数字金融 课件 第1-8章 数字金融导论 - 数字供应链金融

北京大学国家发展研究院（中文简称北大国发院、英文简称NSD）第1章数字金融导论1PART01数字经济背景下的数字金融2介绍数字金融基本概念回顾数字金融的发展历程，并概述相关技术和应用；总结中国数字金融在过去十几年中的快速发展，与中国数字金融的发展特征：从中国数字普惠金融的发展和对实体经济的支持，中国数字金融对传统金融市场的影响，中国P2P网络借贷市场等三个角度31本章概览1数字金融的学习背景过去二十多年金融体系最重要的创新通过技术手段推动金融创新，形成对金融市场、机构及金融服务产生重大影响的商业模式、技术应用、业务流程和创新产品(金融稳定理事会)。关键特征：运用移动设备、快速身份验证、实时支付服务；可扩展性强，可以覆盖到数量更多的客户群体党的二十届三中全会提出健全促进实体经济和数字经济深度融合制度，同时继2023年底中央金融工作会议之后，再次强调积极发展科技金融、绿色金融、普惠金融、养老金融、数字金融，加强对重大战略、重点领域、薄弱环节的优质金融服务。4银行(支付、信贷）保险交易/资产管理外汇/数字货币5数字技术AI,区块链,云计算,大数据,物联网,AR/VR……B2CB2BP2PB2G平台……场景+数据+算法+算力+金融创新：补足传统金融服务短板降低金融服务门槛和服务成本。过去二十多年金融体系最重要的创新金融部门商业模式1.1何为数字金融?课程概览将从不同业务模式的角度，介绍不同类型数字金融企业的发展状况、面临的机遇和挑战等情况根据技术主导和金融服务主导两大主流可将从事数字金融的市场主体分为四类：颠覆性力量：致力于运用全新方法和创新科技进入金融服务领域的新入市者、初创公司。“大象起舞”的力量：通过重大技术投资改进服务、应对竞争威胁和捕捉投资合作机会的传统金融机构。大科技公司（bigtechs）：是指由通过金融服务巩固客户关系的技术公司所构成的大型生态系统，基础设施供应商(fintechs)：指向金融机构销售基础设施的供应商。它们帮助金融机构变革技术堆栈，实现数字化和现代化，改进风险管理和客户体验。不同类型的数字金融公司具备不同的优势。6数字金融发展历程从模拟产业向数字产业转型：1866-1967

传统数字金融服务进一步发展：1967-2008

数字金融服务趋向普及：2008-至今

73.中国数字金融的发展背景：政府对金融的普遍干预今天中国金融体系的重要特征是“规模大、管制多、监管弱”这个改革特征是由“双轨制”改革策略决定的通过政策干预降低资金成本，正规金融部门把利率压得非常低；配置资金时明显地偏向国有企业。Source:Huang,Y.andX.Wang,2020,“ReformofChina’sFinancialSector:Progresses,ChallengesandFutureDirections”,AreportpreparedforAsianDevelopmentBank,Manila.金融抑制指数：中国、中高收入经济与高收入经济，1978-20188经济要高质量增长要素驱动往创新驱动创新型企业要得到更多支持“专精特新”现有金融体系大型金融机构：话语权强，市场化程度不够中小微金融机构：市场化、盈利能力强；话语权弱影子银行：金融创新的力量，但容易为了金融稳定被一刀切大而不强如何建设金融强国，从而可以支持实体经济持续高质量增长？92.1.中国数字金融发展的背景：正规金融体系支持实体经济的力度减弱2.1.中国数字金融的发展背景：大国竞争需要过硬的金融支持10数字经济数据要素数字技术数字产业化产业数字化产业链产业集群社会生产系统重构重塑世界经济政治格局影响金融支持11

1.2数字经济的“四化框架”3.

数字金融与实现金融强国建设目标2024年1月16日，习近平总书记在省部级主要领导干部推动金融高质量发展专题研讨班开班式上发表重要讲话金融强国核心要素强大的货币强大的中央银行强大的金融机构强大的国际金融中心强大的金融监管强大的金融人才队伍首提中国特色金融文化诚实守信，不逾越底线以义取利，不唯利是图稳健审慎，不急功近利守正创新，不脱实向虚依法合规，不胡作非为《数字普惠金融的发展格局与经济影响》12数字普惠金融有突破“胡焕庸线”的潜力和趋势2011-2018，北京大学数字普惠金融指数广度指数，东西部差距下降26%注：以当年指数最高的城市指数值为基准，将排序在基准值80%范围内的城市列为第一梯队（红色）；70%-80%范围内为第二梯队（棕色）；60%-70%为第三梯队（黄色）；60%之后的城市列为第四梯队（绿色）。3.

数字金融的发展机遇：我国数字金融发展成绩3.

数字金融的发展逻辑：数字基础设施建设支撑移动支付快速发展3.

数字金融的发展逻辑：数字基础设施建设支撑移动支付快速发展3.

数字金融的发展逻辑：数字基础设施建设支撑移动支付快速发展两大支柱：大科技平台、大数据风控，帮助解决获客难和风控难大科技平台的主要优势是其生态系统：长尾效应获客数字足迹积累大数据，一方面实行实时监测，一方面支持大数据风控通过生态系统加强还款管理大数据风控预测还款能力、识别还款意愿大科技信用风险管理框架图示资料来源：黄益平、邱晗，2021，“一个新的大科技信用风险管理框架”，《管理世界》，2021年第2期。大科技平台大数据AI、云计算163.

数字金融的发展逻辑：基于平台+数字技术+场景的大数据风控数字金融在支持数字经济、支持实体经济高质量发展中将发挥重要作用未来前景广阔向前沿：AI+金融服务向产业：数字供应链金融、区块链技术、隐私计算向出海：侧重互联互通、抓住开放发展的机遇向乡村：共同富裕、乡村振兴达背景中可圈可点17总结谢谢！THANKSFORYOURATTENTION第2章数字金融的国际发展第2

