大數(shù)據(jù)資信評(píng)估拓展了信用信息的內(nèi)涵，豐富了信用信息的內(nèi)容，提高了資信評(píng)估的決策質(zhì)量，降低了傳統(tǒng)資信評(píng)估的數(shù)據(jù)門(mén)檻，彌補(bǔ)了傳統(tǒng)資信評(píng)估市場(chǎng)的不足。大數(shù)據(jù)資信評(píng)估市場(chǎng)空間巨大，最終會(huì)占據(jù)主導(dǎo)地位，但會(huì)加劇該市場(chǎng)的壟斷性。本文主要結(jié)合企業(yè)信用評(píng)級(jí)和個(gè)人信用評(píng)分探討大數(shù)據(jù)對(duì)傳統(tǒng)資信評(píng)估的影響，這對(duì)于推進(jìn)中國(guó)評(píng)級(jí)市場(chǎng)和征信市場(chǎng)的跨越式發(fā)展，完善社會(huì)信用體系具有非常重要的理論意義與實(shí)踐意義。

1830年，英國(guó)倫敦第一家現(xiàn)代征信機(jī)構(gòu)的出現(xiàn)標(biāo)志著資信評(píng)估行業(yè)的誕生。到20世紀(jì)初，資信評(píng)估行業(yè)逐漸形成了信用評(píng)級(jí)和征信兩大相對(duì)獨(dú)立的分支。前者主要服務(wù)于資本市場(chǎng)，如美國(guó)的標(biāo)普、中國(guó)的大公國(guó)際等公司；后者主要服務(wù)于借貸市場(chǎng)，如美國(guó)的FICO公司、中國(guó)的中國(guó)人民銀行征信中心等機(jī)構(gòu)。從1830年到21世紀(jì)初，資信評(píng)估行業(yè)基本上可以劃分為20世紀(jì)中期之前的前電子化資信評(píng)估和之后的電子化資信評(píng)估兩個(gè)階段。為便于對(duì)比分析，接下來(lái)本文將電子化資信評(píng)估定義為傳統(tǒng)資信評(píng)估，將目前依托大數(shù)據(jù)的資信評(píng)估簡(jiǎn)稱(chēng)為大數(shù)據(jù)資信評(píng)估，如Zest Finance、Kreditech、Wecash閃銀等公司均是采用大數(shù)據(jù)資信評(píng)估。資信評(píng)估對(duì)于揭示經(jīng)濟(jì)金融市場(chǎng)中的信用風(fēng)險(xiǎn)，提高資源配置和金融市場(chǎng)效率具有十分重要的意義。

大數(shù)據(jù)是信息時(shí)代發(fā)展到數(shù)字化階段的結(jié)果與體現(xiàn)，盡管對(duì)于大數(shù)據(jù)以及大數(shù)據(jù)時(shí)代的定義還存在一些爭(zhēng)議，但是大數(shù)據(jù)對(duì)人類(lèi)社會(huì)、經(jīng)濟(jì)、思想、文化等領(lǐng)域的影響與沖擊則是有目共睹，并且這種影響日益深刻與廣泛[1]。大數(shù)據(jù)時(shí)代的一個(gè)突出特征就是信息量及增長(zhǎng)速度的飛速提高，同時(shí)信息傳輸方式越來(lái)越便捷。而揭示信用風(fēng)險(xiǎn)的資信評(píng)估正是以信用信息為加工和分析的載體，當(dāng)前大數(shù)據(jù)對(duì)傳統(tǒng)資信評(píng)估尤其是在企業(yè)信用評(píng)級(jí)和個(gè)人信用評(píng)分方面產(chǎn)生了巨大的沖擊。

一、拓展了傳統(tǒng)資信評(píng)估的信用信息基礎(chǔ)

