什么是征信

征信是对消费者的信用行为的一种采集、分析、处理。

征信的分类有哪些

首先是银行信用，实际上是zopHnCYR金融机构在贷款的时候，检查有没有失信或者是违约的行为。

第二种是商业信用，是人与人或者企业与企业之间的金钱往来，比如两个企业之间一些赊销等行为。

还有一种“信用”，是比较通俗的说法或者民间的说法。比如，坐火车不逃票等，是在道德层面上的信用行为。这两年大家一直在说信用中国这个概念，实际上是全社会信用体系的建立，更多是一些偏社会治理、社会管理的工作。

征信行业

在国际上，美国的征信行业是一个高度市场化的行业，比如公共机构、市场化机构，采集的数据主要来源包括电信、司法和金融等机构。

美国的三大征信局益百利(Experian)、艾可菲(Equifax)和全联(TransUnion)，主要承担了数据采集、整理的工作。然后通过信用评分或者信用报告的方式，对金融机构以及非金融机构（比如房屋租赁等这种涉及到消费者行为的市场）输出服务，是高度市场化的行为。

征信在欧洲是比较偏政府化的行为，比如法国、德国，现在欧盟会有高度集中、政府化的一些操作。

像日本、巴西，更多的模式是通过行业协会，来采集这信用信息，然后去做一些对外的服务。

在中国

中国的征信行业市场化早在20年前就已经开始了。而中国人民银行征信中心的推行，也是以市场化的方式在运作。人行的征信中心是2007年成立的，采集了全国所有的持牌金融机构的信用借贷行为，然后进行了整合，人行目前有3.8亿多的征信报告。

中国的征信行业市场化早在20年前就已经开始了。而中国人民银行征信中心的推行，也是以市场化的方式在运作。人行的征信中心是2007年成立的，采集了全国所有的持牌金融机构的信用借贷行为，然后进行了整合，人行目前有3.8亿多的征信报告。

这些年是互联网金融的蓬勃发展期，从2015年开始，有8家机构获得了个人征信牌照备案，像我们熟悉的蚂蚁金服、腾讯、还有支付机构，比如拉卡拉，还有一些老牌的征信机构，比如深圳的鹏元征信、中诚信、中智诚。

有很多互金机构，包括第三方机构，也在做信用数据采集共享工作，比如宜信开放了一个平台，输出自己的违约黑名单，同时一些互金机构返回他违约人的黑名单，组织了一两百家这样的互金机构，形成了信息共享。

除此之外，这个市场上充斥着各种各样的以征信为目的数据服务公司。去年，出台了新的管理条例，对业务进行了新的规范和规划，后来由互联网金融协会牵头，就有了信联。

在互联网金融领域，有较多的采集、整合数据的工作，所以信联的诞生会对整和标签化的过程产生深刻的影响。

信用评分的出现

怎么把信息变成知识或者智慧，然后让我们去做决策？这个过程其实就是我们说的信用评分。

在美国，有一家非常有名的公司叫FICO，这家公司由两原由网个统计学家共同成立。

在五六十年代，美国信用卡市场迎来了蓬勃的发展，有大量的个人用户申请信用卡，发卡决策的过程都依赖人力审批。

所以这两个统计学家就成立了这个公司，主要在做基于信用卡、消费金融产品的评分模型。通过输入数据，FICO输出分数，通过这个分数的分布，来评定资产的分布等级，预估违约率。

FICO针对车贷和房贷的市场，也开发了分数产品。经过市场验证，效果还是可以的。

在21世纪初，美国的次贷危机之前，房贷作为衍生品打包进入了二级市场，FICO的分数就变成为了评价资产包比较重要的一个指标。最后让他名声大噪是在次贷危机爆发的时候，被美联储写到了他的法律里面，FIC原由网O分低于660分即为次贷。

征信将更透明

目前在美国，有三大信用局，消费者找金融机构申请贷款，都会通过三大信用局，形成一份信用报告，打印出来后，会生成一个信用评分。在审核贷款、确定额度、费率的过程中间，这个分数是一个非常重要的标准，而且zopHnCYR在报告上，不只是有评分，还会输出影响你的信用分数的几个变量。

报告会告诉你为什么得到这个分数，消费者有权根据分数以及输出的其他内容，追溯到评分机构以及信用局，询问和自己预期分数不一致的原因。

现在在做的很多机器学习或者深度学习模型，相原由网当于一个黑盒子。现在很多人都希望整个过程更加透明，消费者有权利去追溯所得分数的原因，其实这也是消费者了解行为准则的过程。如果是基于信用市场的行为准则去发展的话，市场会向更好的方面去演化。

目前在中国，人民银行征信中心也推出了一个信用报告的解读服务，基于本身3.8亿的数据基础，会形成一个通用的评分。不过现在还没有对整个社会大众开放，但是对金融机构已经是开放的了，金融机构可以针对这些分数做一些验证。

关注“i小贝保险”

选保险，不焦虑