章–大纲第一节数字金融发展总体状况第二节数字金融分区域发展状况第三节影响金融科技发展的关键因素20第一节数字金融发展总体状况一总体规模及增长二分维度的规模及增长三不均衡发展第一节：数字金融发展总体状况22全球数字金融市场发展规模持续扩张数字金融行业从高速扩张进入结构性发展，趋于理性数字支付是推动数字金融包容性的主要力量全球数字金融服务采纳率持续提升总体规模及增长23第一节：数字金融发展总体状况可依据不同维度对数字金融业态进行区分并估算其市场规模服务业务内容服务供给商技术种类受限于信息和通信技术发展水平、金融基础设施、资本市场的发展以及监管政策等方面的影响，全球不同区域的金融科技发展存在明显差异24第一节：数字金融发展总体状况分维度的规模及增长保险咨询信息传递方案设计投保缴费理赔、给付等业务财富管理理财产品交易投资咨询基金转换信息传递数据分析等业务支付结算转账业务借贷个人及企业信贷众筹消费金融供应链金融等以服务内容为基础第二节数字金融分区域发展状况第二节数字金融分区域发展状况一北美二欧洲三亚洲四非洲五拉美及中等地区27北美:交易金额、技术创新和资本市场活力上保持全球领先欧洲:发展迅速，分布不均；亚洲:各方面进展显著非洲:移动货币方面发展快速；拉丁美洲和加勒比地区:迅速起飞；MENAP以及CCA地区：逐渐回升，部分国家表现突出。第二节数字金融分区域发展状况全球金融科技发展迅速，不同地理区域的金融科技发展存在明显差异。28第二节数字金融分区域发展状况北美地区：成熟与创新的引领者，金融科技行业稳健发展，以美国为例：占据美国金融科技市场最大的业务板块是数字支付；支付以P2P为代表的数字借贷模式迅猛增长数字借贷美国大型银行移动应用程序数字平台数字银行数字化投资管理保险科技区块链伦敦作为引擎德、法、荷、瑞典形成一系列中心01自身优势：传统工业技术优势创新探索精神金融基础设施02移动支付、

网络借贷、监管科技突出0403局限：用户习惯保守市场未整合缺乏超级应用欧洲：金融科技发展不均衡+强监管第二节数字金融分区域发展状况1030第二节数字金融分区域发展状况亚太地区：金融科技服务快速普及，异质性强ADBCE亚洲金融科技的发展突飞猛进技术快速进步，监管相对宽松，公司间竞争激烈中国持续引领金融科技创新步伐移动支付渗透率高从消费互联网金融科技转向产业金融科技和B2B服务，强调合规与监管虚拟银行竞争升温香港虚拟银行生态继续深化，监管框架完善亚洲地区的金融科技面临的挑战市场活动中存在着巨大的信息不对称融资获得的门槛较高金融工程不够发达东南亚地区发展迅猛投资交易数量、市场规模逐年增长促进创新和发展市场环境政府积极推动开放银行和数字化转型E日本金融科技市场快速扩张投资热点：跨境支付、数字借贷增长显著区域金融科技中心：新加坡、香港31非洲金融科技的商业模型基础条件：经济状况落后于发达经济体金融基础设施薄弱，信用记录缺失或极不健全银行渗透率低大多数经济主体，包括中小企业，仍主要依靠现金交易互联网及移动支付渗透率高度不均。移动货币为主导：电信运营商提供的移动货币服务为主导从简单支付逐渐融合信贷、储蓄、保险、电商等功能国家和区域层面推动支付系统互操作性实现传统金融体系极不完善下，数字金融发展的独特路径第二节数字金融分区域发展状况非洲：数字金融发展相对滞后，移动货币为主导32第二节数字金融分区域发展状况拉丁美洲：起步晚，但发展势头迅速中东和北非地区：金融科技扩张迅猛国家金融科技公司数量（家）占比巴西77131%墨西哥51221%哥伦比亚27911%阿根廷27611%智利1797%拉美地区按国家划分的金融科技公司的分布：主要市场（2021年）巴西、墨西哥推动拉美成为高速增长区。中东、北非受数字支付与监管改革推动快速扩张。资金优势政府主导监管创新领域聚焦发展转型第三节

影响金融科技发展的关键因素社会经济的发展水平科技的发展与利用传统金融发展状况监管政策社会态度及价值观影响金融科技发展的关键因素123金融科技发展和社会经济的基础之间的关系密不可分。金融科技的发展与已有传统金融服务之间既有互补又有替代的关系。金融科技作为金融与科技有机结合的产物。第三节影响金融科技发展的关键因素后者为前者定义了生存和发展的环境，而前者的迈进一定程度上打破了地域和资源的限制，成为后者发展的新动力。技术的迭代进步和应用普及作为发展引擎金融机构IT支出的总额以及支出揭示了一个地区未来金融科技的发展动力的强劲程度。传统金融服务发展有限时，大量未能被满足的市场需求可以促发数字金融快速崛起;奠定了金融科技的持续创新和发展的基础15社会经济的发展水平科技的发展与利用传统金融发展状况监管政策社会态度及价值观影响金融科技发展的关键因素45从监管政策的角度，金融科技已成为全球性议题金融科技的发展与用户的偏好以及由用户所组成的社会的价值取向有关第三节影响金融科技发展的关键因素监管沙盒和监管科技的应用不同国家和地区通过出台政策、设立机构等推动金融科技健康有序发展平衡金融科技的创新与风险数据安全、隐私保护金融科技所涉及的道德伦理问题16Thanks第3章数字支付思考两个问题1.数字支付给我们带来了哪些改变？2.数字支付从哪些方面提升了社会福利？改变了支付习惯，改变着金融市场格局“不需携带现金”“不用预备零钱”；“不用担心假钱”“出门只需带手机”降低了交易成本，提高了居民福利数字支付促进了居民从事个体经营活动数字支付提升了居民之间风险分担和居民自我保险能力移动支付无处不在...什么是移动支付？概念：客户通过移动终端（主要是智能手机）发出支付指令，实现货币支付与资金转移的行为。消费者使用移动终端支付所购买的商品或服务。目前数字支付中普及度最广的就是移动支付移动支付体系的参与者：客户支付机构网联平台商业银行比较常见的数字支付平台案例：支付宝与微信支付1.从线上交易到担保交易(2003-2004)解决淘宝网线上交易的信任问题