（一）拓展了信用信息的內(nèi)涵

信用信息指反映或描述信用主體信用狀況的相關(guān)數(shù)據(jù)和資料等，主要包括政府信用信息、企業(yè)信用信息和個(gè)人信用信息。在傳統(tǒng)資信評(píng)估中，企業(yè)信用信息主要指資產(chǎn)負(fù)債信息、經(jīng)營(yíng)信息等，個(gè)人信用信息主要指銀行記錄以及負(fù)債等信息（見(jiàn)表1）[2]。無(wú)論企業(yè)還是個(gè)人，財(cái)務(wù)信息都在傳統(tǒng)資信評(píng)估中居于核心地位。而大數(shù)據(jù)資信評(píng)估中，信用主體的任何信息都是信用信息，如客戶屬性、網(wǎng)上交易記錄、網(wǎng)上信用評(píng)價(jià)、網(wǎng)上交易習(xí)慣、社交網(wǎng)絡(luò)信息以及財(cái)務(wù)信息等。信用信息的范圍和類(lèi)型沒(méi)有邊界，財(cái)務(wù)信息不再是最主要的部分，只是信用信息的一部分，甚至是很小的一部分。以Zest Finance為例，傳統(tǒng)信用數(shù)據(jù)最多占30%～40%。相反，許多傳統(tǒng)資信評(píng)估排除在外的信息，反而成為重要的信用信息，如拼寫(xiě)習(xí)慣、設(shè)備終端品牌，填寫(xiě)問(wèn)卷的時(shí)間、瀏覽網(wǎng)絡(luò)的時(shí)段、輸入差錯(cuò)頻率、手機(jī)的使用情況和位置數(shù)據(jù)等。信用信息內(nèi)涵的無(wú)限制拓展全方位改變了傳統(tǒng)資信評(píng)估的運(yùn)行模式，這也是大數(shù)據(jù)資信評(píng)估不同于傳統(tǒng)資信評(píng)估的最基本前提。

表1:FICO公司個(gè)人信用評(píng)分參考的主要因素及比重

資料來(lái)源：根據(jù)FICO公司網(wǎng)站信息等整理。

（二）拓展了資信評(píng)估信用信息的內(nèi)容

1.拓展了信用信息的來(lái)源

傳統(tǒng)資信評(píng)估的信用信息來(lái)源主要是以銀行為主的金融機(jī)構(gòu)，如私營(yíng)商業(yè)銀行、上市商業(yè)銀行、開(kāi)發(fā)銀行、信用合作社、財(cái)務(wù)公司、信用卡發(fā)卡公司、貸款公司等，另外也有部分公用事業(yè)單位。因此，其信用信息主要是金融交易記錄信息，這一點(diǎn)在中國(guó)人民銀行征信報(bào)告中體現(xiàn)得也非常明顯。而大數(shù)據(jù)資信評(píng)估的信息來(lái)源比較廣泛，除了通過(guò)征信機(jī)構(gòu)獲得傳統(tǒng)資信評(píng)估信息以外，主要借助現(xiàn)代通信技術(shù)，從社交網(wǎng)絡(luò)、電商網(wǎng)絡(luò)、移動(dòng)終端等獲得各種信用信息[3]，并且這些網(wǎng)絡(luò)來(lái)源的信息量非常大。

2.擴(kuò)展了資信評(píng)估的參考變量

美國(guó)FICO信用評(píng)分指標(biāo)不超過(guò)50個(gè)，一般包含15～20個(gè)變量，當(dāng)前中國(guó)人民銀行的個(gè)人信用報(bào)告也包含20個(gè)左右的變量。而美國(guó)的Zest Finance公司進(jìn)行信用評(píng)估時(shí)，采集貸款人1萬(wàn)多條信息，最后遴選出7000條指標(biāo)變量；德國(guó)的Kreditech，采集15000多個(gè)數(shù)據(jù)點(diǎn)；中國(guó)的Wecash閃銀軟件，采集用戶的6000個(gè)數(shù)據(jù)點(diǎn)。

