信用乃至整個(gè)互聯(lián)網(wǎng)征信行業(yè)仍處在探索階段。對(duì)一個(gè)系統(tǒng)是否具有適用性的評(píng)價(jià)往往需要若干個(gè)建立、驗(yàn)證、修正、再驗(yàn)證的周期才能趨于成熟。而芝麻信用目前剛剛從建立階段進(jìn)入驗(yàn)證階段，體系中許多指標(biāo)還需要修改、完善。并且，芝麻信用的評(píng)分采用的是互聯(lián)網(wǎng)行為數(shù)據(jù)，而用戶互聯(lián)網(wǎng)行為和社會(huì)行為的差異可能使得傳統(tǒng)的信用理論和算法未必適用于互聯(lián)網(wǎng)征信，其適用性將對(duì)評(píng)估結(jié)果的準(zhǔn)確產(chǎn)生影響。2021/5/92021/5/9?32個(gè)人隱私及信息安全問(wèn)題

目前，互聯(lián)網(wǎng)征信剛剛起步，國(guó)內(nèi)尚未出臺(tái)相關(guān)規(guī)定，如何保證來(lái)自各個(gè)平臺(tái)的數(shù)據(jù)和信息都被合理監(jiān)管，不被外泄，是用戶最擔(dān)心的問(wèn)題。而對(duì)芝麻信用平臺(tái)來(lái)說(shuō)，由于缺乏規(guī)定，部分重要數(shù)據(jù)可否被合法采集，對(duì)評(píng)估體系有著重要的影響。信息安全已成為芝麻信用目前面臨也將長(zhǎng)期面臨的最主要問(wèn)題。2021/5/92021/5/9?33信用評(píng)分評(píng)價(jià)的標(biāo)準(zhǔn)2021/5/92021/5/9?34信用評(píng)分評(píng)價(jià)的標(biāo)準(zhǔn)準(zhǔn)確性：構(gòu)建評(píng)分模的目的就是為了能夠區(qū)分目標(biāo)客戶的好壞優(yōu)劣?？梢允褂肒-S值來(lái)評(píng)價(jià)。K-S值越大，表示評(píng)分模型能夠?qū)ⅰ昂每蛻簟?、“壞客戶”區(qū)分開(kāi)來(lái)的程度越大。一致性：一個(gè)評(píng)分是不是未來(lái)能夠很好運(yùn)用，要看評(píng)分和違約率未來(lái)有沒(méi)有確定的、一致的對(duì)應(yīng)關(guān)系。比如，800分對(duì)應(yīng)違約率是1/1000，你隨機(jī)地抽足夠多一個(gè)800分的群體，未來(lái)發(fā)生違約的概率都應(yīng)該是1/1000。如果這個(gè)月800分對(duì)應(yīng)千分之一，下個(gè)月對(duì)應(yīng)千分之二，就不能做到一致性。穩(wěn)定性：一個(gè)評(píng)分模型不能夠穩(wěn)定持續(xù)地進(jìn)行評(píng)估，任何一家機(jī)構(gòu)就很難去使用，因?yàn)樾枰焯煺{(diào)整策略和系統(tǒng)?？山忉屝裕喝绻荒軌蚪忉岋@然就沒(méi)有公平而言，純粹一個(gè)黑箱子，對(duì)于金融消費(fèi)者的權(quán)益保護(hù)非常不利。并且如果不能解釋?zhuān)a(chǎn)生風(fēng)險(xiǎn)的原因會(huì)不會(huì)突然改變就不知道，會(huì)不會(huì)造成系統(tǒng)性風(fēng)險(xiǎn)，這些都是需要考慮的。2021/5/92021/5/9?35美國(guó)信用評(píng)分目前的應(yīng)用情況傳統(tǒng)信貸的應(yīng)用：信用評(píng)分在傳統(tǒng)信貸領(lǐng)域應(yīng)用的基本功能是信貸審批和信貸風(fēng)險(xiǎn)定價(jià)，涵蓋了信用卡生命周期管理、住房抵押貸款、汽車(chē)貸款和消費(fèi)信貸。放貸者利用信用評(píng)分來(lái)決定是否授信，決定提供多少信用額度，用什么條款。例如美國(guó)的房利美和房地美利用信用評(píng)分啟動(dòng)了自動(dòng)化的信貸審批系統(tǒng)，使得信貸管理人員將房地產(chǎn)抵押貸款審批流程化。信貸組合的估價(jià)：個(gè)人借貸者的信用評(píng)分也被信貸組合購(gòu)買(mǎi)者、信貸組合的資產(chǎn)證券化購(gòu)買(mǎi)者以及評(píng)級(jí)機(jī)構(gòu)使用，來(lái)預(yù)測(cè)借貸者償還的可能性和及時(shí)性，預(yù)測(cè)用來(lái)對(duì)組合定價(jià)的未來(lái)現(xiàn)金流。市場(chǎng)營(yíng)銷(xiāo)：信用評(píng)分被用在授信前的提前篩選，特別是信用卡信用額度決策。賬戶維護(hù)和賬戶審查：信用卡的發(fā)放者常常定期審查消費(fèi)者的信用報(bào)告和信用評(píng)分來(lái)決定是否提高或降低信用額度、利率以及是否提供一些特別的服務(wù)（如余額轉(zhuǎn)移）。其它的放貸者也在信用管理過(guò)程中使用信用評(píng)分，或者評(píng)估是否對(duì)已有的顧客進(jìn)行交叉銷(xiāo)售新產(chǎn)品。2021/5/92021/5/9?36保險(xiǎn)領(lǐng)域的應(yīng)用：信用評(píng)分也常常用于汽車(chē)保險(xiǎn)和居民保險(xiǎn)過(guò)程中的定價(jià)。