2.从快捷支付到移动支付(2004-2013)支付成功率是影响线上交易的重要因素2010年12月，支付宝推出“快捷支付”3.从移动支付到移动生态(2013-)余额宝（电子商务）、微信支付（社交平台）不仅提供移动支付服务，还提供实时转账、财富管理、保险、融资和征信等金融服务，以及在线缴费等生活服务ThefirstAlipayuserCuiWeiping,2003数字支付的“跨越式”发展我国数字支付，无论从用户数、支付金额、还是技术水平，均走到了世界前列。支付宝和微信全球活跃用户数均超过10亿大城市中，超过90%的居民将移动支付作为首要支付手段，其次才是银行卡和现金2024年移动支付额年增长率15.1%，显著高于贝宝（PayPal）支付交易的增长率。微信和支付宝活跃用户数数据来源:Statista“跨越式”发展的背景原因1.传统金融在支付领域有效供给不足规模大、管制多、监管弱、银行主导传统金融体系更倾向于为企业部门提供金融服务面向居民家庭的支付、转账、财富管理等金融服务滞后社会信用体系建设滞后我国征信体系发展缓慢消费者未形成信用卡消费习惯各国信用卡渗透率比较，%数据来源：WDI“跨越式”发展的背景原因2.相对宽松的监管环境我国机构监管模式2005年，《支付清算组织管理办法（征求意见稿）》，将支付宝在内的第三方支付企业纳入监管2010年6月，《非金融机构支付服务管理办法》，对第三方支付企业实行牌照管理。2015年之前，移动支付领域合规成本较低、准入门槛和监管限制较少央行鼓励第三方支付企业发展移动支付以改善农村支付环境，促进小微企业尤其是个体工商业经营活动“跨越式”发展的背景原因3.智能手机的普及和数字技术的发展2007年苹果公司推出第一款手机2009年我国进入3G时代2015年我国进入4G高速发展时代大数据、云计算、人工智能等数字技术快速发展，并与金融业务不断融合中国互联网与智能手机普及率:2008-2022数据来源:CEIC数字支付对经济与金融的微观影响改变金融行为：支付习惯、储蓄与转账促进创业行为：小规模、非正规创业改善风险分担：更便捷的利用社会关系网络其他影响：诱导消费、新的不平等文献综述1.中国移动支付及快速发展的原因Chen(2016);黄益平和黄卓(2018);Klein(2019);Huangetal.(2020)2.移动支付对微观主体行为和社会福利的影响(特别是发展中国家)（1）移动支付对居民金融行为的影响（储蓄行为、支付行为、转账行为）JackandSuri(2011);MbitiandWeil(2011);MbitiandWeil(2013);Jacketal.(2013);Suri(2017);

黄益平等(2021)（2）移动支付对风险分担的影响（非正规社会保险网络，个人风险得以在更大范围内分担）Blumenstocketal.(2011);JakielaandOzier(2016);Blumenstocketal.(2016);DiFalcoandBulte(2013);JackandSuri(2014);Riley(2018);王勋和王雪(2021)（3）移动支付对居民创业行为的影响Plyleretal.(2010);WorldBank(2014);Islametal.(2016)

;JackandSuri(2016);尹志超等(2019);Wang(2020);Huangetal.(2020)（4）移动支付的宏观经济影响（减贫、不平等、增长等）Akeretal.(2016);JackandSuri(2016);Becketal.(2018);Laietal.(2020)改变居民消费的支付习惯与结构移动支付已成为我国居民消费最主要的支付方式2015年移动支付金额超过现金消费金额；2016年移动支付金额超过银行卡支付金额移动支付的出现，改变了我国居民的消费支付习惯居民消费中各类支付金额比较：2009-2018，万亿数据来源：WIND数据库如何改变居民福利？1.移动支付对居民家庭收入和创业的影响是否通过促进自主创业，进而提高了居民收入？2.以移动支付为代表的数字金融是否改善了家庭的风险平滑的能力？数字金融是否提高了居民间风险分担的能力数字金融是否提高了居民自我保险的能力促进创业和收入增长移动支付显著提高了农业家庭和从事个体经营家庭的收入。使用移动支付后，原来从事农业的家庭，继续只从事农业生产的概率下降了12.7%。

转而从事个体工商经营的概率上升了8.5%Source:HuangYiping,Wang,Xue,WangXun,“MobilepaymentinChina:PracticeanditsEffects”,AsianEconomicPapers,2020.提高家庭的风险平滑能力家庭风险平滑：家庭收入增长面临家庭特定的暂时性负向冲击时，如何使得家庭消费增长不至于收到太大影响？除传统的银行贷款外，两个途径：非正规的社会网络：更多人为你分担风险自身有足够多的高流动性的资产移动支付带给居民的两个基本功能1.移动支付与转账低成本的实时转账通过便利汇款促进了居民间的风险分担能力2.高流动性和产生收益的金融产品在余额宝和财富通里的余额已几乎相当于M1收益比银行活期存款平均高出两个百分点因此，提升了居民自我保险的能力余额宝和银行定期存款收益率比较数据来源：WIND风险分担的模型设定

数据两个层面数据家庭层面：CHFS(2013;2015;2017)市级层面：北京大学数字金融指数市级宏观经济变量数字金融提升居民风险平滑能力我国的传统银行部门更倾向于为企业部门融资而非居民部门数字普惠金融显著提升了居民风险平滑的能力传统银行信贷并没有显著改善居民平滑风险的能力。当家庭人均收入增长率下降1个百分点时，数字金融发展水平处75%分位城市的居民，其家庭人均消费增长率比处于25%分位数字金融发展水平的城市居民，平均高出4.84个百分点来源：王勋、王雪，经济学季刊，2022对低收入和农村地区居民效果更显著数字金融带来的风险平滑效果，对于低收入和农村地区居民更明显即使没有数字金融，高收入家庭和城市家庭也有更多应对风险的手段数据金融显示了明显的普惠性来源：王勋、王雪，经济学季刊，2022提升风险分担能力收入增长面临暂时性冲击而下降时，数字金融发展是否显著提升了家庭获得转移收入的可能性？收入增长面临负面冲击时，数字金融发展更好的地方，其居民获得获得外部转移收入的概率更高这种效果对低收入家庭更显著来源：王勋、王雪，经济学季刊，2022提升自我保险能力持有高流动性和相对高收益的产品，可提高自我保险能力家庭的收入增长面临暂时性负面冲击时，家庭可以方便地使用高流动性的数字金融产品，不至于影响正常的消费增长。来源：王勋、王雪，经济学季刊，2022数字支付的溢出效应移动支付需求推动交易计算能力提升：由每秒200笔提升至每秒接近100万笔支持其他国家移动支付业务PayTM,TrueMoney,Bkash推动跨境转账业务发展香港与大陆、香港与日本之间使用当地电子钱包已实现跨境支付利用区块链技术，香港到菲律宾、马来西亚到巴基斯坦已实现快速低成本的跨境转账资料来源：蚂蚁集团数字支付在东南亚的合作前景巨大的需求是我国与东南亚加强数字互联互通的基础多数东南亚国家正规金融服务供给不足，尤其是对中小企业和其收入群体当地监管部门对数字金融发展持开放和包容的态度我国企业新的合作策略，“当地合作伙伴+技术输出”更注重本地化和技术共享仍需考虑和解决的问题数据要素的归属数据已成为数字时代重要的生产要素，谁该拥有数据的使用权？新的不平等问题外国游客不能使用移动支付；老年人不便使用移动支付垄断问题移动支付打破了传统金融机构在支付领域的垄断，这些新的平台公司是否会产生新的垄断问题？监管问题随着大的技术平台基于移动支付不断向其他金融业务领域拓展，如何监管这些新的数字金融控股平台？第4章数字时代的征信简介内容第一节征信的定义和各国征信体系发展简介第二节征信的基本原理、模型和产品第三节数字时代的征信业监管第四节案例讨论：百行征信学习目的了解个人征信体系的功能、各国征信体系的发展情况、中国征信体系的现状和市场化进程掌握征信评分模型的基本原理、征信评分中的大数据分析方法、金融机构运用大数据征信改善风控的商业实践探讨大数据征信的监管问题，如征信牌照、个人信用信息保护等问题65征信的定义和征信体系的基本功能