3.增加了信用信息的數(shù)據(jù)類(lèi)型

根據(jù)存儲(chǔ)特征，可以將數(shù)據(jù)分為結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)具有一定的邏輯結(jié)構(gòu)和物理結(jié)構(gòu)，一般存儲(chǔ)在數(shù)據(jù)庫(kù)中，大多存儲(chǔ)在關(guān)系數(shù)據(jù)庫(kù)中。結(jié)構(gòu)化以外的數(shù)據(jù)即為非結(jié)構(gòu)化數(shù)據(jù)，大多以文本的形式存在，不能存儲(chǔ)到數(shù)據(jù)庫(kù)中，而非結(jié)構(gòu)化數(shù)據(jù)中，有一部分又具有一定的邏輯結(jié)構(gòu)和物理結(jié)構(gòu)，如HTML、XML中的一些數(shù)據(jù)，即屬于半結(jié)構(gòu)化數(shù)據(jù)。傳統(tǒng)信用信息對(duì)應(yīng)的數(shù)據(jù)基本是結(jié)構(gòu)化數(shù)據(jù)，可以用二維表描述，而大數(shù)據(jù)時(shí)代的信用信息大多是非結(jié)構(gòu)化數(shù)據(jù)，難以用傳統(tǒng)的數(shù)據(jù)庫(kù)儲(chǔ)存[4]，這就使得大數(shù)據(jù)資信評(píng)估的數(shù)據(jù)分析手段與傳統(tǒng)資信評(píng)估區(qū)別較大（見(jiàn)表2）。

表2:傳統(tǒng)資信評(píng)估與大數(shù)據(jù)資信評(píng)估在信用信息上的比較

資料來(lái)源：根據(jù)Zest Finance公司網(wǎng)站等資料整理。

二、優(yōu)化了資信評(píng)估的決策過(guò)程

（一）數(shù)據(jù)分析從邏輯回歸到機(jī)器學(xué)習(xí)

無(wú)論企業(yè)信用評(píng)級(jí)還是個(gè)人信用評(píng)分，傳統(tǒng)資信評(píng)估的技術(shù)手段側(cè)重于對(duì)抽樣的計(jì)量回歸分析，尤其是正態(tài)分布假設(shè)下的線性回歸，因?yàn)閭鹘y(tǒng)信用數(shù)據(jù)多是橫截面數(shù)據(jù)、時(shí)間序列數(shù)據(jù)和面板數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)。而大數(shù)據(jù)資信評(píng)估所面對(duì)的信息量非常大，并且大多是非結(jié)構(gòu)化數(shù)據(jù)，這就決定了其資信評(píng)估的技術(shù)手段側(cè)重于機(jī)器學(xué)習(xí)，以全樣本為對(duì)象進(jìn)行如因素分析、判別分析、分群分析、決策樹(shù)、類(lèi)神經(jīng)網(wǎng)絡(luò)以及規(guī)則歸納等。而且大數(shù)據(jù)資信評(píng)估對(duì)計(jì)算機(jī)的運(yùn)算能力要求和依賴(lài)程度非常高，如在Zest Finance公司，Hilbert模型中有7000多條變量，75%依靠計(jì)算機(jī)處理，只有25%依靠人工干預(yù)。另外，數(shù)據(jù)分析的目的也更加體現(xiàn)實(shí)用性、可操作性。傳統(tǒng)資信評(píng)估的計(jì)量分析側(cè)重于假設(shè)檢驗(yàn)，包括參數(shù)檢驗(yàn)，而大數(shù)據(jù)資信評(píng)估數(shù)據(jù)分析的目的以預(yù)測(cè)為主，包括具體數(shù)值的預(yù)測(cè)和場(chǎng)景預(yù)測(cè)。[4]

（二）提高了資信評(píng)估的決策效率

上述數(shù)據(jù)分析技術(shù)手段變革的結(jié)果之一，是資信評(píng)估的時(shí)間成本大大降低。以Wecash閃銀為例，5000元人民幣以內(nèi)的微授信在借款人登錄和提交資料以后，10分鐘內(nèi)可以完成授信決策，借款人可以即刻提現(xiàn)；50萬(wàn)元以內(nèi)大額授信需2～3個(gè)工作日可以提現(xiàn)。而Zest Finance對(duì)借款人的上萬(wàn)條數(shù)據(jù)分析在5秒鐘內(nèi)全部完成。Kreditech從各種公開(kāi)來(lái)源的信息判斷借貸者欺詐、欠賬與及時(shí)還款的可能性只需35秒，15分鐘之內(nèi)完成貸款發(fā)放。而在傳統(tǒng)資信評(píng)估最頂尖的FICO評(píng)分中，完成抵押貸款的審批需要0.5個(gè)至2個(gè)工作日，汽車(chē)貸款在1小時(shí)左右，小額消費(fèi)信貸需要15分鐘。其決策時(shí)長(zhǎng)遠(yuǎn)遠(yuǎn)高于大數(shù)據(jù)資信評(píng)估。