從1990年開(kāi)始，個(gè)人征信機(jī)構(gòu)開(kāi)始開(kāi)發(fā)特定的保險(xiǎn)評(píng)分，幫助保險(xiǎn)公司來(lái)評(píng)價(jià)潛在顧客的保險(xiǎn)風(fēng)險(xiǎn)。研究表明，通過(guò)使用這種保險(xiǎn)評(píng)分，大部分消費(fèi)者可以降低保費(fèi)，信用評(píng)分高的消費(fèi)者往往索賠的次數(shù)比較少。消費(fèi)場(chǎng)景中的應(yīng)用：由于征信機(jī)構(gòu)可以根據(jù)請(qǐng)求很快地提供信用報(bào)告和信用評(píng)分，在一些“獲得信貸是消費(fèi)者購(gòu)買(mǎi)決策中重要組成部分”的交易場(chǎng)景中，例如汽車(chē)交易和百貨商店，信用評(píng)分和自動(dòng)化的信貸審批可以實(shí)現(xiàn)即時(shí)授信。信用評(píng)分還被用于電信公司、水電公司以及消費(fèi)信用相關(guān)的企業(yè)。信用評(píng)分還被用于雇傭過(guò)程中雇員背景調(diào)查，盡管一些州立法限制信用評(píng)分僅能用到某一些特殊職位。宏觀經(jīng)濟(jì)分析的應(yīng)用：信用評(píng)分已經(jīng)成為度量與信用風(fēng)險(xiǎn)相關(guān)的金融資產(chǎn)質(zhì)量的重要的行業(yè)指標(biāo)之一，并間接地用于度量消費(fèi)者參與經(jīng)濟(jì)活動(dòng)的能力，成為美國(guó)國(guó)家金融基礎(chǔ)設(shè)施不可或缺的一個(gè)重要組成部分。例如美國(guó)聯(lián)邦貨幣監(jiān)理署每季度發(fā)布的《住房抵押貸款指標(biāo)報(bào)告》就一直利用信用評(píng)分為資產(chǎn)分類(lèi)；美國(guó)聯(lián)邦監(jiān)管部門(mén)用FICO信用評(píng)分小于或等于660分（取決于產(chǎn)品類(lèi)型和抵押品情況）或其他評(píng)分的等價(jià)定義次級(jí)貸款違約可能性。2021/5/92021/5/9?37信用評(píng)分在我國(guó)的未來(lái)應(yīng)用前景廣闊中誠(chéng)信信用分個(gè)人信用評(píng)分已在醫(yī)療、保險(xiǎn)、學(xué)生創(chuàng)業(yè)就業(yè)等方面開(kāi)展廣泛應(yīng)用,評(píng)分高的個(gè)人,在醫(yī)院做手術(shù)時(shí)可免交押金,去企業(yè)應(yīng)聘時(shí)會(huì)提升成功率,還將開(kāi)辟租房市場(chǎng)的應(yīng)用?？祭庞梅之?dāng)用戶的個(gè)人考拉信用分達(dá)到一定的等級(jí)時(shí)，用戶就可以享受免押金租車(chē)、租房等優(yōu)待；而考拉商戶信用分也能幫助符合資質(zhì)的小微企業(yè)解決融資難問(wèn)題。考拉征信的商戶信用分的優(yōu)勢(shì)在于搶占了國(guó)內(nèi)小微企業(yè)市場(chǎng)的先機(jī)，創(chuàng)新地將商戶交易流水、稅務(wù)、財(cái)務(wù)、黑名單以及商戶資質(zhì)等6種信息結(jié)合起來(lái)，為廣闊的小微市場(chǎng)提供了貸款解決方案新思路。2021/5/92021/5/9?38芝麻信用分的應(yīng)用——生活社交領(lǐng)域登機(jī)不用排隊(duì)，享受安檢快速通道，這種原本只屬于高端信用卡客戶或者企業(yè)高級(jí)用戶才能享受到的快捷服務(wù)，現(xiàn)在在北京首都國(guó)際機(jī)場(chǎng)乘機(jī)的旅客，若芝麻信用分?jǐn)?shù)達(dá)到750分以上便只需在機(jī)場(chǎng)指定位置打開(kāi)支付寶APP，掃描宣傳海報(bào)上的芝麻信用二維碼，將芝麻信用頁(yè)面向機(jī)場(chǎng)工作人員出示，即可享受首都機(jī)場(chǎng)CIP貴賓通道（商務(wù)貴賓通道）相較于普通安檢口需要排隊(duì)20分鐘以上，CIP貴賓通道僅需等待3至4個(gè)人次，即可完成安檢，其便捷性和高效性是很有優(yōu)勢(shì)的與此同時(shí),芝麻信用也在租車(chē)、租房、婚戀、簽證等多個(gè)領(lǐng)域商定了合作伙伴,并率先與“阿里旅行·去啊”合作推出基于信用的酒店服務(wù)計(jì)劃,只要信用分600以上便可享受免押金和延時(shí)付款服務(wù)。2021/5/92021/5/9?39消費(fèi)金融領(lǐng)域個(gè)人消費(fèi)金融領(lǐng)域，為用戶提供信貸服務(wù)?！拔浵伣鸱被谥ヂ樾庞梅?，發(fā)展了3款產(chǎn)品，即花唄、借唄以及好期貸。公司根據(jù)用戶的芝麻信用分來(lái)匹配個(gè)人相應(yīng)額度的消費(fèi)貸款，用戶可以將這些額度提現(xiàn)到支付寶余額。貸款金額為1千元至5萬(wàn)元不等，還款最長(zhǎng)期限為12個(gè)月，貸款日