征信是指依法收集、整理、保存、加工自然人、法人及其他组织的信用信息，并对外提供信用报告、信用评估、信用信息咨询等服务，帮助客户判断、控制信用风险，进行信用管理的活动。——2013年《征信业管理条例》什么是征信？(CreditReporting)征信体系有助于降低金融借贷中的信息不对称信用风险事前风险逆向选择事后风险道德风险征信体系征信报告信用评分征信即资产信用分作为隐形抵押品抵押品传统方法：人工调查担保风险保证金信息不对称传统方法更多信息更低成本征信体系在经济和金融体系中的作用降低借贷成本，服务普惠金融发展化解金融风险，维护金融系统稳定约束借款人行为，防范信用风险服务金融监管，降低系统性风险扩大信贷规模，提高金融市场效率各国征信体系国外个人征信体系的主要模式国外征信体系市场主导型混合型会员制由私营机构负责征信。私营机构收集公共部门信息与金融机构的数据并将其整合成征信产品。政府只负责征信立法和监管。代表国家：英国、美国。主要由公共机构负责征信。一般由央行成立征信中心，强制收集银行等金融部门的信贷数据，为公共部门和市场提供征信产品。代表国家：法国、希腊。由行业协会负责征信。行业协会会成立一个征信中心，向协会内部会员获取信息，再将信用报告共享给这些协会成员。代表国家：日本。政府主导型由公共征信部门和私营征信机构共同负责征信，公共征信部门提供基础的征信产品；私营征信机构向市场提供竞争性的增值征信产品。代表国家：德国。市场主导型政府主导型会员制1、数据来源非常广泛，征信产品类别丰富；2、能够有效保障消费者权益。1、部分私营机构规模较小，容易造成过度竞争而导致资源浪费；2、信息安全较差1、数据质量高；2、监管成本较低。1、数据内容比较单一，多为信贷记录等传统数据；2、处于垄断地位，运行效率不高；对保障消费者权益积极性较低；3、信息不公开，可能导致错误信息无法及时更正1、能够提高会员之间的信息交流；2、由于行业自律，可以减少政府的监管负担；1、行业协会内的信息并不向社会公开；2、行业之间也没有信息交流，导致其无法全面评测个人或者企业的信用程度。国外征信体系模式比较优点缺点1、提高服务质量；2、数据质量高。3、安全性好1、私营部门数据收集受到制约；2、增加政府监管难度混合制中国的个人征信体系中国征信业与个人征信体系发展历程2003年：中国人民银行设立中国人民银行征信管理局，并开始在8个省市设立地方性征信机构2006年：中国人民银行设立中国人民银行征信中心，作为直属事业单位专门负责全国集中统一的企业和个人征信系统（即金融信用信息基础数据库，又称企业和个人信用信息基础数据库）的建设、运行和维护2013-2014年：《征信业管理条例》、《征信机构管理办法》、《征信机构信息安全规范》正式实施2015年1月：中国人民银行下发《关于做好个人征信业务准备工作的通知》，个人征信业市场化进程启动2015年12月下发《征信机构监管指引》2018年3月19日，百行征信有限公司成立2021年2月2日，朴道征信有限公司在北京举行揭牌仪式2021年9月17日，中国人民银行2021年第9次行务会议审议通过了《征信业务管理办法》，自2022年1月1日起施行央行征信中心（CRC）负责运营的个人征信系统：公共征信机构主导，以服务银行金融机构为主2004年4月，中国人民银行成立银行信贷征信服务中心。同年12月15日，个人征信系统实现15家国有和股份制商业银行与8家城市商业银行在7个城市的试点运行。2006年1月，个人征信系统在全国联网运行。2011年4月15日，个人征信系统数据采集方式改进项目（“T+1”项目）上线，个人征信系统具备了信贷数据的次日更新能力。2012年9月17日，征信中心与费埃哲（FICO）合作，正式启动个人信用评分模型开发项目。2013年6月22日，征信中心新版个人征信查询及异议处理子系统正式对外提供服务。2013年11月30日，征信中心自主研发完成第二代个人评分模型，即“个人信用报告数字解读”模型。2014年9月27日，互联网个人信用信息服务平台服务范围覆盖全国。12月29日，互联网个人信用信息服务平台新版上线。2020年5月，二代征信系统正式上线运营，全面提升了数据采集能力、产品服务能力、系统运行性能和安全管理水平，目前已推出互联网查询、银行APP查询等多种查询方式截至2020年12月底，征信系统共收录11亿自然人其中，5.7亿人拥有信贷记录2020年全年个人征信日均查询达866万次，单日最高查询量达1445万次截至2020年12月底，个人征信业务接入放贷机构3904家央行个人征信系统的信息采集和使用情况央行征信系统接入的机构数（2005-2020）资料来源：中国人民银行征信中心，中金公司研究部央行个人征信系统的信息来源个人征信系统采集的信息包括个人基本信息、个人信贷信息以及反映信用状况的其他信息。个人基本信息：标识、身份、职业、居住个人信贷信息：贷款、信用卡、担保、特殊交易、特别记录反映信用状况的其他信息：个人住房公积金缴存、社会保险缴存和发放、车辆交易和抵押、法院判决和执行、税务、电信、个人低保救助、执业资格和奖惩数字金融时代对征信带来新的要求和发展机遇传统征信体系难以满足数字金融和普惠金融的发展要求