大數(shù)據(jù)資信評(píng)估的另一個(gè)優(yōu)勢(shì)就是申請(qǐng)人可以隨時(shí)借助互聯(lián)網(wǎng)終端進(jìn)行申請(qǐng)信貸，不受時(shí)間與設(shè)備的限制，而傳統(tǒng)資信評(píng)估需要一些現(xiàn)場(chǎng)操作，并主要局限在工作日和工作時(shí)段（見(jiàn)表3）。

表3:大數(shù)據(jù)資信評(píng)估的決策時(shí)間

資料來(lái)源：根據(jù)上述公司網(wǎng)站等來(lái)源信息整理。

三、引起了資信評(píng)估行業(yè)的深刻變革

（一）突破了傳統(tǒng)資信評(píng)估的數(shù)據(jù)門(mén)檻

進(jìn)入傳統(tǒng)資信評(píng)估行業(yè)的數(shù)據(jù)門(mén)檻體現(xiàn)在兩方面：一是數(shù)據(jù)庫(kù)規(guī)模要足夠的大。這是由信用信息的成本收益特征決定的。比如益佰利公司擁有全球4億家企業(yè)和1.3億家庭及個(gè)人的信用信息，環(huán)聯(lián)公司擁有2.2億個(gè)消費(fèi)者的信用信息，鄧白氏公司擁有全球2億多家企業(yè)的信用信息[5]。二是數(shù)據(jù)分析模型的準(zhǔn)確性高，能經(jīng)受住市場(chǎng)的檢驗(yàn)。傳統(tǒng)資信評(píng)估不僅在橫向上需要有足夠大的數(shù)據(jù)庫(kù)規(guī)模支撐開(kāi)發(fā)資信評(píng)估模型，而且在縱向上需要數(shù)據(jù)庫(kù)有足夠長(zhǎng)的時(shí)間跨度以檢驗(yàn)校正資信評(píng)估模型，以建立一個(gè)較高違約預(yù)測(cè)準(zhǔn)確度并且比較穩(wěn)定的資信評(píng)估模型。所以，盡管一些發(fā)展中國(guó)家建立公共征信機(jī)構(gòu)，依托行政力量可以在較短的時(shí)間內(nèi)建立龐大的信用數(shù)據(jù)庫(kù)，但是很難在短時(shí)間內(nèi)開(kāi)發(fā)出能經(jīng)受市場(chǎng)檢驗(yàn)的資信評(píng)估模型。如果資信評(píng)估模型的準(zhǔn)確度不高，則無(wú)法建立良好的市場(chǎng)聲譽(yù)，沒(méi)有良好的市場(chǎng)聲譽(yù)，資信評(píng)估機(jī)構(gòu)也就沒(méi)有市場(chǎng)。

