楊濤：如何加快信用信息共享步伐，完善征信體系建設？

來源：中新經緯APP

日前公布的政府工作報告指出要“加快信用信息共享步伐”，這也表明中央對于征信體系發展的高度重視。

需要看到，當前我們的征信系統建設進展令人矚目。二代征信系統2020年正式上線運行，據統計，截至2020年12月底，征信系統共收錄超11億自然人、6092萬戶企業及其他組織。對比2015年末，當時隻收錄8.8億自然人，企業及其他組織2120萬戶。同時，二代征信系統能夠解決循環貸、信用卡大額專項分期、共同借款人、企業爲個人擔保、個人爲企業擔保、逾期後還款信息等一代征信無法覆蓋的信息，有效應對“離婚式購房”“信用卡0賬單套利”等政策套利，提高了業務可拓展性，也實現企業和個人的信用數據共享。

我們認爲，要進一步推動征信體系的完善，離不開生态與模式、新技術應用等要素，同時也需關注中央與地方的多層次征信協調發展。

首先就行業生态來看，中國征信體系的完善仍然在路上。一是，雖然現代規則逐漸“補位”，但在頂層設計與法律制度方面還有所不足。可以借鑒的是，美國征信體系雖市場化運作，但行業規範與制度建設卻成效顯著。通過《公平信用報告法》《公平債務催收法》《金融服務現代化法》《銀行保密法》《信息自由法》《金融隐私權法》等衆多部法律，共同形成較全面的征信法律體系。

二是，數據與業務層面的規範性還需深入探讨。如美國征信行業監管者與協會共同制定了标準的征信數據采集格式Metro2，使得跨行業共享數據成爲可能。同時，關于金融數據與非金融數據、核心征信數據與替代數據的邊界，也需要進一步深入考量。世界銀行把借貸信息以外的征信數據定義爲替代數據，利用替代數據刻畫企業和個人的信用狀況，是近年來興起的新趨勢，個人和企業的身份、地址、交通、通信、債務、财産、支付、消費、生産經營等大多屬于替代數據。在中國，以企業爲例，相關替代數據已經有包括工商登記信息、涉稅信息、用電數據、用水數據、海關數據、環保數據、用工數據獎懲數據、司法訴訟數據等。

三是在業務層面，爲了推動征信運行的高效安全，離不開幾方面的優化：拓寬和規範信用信息數據的采集機制、改善信用信息管理與評估評價模式、推動信用産品與服務的創新和完善。

其次，近年來人工智能、區塊鏈、雲計算、大數據等新技術快速發展和應用，對征信服務也帶來深刻影響。對此也需理性看待，應該根據征信業務的痛點，選擇新技術的應用。因爲新技術并非是萬能的，也不一定能夠對現有體系帶來“颠覆性”效果。同時，需重視綜合技術解決方案，實現不同技術的協調配合。應該說，技術應用的真正價值，是完善原有征信體系的功能不足。例如，可以運用AI更準确地評估用戶信用，AI可以查看消費者信用記錄中的某些數據點，計算其即将償還的概率，或者考慮那些過去一年基于特定原因沒有還款，但是在某個數據點卻償還所有款項的人群。

此外，人民銀行此前還表示會抓住戰略機遇，推動地方征信平台建設，完善“全國+地方”雙層發展體系。對此，地方征信平台和全國性征信系統完全可以相輔相成、統籌協調，充分發揮各自優勢。可以說，目前諸多城市都在積極進行地方征信平台的改革探索，通過把握公共信用信息的歸集、使用與共享，可以不斷總結公共信用信息管理經驗，對于完善中國社會信用體系、提高全社會誠信水平、補充央行征信服務都有重要的價值。當然，要更好地發揮“央地互補”功能，還需注意幾方面的問題。一是需要進一步明确地方征信發展中的規則與邊界。目前也有許多地方“一哄而上”嘗試地方征信平台，然而在實踐中，地方公共信用信息管理沒有統一的标準，定義混亂模糊，不同部門的信息歸集與公開程度不一，制定公共信用信息目錄的随意性較大，也是目前存在的突出問題。二是在系統層面，是否需要、以及能否實現人民銀行數據庫與各地方信用數據庫的對接與共享，最大限度地發揮各地多層次信用數據體系的規模效應，也值得商榷和探讨。三是要實現功能的差異與互補，真正滿足不同層次需求與地方特色。例如，有的城市具有特定優勢産業，包括科技、綠色、海洋、農業等等，也有的城市民間資本豐富、民營企業發達，那麽其地方征信平台就應着重服務于地方優勢領域，起到助推與引領作用。也有的地方經濟金融發展相對落後，迫切需要補征信短闆，那麽則可以充分運用新技術、大數據，重點彌補現有征信系統難以覆蓋的領域。

最後，值得探讨的是中國征信市場還有許多不完善的地方，存在大量非法從事征信業務、侵害信息主體權益等問題，對此監管與制度建設也需要與時俱進，規範征信市場發展。一是從體制機制上，不斷完善不同層面的法律、法規、規則完善，持續優化多層次的監管協調機制；二是從監管程序上，注重梳理和完善事先、事中監督，事後懲戒與救濟；三是強調征信不能濫用，尤其不能替代信用與道德判斷；四是要有效甄别非法征信活動的邊界，因爲有的确實是“壞分子”，有的則是改革探索期、制度模糊期的有效創新嘗試。前者如監管者所關注的、提供征信服務中的諸多違法違規行爲，如：以欺騙、脅迫、誘導的方式；以向被采集的個人或企業收費的方式；從非法渠道采集；以其他侵害信息主體合法權益的方式。後者則需更加謹慎地分析。