传统征信体系覆盖面不够，长尾客户需求难以满足

2020年12月，个人征信系统覆盖11亿人，有信贷记录的仅有5.7亿人长尾客户的融资需求往往具有小金额、高频次、场景化的特点，这决定了传统征信体系难以满足普惠金融发展的需求传统征信体系数据来源单一，迫使从业主体通过其他渠道获取征信数据传统征信体系数据来源、种类主要集中在金融信贷领域，显得相对单一，面对数字金融的“场景化”特点显得覆盖不足对于从业机构而言，短期内很难使用央行征信系统的征信数据，迫使从业主体通过其他渠道获取征信数据公共征信机构缺乏竞争，运营效率和产品丰富度有待提高在征信产品设计、系统使用的便捷性、系统运行效率和技术硬件升级方面还有较大的改进空间数字金融发展为个人征信带来新的机遇数字金融迅速崛起，需求缺口倒逼征信革新由于传统征信体系数据来源较窄，覆盖率较低，且具有一定滞后性等特点，市场急需实现对征信体系的革新同时，准借贷业务的快速发展也进一步强化了对个人征信业务的市场需求大数据应用为征信带来新的价值

数据数量上的增长提高了征信评价的精度大数据的发展促进了征信数据的多元化信息技术进步提升征信体系的分析和运营移动互联技术在空间和时间的维度突破了地域限制、保证了数据的实时性先进的云平台等大规模存储技术提供了征信业务的硬件保障信息技术进步降低了数据获取和处理的成本央行征信中心应对数字金融发展的新动向扩展信息主体在线查询渠道2020年3月以来，开通网上银行、手机银行以及中国银联“云闪付”APP信用报告查询试点服务12家全国性商业银行开通网银个人信用报告查询服务3月30日，“云闪付”APP个人信用报告查询服务扩展至全国31个省会城市以及大连、青岛、宁波、厦门、深圳等5个计划单列市接入更多新型的金融机构（证券机构、保险机构、小额贷款公司、融资性担保公司、村镇银行等）加强助推小微企业的征信服务2021年1月1日起，中国人民银行全面承担动产和权利担保统一登记工作，在全国范围内实施动产和权利担保统一登记，中国人民银行征信中心具体开展服务性登记工作征信的基本原理、模型和产品FICO评分因素市场占有率基础模型使用信息从1000多个候选变量中挑出十几个最核心的变量。FICO在开发个人信用评分时，采用Logit模型。近期也开始尝试神经网络、机器学习等现代技术。业务涵盖全球90多个国家，与5000多家企业有合作关系。美国99.9%的用户使用FICO评分，三大征信局的信用评分均基于FICO模型。FICO评分模型Logit模型Logit模型为评分用户提供负向原因（AdverseActionReason），负向原因有助于理解为什么评分用户的个人信用分较低，这是Logit模型广泛应用的重要因素Logit模型的构建包括变量初选、变量转换、模型拟合和模型验证四个环节变量初选（InitialVariableSelection）是指在建立Logit模型之前，先对描述信用属性的特征变量进行筛选，对筛选出的变量进一步处理后作为自变量带入Logit模型变量转换（VariableTransformation）包括数值转换（取对数、取平方根等）、对缺失值和特殊值生成旗帜变量（FlagVariable）、设置变量上下限等模型拟合（ModelFitting）是指通过考虑变量的实际经济含义、变量间的相关性等，将经过初选的特征变量带入Logit模型进行拟合从模型评分的区分度、分布与准确性三方面对模型的样本内和样本外表现进行模型验证（ModelValidation）84

央行征信中心的征信产品体系基础产品个人信用报告（核心产品）个人信用信息提示个人信用信息概要增值产品个人业务重要信息提示个人信用报告数字解读基于FICO评分模型大数据征信大数据另类数据（AlternativeData）另类数据是指在投资者用于评估公司或投资项目的数据中，不是从传统的数据来源（例如财务报表、新闻发布等）获得的数据另类数据主要包括App使用数据、信用卡和借记卡交易数据、电子邮件和消费者收据、地理位置数据、公共数据、卫星定位数据、社交媒体和情绪数据、调查数据、天气数据、网络数据和网络流量数据社交数据（SocialData）社交数据是社交媒体用户公开分享的信息，例如用户的位置、使用的语言、图像数据及分享的链接高维数据（HighDimensionalData）对于高维数据，协变量（Covariates）的数量可能大于独立样本的数量在高维数据分析中，选取哪些协变量成为重要的问题，变量选择和模型选择是高维数据分析的关键非结构数据（UnstructuredData）非结构数据是指不存在固有结构、通常以各种文件类型存储的数据，例如文本文件、图像文件和音视频文件非结构数据的具体例子包括Word文档、PowerPoint演示文稿、即时消息、协作软件、文档、书籍、社交媒体帖子和医疗记录87大数据征信在风控中的应用大数据征信利用计算机和互联网技术，对征信活动中涉及的数据进行分析和处理，能够更全面地反映经济活动和信用信息计算风控指标的数据来源：企业APP产品数据、央行征信中心数据、电商企业网购数据数据提供方：第三方合作企业、爬虫抓取的互联网数据公司、公检法的公开发布个人信用风险评估指标体系的构建流程：数据探索与预处理、特征工程、指标初筛、指标优化数据处理和分析方法：数据标准化、基本特征提取、复杂的特征构建、无效过滤、过滤优化、包容性优化88大数据风控缓解信贷中的信息不对称信用风险事前风险逆向选择事后风险道德风险大数据风控征信征信报告和评分大数据风控模型反欺诈GPS跟踪