大數(shù)據(jù)資信評(píng)估分別借助網(wǎng)絡(luò)平臺(tái)、機(jī)器學(xué)習(xí)突破了上述兩大限制。第一，借助網(wǎng)絡(luò)平臺(tái)，大規(guī)模獲取客戶信用信息，短時(shí)間內(nèi)建立一個(gè)龐大的數(shù)據(jù)庫(kù)規(guī)模。以Zest Finance為例，通過(guò)第三方組織、訪問(wèn)互聯(lián)網(wǎng)系統(tǒng)，如個(gè)人社交賬戶等可以從多領(lǐng)域、多機(jī)構(gòu)獲取和整合個(gè)人信用信息，再加上客戶提交的數(shù)據(jù)，大數(shù)據(jù)資信評(píng)估公司可以在非常短的時(shí)間內(nèi)建立一個(gè)非常完整的而且極其詳細(xì)的個(gè)人信用資料庫(kù)（見(jiàn)表4）。Zest Finance公司從2012年至今至少積累了10億條個(gè)人信用信息，速度非?？臁⒁?guī)模非常大。第二，通過(guò)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘建立了比較準(zhǔn)確的信用評(píng)估模型，大大加快了市場(chǎng)聲譽(yù)積累的時(shí)間過(guò)程。如Zest Finance比傳統(tǒng)評(píng)分方法的違約率下降了40%。又如中國(guó)的金電聯(lián)行2007年成立，截至2014年第一季度，通過(guò)大數(shù)據(jù)資信評(píng)估，已累計(jì)為1000多家企業(yè)提供超過(guò)40億元的信用融資，最高授信達(dá)6800萬(wàn)元，截至目前未發(fā)生一筆不良貸款。正是由于其準(zhǔn)確的違約預(yù)測(cè)，大數(shù)據(jù)資信評(píng)估公司市場(chǎng)發(fā)展非常迅速。

表4:Zest Finance的數(shù)據(jù)獲取渠道

資料來(lái)源：根據(jù)Zest Finance網(wǎng)站等信息整理。

（二）彌補(bǔ)了傳統(tǒng)資信評(píng)估市場(chǎng)的不足

在服務(wù)的客戶群體上，大數(shù)據(jù)資信評(píng)估主要針對(duì)信用不良以及缺乏信用記錄的群體。由于傳統(tǒng)資信評(píng)估主要依托財(cái)務(wù)信息，尤其是銀行信貸信息，所以其主要客戶是擁有銀行信貸記錄并且信用良好的群體。以美國(guó)為例，評(píng)分高于650分的群體在向大銀行融資時(shí)主要借助傳統(tǒng)資信評(píng)估，而低信用評(píng)分的群體由于很難從大銀行機(jī)構(gòu)融資，因此也很少應(yīng)用傳統(tǒng)資信評(píng)估。但大數(shù)據(jù)資信評(píng)估主要針對(duì)低評(píng)分群體。如Zest Finance主要針對(duì)的是FICO評(píng)分低于500分的群體，Avant Credit主要針對(duì)FICO評(píng)分低于600分的群體。盡管一些大數(shù)據(jù)資信評(píng)估公司定位為任何人提供服務(wù)，但是目前主要的服務(wù)群體仍然集中在信用記錄缺乏乃至不良的群體。

在服務(wù)的金融市場(chǎng)上，大數(shù)據(jù)資信評(píng)估主要針對(duì)的是小額信貸，并且期限較短。傳統(tǒng)資信評(píng)估大多集中在額度較大、期限較長(zhǎng)的信貸市場(chǎng)，如汽車(chē)貸款、住房貸款參考FICO評(píng)分定價(jià)后，可以發(fā)放高達(dá)上百萬(wàn)元長(zhǎng)達(dá)數(shù)十年的信貸。而大數(shù)據(jù)資信評(píng)估主要針對(duì)小額度、短期信貸。如Wecash閃銀分別發(fā)放6000元以內(nèi)微授信和6000～500000元的大額授信兩個(gè)檔次2～18期的貸款，Avant Credit發(fā)放100～1000美元，1～4年期的貸款（見(jiàn)表5）。