智能催收互联网法院信用分作为隐形抵押品抵押品传统方法：人工调查（隐性）担保风险保证金信息不对称传统方法更多信息更低成本89催收起诉大数据分析在信贷中的作用

不同数据对模型预测结果的贡献度，传统模型（左）和大数据模型（右）大科技风控模型：重要数据的贡献

大数据风控：信息优势（数据）还是模型优势（算法）？大数据分析在支付的作用：反欺诈

大数据分析在支付的作用：反欺诈

大数据分析在支付的作用：反欺诈

大数据分析在支付的作用：反欺诈

利用大数据给用户画像与信用风险评分

数字时代的征信业监管美国的征信监管：三大民营征信机构寡头垄断EquifaxExperianTransUnion

三大私营征信机构消费、金融机构、政府部门、数据分析公司等美国消费者数据行业协会（CDIA）评分模型提供商FICO以美联储和消费者金融保护局为代表的征信监管机构原始数据数据标准格式标准化数据模型和算法征信产品监管数据来源美国的征信监管：多部门监管+比较完备的法律体系（17部法规）征信业监管美国联邦贸易委员会消费者保护局美国联邦储备委员会消费者金融保护局征信行业协会组织公平信用报告法公平信贷机会法诚实借贷法信用卡发行法公平信用和借记卡披露法金融隐私权法银行保密法信用修复机构法房屋抵押披露法。。。。。。中国个人征信业的监管体系《征信业管理条例》：第一部全国性的征信业法律，明确了央行作为征信业的监管主体。2013年3月15日起开始施行，对征信机构的设立条件和程序、征信业务的基本规则、征信信息主体的权益、金融信用信息基础数据库的法律地位及运营规则、征信业的监管体制和法律责任等内容进行了规定。《征信机构管理办法》：2013年12月20日起开始施行，细化和补充了《条例》。重点放在了两方面上，即：保护个人信息主体的合法权益；完善对征信机构的管理措施。《征信机构信息安全规范》：2014年11月17日起开始施行，重点规范征信机构的信息安全，进一步丰富了以《条例》为基础的征信法律制度体系，为征信机构建立和完善信息安全管理体系，规范信用信息的采集、加工、保存、查询和使用提供了支撑和指导。《征信机构监管指引》：2015年12月下发，在民营征信牌照下发之前，试图从公司治理、风险保证、股东转让等方面对各类民营征信机构进行管理，减少相应风险，规范即将放开的民营个人征信市场。《征信业务管理办法》：2022年1月1日起施行，《征信业务管理办法》明确了信用信息的定义及征信管理的边界，规范了征信业务全流程，强调信用信息安全和依法合规跨境使用，提高了征信业务的透明度。2016国务院印发《互联网金融风险专项整治工作实施方案》，对个人征信行业的市场化进程产生重要影响，八家试点机构均未获得独立的个人征信牌照2015央行印发《关于做好个人征信业务准备工作的通知》，允许包括芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用、北京华道征信在内的八家民营机构为个人征信业务做好准备工作2018我国第一家市场化个人征信机构——百行征信公司成立，与央行征信中心“错位发展、功能互补”20212月2日，朴道征信有限公司在北京举行揭牌仪式，这是继2018年百行征信成立之后，经批准成立的第二家市场化的全国个人征信机构中国个人征信的市场化进程202111月26日，中国人民银行受理了钱塘征信有限公司（筹）的个人征信业务申请202411月11日，中国人民银行发布公告，批准钱塘征信有限公司（以下简称“钱塘征信”）个人征信业务的许可。百行征信中国互联网金融协会，36%芝麻信用，8%腾讯征信，8%深圳前海征信，8%鹏元征信，8%中诚信征信，8%中智诚征信，8%拉卡拉信用，8%北京华道征信，8%中国民营个人征信公司概况：股东背景朴道征信北京金融控股集团，35%京东数字科技，25%小米，17.5%旷视科技，17.5%北京聚信优享企业管理中心（有限合伙），5%由国有机构控股与征信相关的场景方、数据方、技术机构参股，但是股份存在差异化百行征信基础产品个人信用报告增值产品特别关注名单信息核验系列反欺诈系列场景定制评分多头申请监测信贷行为标签百行智绘共债预警中国民营个人征信公司概况：征信产品朴道征信信用画像反欺诈类征信产品信用评分类征信产品个人征信报告职业信用产品个人信用信息的保护信息主体权益保护征信领域消费者权益主要有知情权、利用权、异议权和事前授权四种1）知情权：消费者有权知悉信息采集、处理和查询流程与条件2）利用权：消费者有权利用征信系统采集到的与其相关的个人信息3）异议权：消费者有权对征信机构采集到的与其相关的信息的准确性进行质疑4）事前授权：消费者有权对自身信息特定目的采集和使用进行反对108数字时代的征信在信息保护领域面临的挑战“概括性授权”的普遍使用留下了诸多安全隐患“概括性授权”是指消费者在使用互联网服务时被要求签署一份事先的确认协议，协议中往往有这样的条款：消费者同意服务商使用其个人数据且并不限定使用途径、使用范围等条件。数据所有权不清，授权界限模糊如果数据的所有权问题不能解决，无法进一步明晰授权界限采集数据范围不明，存在隐私泄露隐患征信数据存储存在安全问题案例讨论：百行征信百行征信的成立与现状百行征信有限公司于2018年3月19日在深圳注册成立，注册资本10亿元，是中国第一家获得个人征信业务经营许可的市场化公司主要股东及所持股份为：中国互联网金融协会持股36%，芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用、北京华道征信这八家机构各持股8%截至2022年7月29日，2022年上半年产品调用量16.4亿笔，同比增长264%，日均调用量906万笔，日调用量峰值突破1700万笔，累计调用量超过38亿笔在数据库建设方面，2022年上半年，百行征信累计拓展法人金融机构2544家，个人数据库信息主体数新增9343万人，总量近5亿人，同比增长124%111百行征信发展面临的问题交易信息采集难度大百行征信在交易信息采集方面面临较大难度。行业协会模式的一个劣势是会员只在行业协会内部分享信息，与行业协会外的信息合作较少发展的定位与边界不够明晰八家机构业务类型和体量不同，拥有的数据量差异巨大，这八家机构所在的平台或母公司如果同时开展大数据服务，其边界应该如何把握112百行征信未来发展百行征信与央行征信中心“错位发展、功能互补”百行征信与央行征信中心“错位发展、功能互补”，利用市场化机构的优势来纳入更多的央行征信中心未能覆盖到的个人信用数据，更灵活地在传统金融机构以外的网络借贷领域开展个人征信业务，提供更加丰富的征信产品。央行征信中心与百行征信之间的市场分割可以按照两个机构的不同特点来考虑，将信息采集成本较高的个人信用市场由百行征信完成，央行征信中心保留业务体量较大、对金融稳定有重要影响的征信业务。通过央行征信中心与百行征信功能互补，实现对我国信贷市场交易信息的全覆盖。113百行征信最新发展数据信息主体覆盖：截至2025年9月底，百行征信个人征信数据库累计收录个人信息主体超7.6亿人，其中有信贷信息的主体2.4亿人数据源接入：截至2025年10月底，百行征信已接入替代数据源渠道52家，覆盖非信贷信息主体数超10亿人，基本实现有经济活动的企业和个人主体全覆盖产品调用量：2025年1-9月，百行征信产品累计调用量超1000亿次，日均调用量超1.5亿笔，日调用量峰值超1.8亿笔服务金融机构：截至2025年10月底，百行征信签约服务的金融机构数量已超过上千家，服务范围覆盖全国19类持牌金融机构114钱塘征信：第三家个人征信公司由6家企业出资发起成立，3家为国有企业，3家为民营企业。浙江省旅游投资集团有限公司为第一大股东，出资40100万元，持股40.1%。蚂蚁集团全资子公司浙江融信网络技术有限公司持股29.9%。其他持股股东分别为杭州溪树企业管理合伙企业（有限合伙）（出资10000万元，持股10%）传化集团有限公司（出资7000万元，持股7%）、杭州市金融投资集团有限公司（出资6500万元，持股6.5%）和浙江电子口岸有限公司（出资6500万元，持股6.5%）115Q&A第5章个体对个体网络借贷117课程总览个体对个体网络借贷（Peer-to-Peer

Lending)的兴衰专题：信贷“断直连”—助贷平台与银行的互动118119PART01P2P的兴衰

个体网络借贷：从猪在风口到猪在刀口

“通往地狱的道路是由……铺筑成的”1201.

何为个体对个体网络借贷？个体对个体网络借贷是21世纪的一种金融创新，指通过在线服务将投资者和借款者匹配起来，向个人或企业借款的业务模式。因主要是在线完成，所以被称为个体对个体网络借贷；也根据其英文称呼翻译为点对点（peertopeer）借贷，或者P2P借贷。由于这一业务模式既不属于传统银行、也不属于非银行类金融投资机构以及保险公司的业务，P2P借贷被视为替代金融的一种。1211.

何为个体对个体网络借贷？参与者：投资者：资金的提供方，既可以是个人也可以是机构，也被称为出借方；借款者：资金的需求方，可以是个人或者企业；平

台：为投资者和借款者提供借贷机会的机构。业务模式：投资者：根据P2P平台提供的关于借款者基本信息、信用情况、贷款金额、贷款等级和贷款用途的信息，选择他们想要投资的贷款标的。获得利息收益。平

台：把投资者的资金匹配给借款者。分别向借款者和投资者收取服务费获得收益。借款者：使用资金并按照约定向投资者还本付息，获得资金使用便利。

1221.

个体对个体网络借贷是好的金融创新吗？好的金融创新至少应具备两个方面的条件：满足对金融服务的合理需求：借款者的融资需求合理，也就是要求融资以真实的生产、消费为目的；借款者的融资金额合理，也就是要求借款者具备偿还能力和偿还意愿保证金融风险大体透明可控挑战：信息不对称逆向选择：没有偿还能力道德风险：没有偿还意愿，或兼而有之1231241.我国传统金融体系概览信用风险事前风险逆向选择事后风险道德风险抵押品传统方法：人工调查/审批（隐性）担保风险保证金信息不对称传统方法125司法保障传统金融：匹配资金端和资产端的信用中介

借款人：改变获取资金的时间；

投资人：收获承担相应风险的回报1.传统金融特征越没能力还越想借借到以后不想还数字金融的创新逻辑—P2P是好的创新吗？信用风险事前风险逆向选择事后风险道德风险金融科技大数据风控模型抵押品传统方法：人工调查（隐性）担保风险保证金信息不对称更多信息更低成本更高效率126司法保障缓解大数据：算源AI：算“术”云计算：算力区块链：算“道”信用分可抵押互联网法院GPS个人隐私传统方法金融科技方法1.

P2P的兴起背景：

普惠金融难以既普也惠金融供给的二八法则：20%左右的优质客户产生80%的利润需要资金但是得不到供应怎么办？窦天章，杨白劳，威尼斯商人安东尼奥普惠金融是：inclusive

finance,包容性金融，2005年联合国提出服务对象：小微企业、农民、城镇低收入人群、贫困人群和残疾人、老年人等特殊群体普惠金融不是：慈善和救助“普”，“惠”，商业可持续1271.

P2P的兴起背景：

小微企业融资难小微企业作为我国国民经济的重要载体，现阶段普遍面临融资难、融资贵、融资慢等困境，其背后的原因是多层次的。金融市场

问题小微企业

自身问题金融市场

问题政策与监管

问题普惠金融的政策导向和制度建设不够健全对小型金融机构的监管力度不够，坏账频发导致小微企业融资成本偏高金融市场针对小微企业的融资方式单一、渠道狭窄大型金融机构信贷资源过度向大企业倾斜,缺乏信贷支持小微企业的动力原本旨在填补市场空白的小型金融机构存在高利率、高门槛、借贷混乱等问题小微企业信用档案和信用评级体系缺失，难以对其进行科学的信用评级针对小微企业的信用担保体系不健全，难以形成有效的风险补偿机制企业管理（尤其是财务）水平较低，加剧与金融机构的信息不对称信用意识相对较弱缺乏合格的抵押资产1282019又一个猪年……1.中国个体对个体网络借贷发展历程2004：支付宝上线；2014：政府工作报告首提互联网金融129130交易额和贷款余额的快速增加与下降：1.中国个体对个体网络借贷发展历程：规模变迁1311.中国个体对个体网络借贷发展历程：平台数量1321.中国个体对个体网络借贷发展历程：平台交易额2.P2P案例：拍拍贷（案例6）YuebaoonlineInternetFinanceblossomsYearofPig133Online

time:Accumulated

users:Accumulated

transactionsTransaction

volumeTop

5

borrowing2017年访问拍拍贷2.P2P案例：红岭创投（案例7）134Online

time:Accumulated

users:Accumulated

transactionsTransaction

volumeTop

5

borrowing松监管、无征信、无统计、惯刚兑、转让难的P2P。偏离纯粹信息中介定位支付成本高；大部分平台供需人数不足大部分平台风控能力弱、大数据分析能力不强风险很大！（2018年4月底的研究判断）。我国个体网络借贷结构

135英国模式机构投资人借款人借款人借款人借款人投资人投资人投资人投资人中小微企业中小微企业个体投资人个体投资人个体投资人个体投资人个体借款人个体借款人个体借款人个体借款人美国模式中国模式投资人与借款人的年龄、收入结构也不同

2.P2P平台的兴衰：为什么？

P2P基础设施136ExperianEquifaxTransUnionCallcreditEquifaxExperian暂无P2P平台可用的征信系统美国英国中国各国征信系统对比

2.P2P平台的兴衰：为什么？

直接借贷监管框架137平台借贷州牌照与州法律美国证监会持牌并接受行为监管局（FCA）监管2007～2015年，监管环境比较宽松美国英国中国各国监管模式比较2016-至今，《办法》+三个《指引》

2.P2P平台的兴衰：为什么？

P2P国际对比征信体系不完善信息披露机制不健全有完善的征信系统投资人主要是机构投资人和合格投资人，抗风险能力强网络借贷统计有统一标准、定期报告中国英美等国VS以个体投资人为主，抗风险能力弱充分完备的信息披露机制监管法规及体系初步建立有成熟的监管法规和监管措施