表5:大數(shù)據(jù)資信評(píng)估的服務(wù)特征

資料來(lái)源：根據(jù)上述公司的網(wǎng)站等信息整理。

注：以上數(shù)據(jù)均截至2014年12月。

（三）延長(zhǎng)了傳統(tǒng)資信評(píng)估行業(yè)的產(chǎn)業(yè)鏈

大數(shù)據(jù)資信評(píng)估與互聯(lián)網(wǎng)金融合二為一，信息征集、資信評(píng)估、銀行信貸三者合一。傳統(tǒng)資信評(píng)估公司的信息征集、信用評(píng)級(jí)、信貸融資業(yè)務(wù)通常分別由不同的公司獨(dú)立經(jīng)營(yíng)，如在美國(guó)，300多家小征信公司以及三大征信公司從事個(gè)人信用信息征集，F(xiàn)ICO公司從事個(gè)人信用評(píng)分業(yè)務(wù)，銀行利用FICO評(píng)分從事信貸融資業(yè)務(wù)。而從事大數(shù)據(jù)資信評(píng)估的公司，集信息征集、數(shù)據(jù)分析、資信評(píng)估、信貸融資于一體，大大延長(zhǎng)了傳統(tǒng)資信評(píng)估的產(chǎn)業(yè)鏈條，改變了傳統(tǒng)資信評(píng)估行業(yè)的產(chǎn)業(yè)形態(tài)。甚至部分大數(shù)據(jù)資信評(píng)估公司，在發(fā)展戰(zhàn)略上以替代銀行為目標(biāo)，如Kreditech在2014年已經(jīng)開(kāi)始發(fā)行信用卡。

四、大數(shù)據(jù)資信評(píng)估的評(píng)價(jià)

（一）市場(chǎng)空間巨大

目前，德國(guó)73%的人群享受不到銀行服務(wù)，美國(guó)有4400萬(wàn)人沒(méi)有銀行信用記錄，全球有25億成年人沒(méi)有得到過(guò)正規(guī)金融服務(wù)，有40億人沒(méi)有信息記錄和信用評(píng)分[6]。這些人群都是大數(shù)據(jù)資信評(píng)估的首要目標(biāo)市場(chǎng)。如果這些人群沒(méi)有登錄互聯(lián)網(wǎng)，這些人群只能是潛在的市場(chǎng)。所幸的是，全球網(wǎng)民數(shù)量快速增加。根據(jù)市場(chǎng)研究公司eMarkete的研究，2015年全球網(wǎng)民逼近30億，2018年將達(dá)到36億，占全球人口的50%。從某種程度上說(shuō)，網(wǎng)民有多少，大數(shù)據(jù)的市場(chǎng)規(guī)模就有多大。依據(jù)當(dāng)前的貸款利率，大數(shù)據(jù)資信評(píng)估公司擁有非常豐厚的利潤(rùn)收入，Avant Credit信用貸款的年化利率高達(dá)397%，遠(yuǎn)遠(yuǎn)高于正規(guī)金融的貸款利率水平。

（二）將逐漸替代傳統(tǒng)資信評(píng)估的主導(dǎo)地位

大數(shù)據(jù)資信評(píng)估以彌補(bǔ)傳統(tǒng)資信不足為切入點(diǎn)進(jìn)入市場(chǎng)，在最近3～7年，如上文所述，大數(shù)據(jù)資信評(píng)估將與傳統(tǒng)資信評(píng)估并行不悖，相互補(bǔ)充。但是，著眼未來(lái)，大數(shù)據(jù)資信評(píng)估將替代傳統(tǒng)資信評(píng)估的市場(chǎng)主導(dǎo)地位。原因如下：第一，從大數(shù)據(jù)資信評(píng)估公司成立2年來(lái)的融資速度與規(guī)模看，傳統(tǒng)資信評(píng)估市場(chǎng)將很快被大數(shù)據(jù)資信評(píng)估占領(lǐng)。中國(guó)的Wecash在2014年8月獲得IDG資本4000萬(wàn)元人民幣的融資[7]；截至2014年12月，美國(guó)的Zest Finance公司，已經(jīng)獲得3輪、累計(jì)1.12億美元的融資，業(yè)務(wù)范圍橫跨美英兩國(guó)[8]；截至2014年6月，德國(guó)的Kreditech公司已經(jīng)獲得2輪、累計(jì)1500萬(wàn)美元的融資，還在波蘭、西班牙、捷克及俄羅斯等8個(gè)國(guó)家開(kāi)展業(yè)務(wù)（見(jiàn)表6）。第二，從業(yè)務(wù)范圍看，大數(shù)據(jù)資信評(píng)估提供的服務(wù)產(chǎn)品逐漸覆蓋傳統(tǒng)資信評(píng)估。如德國(guó)的Kreditech公司目標(biāo)客戶定位為所有群體，并且其融資產(chǎn)品已從小額貸款、分期付款擴(kuò)展到虛擬信用卡、一般信用卡。傳統(tǒng)資信評(píng)估的市場(chǎng)在未來(lái)10年左右將被大數(shù)據(jù)資信評(píng)估占領(lǐng)。

（三）資信評(píng)估市場(chǎng)將更加壟斷

大數(shù)據(jù)資信評(píng)估雖然打破了傳統(tǒng)資信評(píng)估的數(shù)據(jù)門(mén)檻，但是其技術(shù)進(jìn)入門(mén)檻更高。由于其依托機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘處理數(shù)據(jù)，使得其對(duì)計(jì)算機(jī)載體及后臺(tái)人力資源有更高的要求，也需要巨額的資本投資。大數(shù)據(jù)資信評(píng)估與融資市場(chǎng)結(jié)合在一起，融資市場(chǎng)的進(jìn)入門(mén)檻將會(huì)提高大數(shù)據(jù)資信評(píng)估的行業(yè)進(jìn)入難度。因此，資信評(píng)估行業(yè)的進(jìn)入門(mén)檻將會(huì)更高。較高的市場(chǎng)進(jìn)入門(mén)檻會(huì)導(dǎo)致資信評(píng)估市場(chǎng)更加壟斷，而不是提高競(jìng)爭(zhēng)。Kreditech公司成立2年就已經(jīng)擴(kuò)展到8個(gè)國(guó)家，并且還在不斷地?cái)U(kuò)張市場(chǎng)?？梢?jiàn)，大數(shù)據(jù)資信評(píng)估公司具有非常強(qiáng)的市場(chǎng)擴(kuò)展傾向，必然導(dǎo)致更高程度的壟斷。

表6:部分大數(shù)據(jù)資信評(píng)估公司的融資概況

資料來(lái)源：根據(jù)互聯(lián)網(wǎng)等來(lái)源信息整理。

（四）帶來(lái)了理論與實(shí)踐上的挑戰(zhàn)

第一，在理論上，信息不對(duì)稱(chēng)理論面臨挑戰(zhàn)。以往的經(jīng)典經(jīng)濟(jì)學(xué)理論中，信貸市場(chǎng)中的借款方是代理方，擁有私人信息優(yōu)勢(shì)，而貸款方是委托方，處于信息劣勢(shì)，面臨借款人的道德風(fēng)險(xiǎn)和逆向選擇。但是在大數(shù)據(jù)資信評(píng)估中，不但借貸雙方的信息不對(duì)稱(chēng)問(wèn)題幾乎消除，甚至委托方與代理方的地位發(fā)生逆轉(zhuǎn)。在大數(shù)據(jù)背景下，借款方的許多私人信息，如上網(wǎng)行為信息，可能借款方都沒(méi)有注意到，但是已經(jīng)為貸款方所收集和掌握，并加以分析。在這一過(guò)程中，似乎借款方成為委托方，貸款方成為代理方。經(jīng)典的信息不對(duì)稱(chēng)理論如何解釋這一現(xiàn)象，如何提出相應(yīng)的規(guī)制對(duì)策是一個(gè)十分重要的理論問(wèn)題。第二，在實(shí)踐上，金融監(jiān)管機(jī)制應(yīng)如何調(diào)整。大數(shù)據(jù)資信評(píng)估首先與普惠金融結(jié)合，繼而沖擊商業(yè)銀行系統(tǒng)乃至整個(gè)金融系統(tǒng)，這將對(duì)傳統(tǒng)貨幣政策工具的傳導(dǎo)機(jī)制產(chǎn)生影響。作為金融監(jiān)管當(dāng)局該如何調(diào)整金融監(jiān)管機(jī)制是一個(gè)非常具有挑戰(zhàn)性的問(wèn)題，尤其是在大數(shù)據(jù)資信評(píng)估迅速發(fā)展的背景下。

作者，河南大學(xué)經(jīng)濟(jì)學(xué)院 耿得科 中國(guó)地質(zhì)大學(xué)人文經(jīng)管學(xué)院 梁文