“刚性兑付”“投资有风险”网络借贷统计体系不完善138

2.P2P平台的兴衰：为什么？

139

2.P2P平台的兴衰：为什么？

松监管、无征信、无统计、惯刚兑、转让难的P2P。偏离纯粹信息中介定位支付成本高；大部分平台供需人数不足大部分平台风控能力弱、大数据分析能力不强风险很大！（2018年4月底的研究判断）。140

2.P2P平台的兴衰：为什么？

大多数平台经营模式不可持续1412018年2月：虽然有近两千家平台正常运营，但主要交易发生在其中的十分之一左右。

2.P2P平台的兴衰：为什么？

2018年7-8月：中国金融科技情绪指数急转直下142

2.P2P平台的兴衰：为什么？

2019年9月：P2P现状—普惠还是普骗？143

2.P2P平台的兴衰：为什么？

2007

–

2015：监管部门对网络借贷没有明确的监管文件，既不表态P2P必须做信息中介，也不说P2P不能做信用中介，既不设定资质要求，也不发牌照。金融牌照本来是一种稀缺资源，P2P行业却可以敞开进入。这样就吸引了一大批缺乏资质、不负责任、既不懂技术、也不懂金融的平台进来。P2P平台持续了野蛮生长的态势。为了发展业务，许多P2P平台开始做各种增信，从资金池到各种担保、兜底，因此形成了普遍的额度转换、期限转换、风险转换，实际就是做成了类银行的信用中介，将风险基本上就集中到平台上。144

3.P2P平台的兴衰：有什么启示？

2015年-2017年间建立起的监管框架对P2P平台提出了很多要求，最主要集中在三条。首先是信息中介的定位。如果严格执行信息中介定位，要求平台放弃增信措施，那么绝大部分平台都不可能合规。银（保）监会与地方政府职责如何分工不清晰。第三是备案制。即便定位信息中介，监管部门也应该设立统一的准入门槛、发牌照。备案标准迟迟不能公布，同时截止期限一推再推，直接导致了P2P行业明斯基时刻的到来，投资者对行业的整体性信心崩溃，从2018年初开始大量资金流出，年中达到了新的高峰。因为投资者无从识别平台的质量，不清楚哪些平台可以生存、哪些平台只能退出，所以资金流出就成为一个系统性的问题。直至最终明确要求“三降”而宣告行业的死亡。145

3.P2P平台的兴衰：有什么启示？

启示一：功能监管和行为监管更适合监管金融科技企业。该发牌要发牌！功能监管是指不论何种金融机构，对金融活动按照其性质进行监管，对具有相同功能和法律关系的金融产品按照相同的规则进行一致的监管。例如，无论是提供资金、风险分析模型还是提供渠道，只要机构从事的是信贷业务，就要在统一的框架下接受监管。启示二：加强数字基础设施建设。由于无法进入央行的信贷体系，平台无法有效识别借款人的风险，也就无法做高质量的大数据风控。一方面数据相关建设、另一方面要加快征信系统的建设，建立收集个人信息的标准，促进真实信息共享，保护数据隐私，是当务之急。146

3.P2P平台的兴衰：有什么启示？

启示三：需要大力发展监管科技，以跟上创新步伐、改变监管落后于创新的被动局面。启示四：发展未成熟金融市场时，需要兼顾恰当的舆情管理，加大力气增加信息透明度。为了让媒体在新兴金融市场发展中发挥恰当的作用，监管部门、媒体自身、企业和投资者均可有所作为。147

3.P2P平台的兴衰：有什么启示？

P2P衰落后，那些原本做P2P的平台怎么转型的？P2P中数据没有真正发挥作用148

3.P2P平台的兴衰：未完待续149PART02专题：信贷“断直连”—助贷平台与商业银行的互动金融科技平台：有流量没资金；银行：资金丰富、对于通过流量获客很陌生金融科技平台的需求：急需新的收入源小平台--P2P之后大批平台需要转型；大平台—监管趋严，不再能像过去那样四两拨千斤银行的需求：现有金融产品或者不能服务一些新兴客群（如仅有短期小量资金需求）；或者不能以较低成本触达新兴客群；或者无力甄别客群质量。银保监会2019年3月：《关于2019年进一步提升小微企业金融服务质效的通知》：普惠型小微企业贷款2019年要实现“贷款增速不低于各项贷款增速、贷款户数不低于上年同期”的“两增”目标。政策目标：助力普惠金融发展，让长尾客群、中小微企业获得恰当金融服务。政策挑战：这部分群体缺少“硬信息”，本身抗风险能力较低，自身风控尚且不好的金融机构对于加大中小微投入的困境。150

1.助贷：银行与平台均有意愿

助贷方为：持牌机构，如互联网银行（网商银行、微众银行、新网银行）和部分拥有小贷、网络小贷、融资担保等牌照的金融科技公司；非持牌机构，如无小贷、网络小贷、融资担保等牌照的金融科技公司、P2P平台（曾经）、数据公司等。助贷资产：小微企业、零售贷款、现金贷等助贷价值：对银行流量，平台为主，利用流量背后的数据“导流获客”技术，核心产品为风控技术方案；“技术赋能”对助贷方：通过合作获得新的收入来源（信息服务费、担保费等）助贷规模：截止2019年12月，我国助贷和联合贷款市场规模约为2万亿元（财新）。2020年我国助贷行业市场规模依然高达2.8万亿元（《中国消费金融及助贷市场数据报告》）151

1.助贷：银行与平台均有意愿

依自身提供的金融基础服务吸引客户，汇集客户的基础身份、资产和信用等金融信息，运用大数据、人工智能对有资金需求的客户初筛，给银行推荐符合审批条件的客户。案例：CreditKhama152

2.助贷可以助什么？国际经验

参与贷款审批的前、中、后期的风险管理，通过数据挖掘潜在客户，提供风险管理模型帮助金融机构完善信贷决策机制，并开展资金监管和催收业务。案例：FICO依托消费超市、服装店、第三方支付平台、电商平台等消费场景，将消费者行为与金融需求结合更紧密结合，使得客户黏性增加，有利于精准发放小额信贷。案例：苹果+高盛，applecard帮助银行搭建线上化、智能化的信贷流程系统，同时提供客户推介及风控服务。助贷机构往往不参与资金方出资，只参与商业银行等放贷机构风控管理的相关环节，旨在提高银行风险管理的技术和能力。案例：UpStart客户支持风控支持

场景支持平台支持虽然银行自身有风控系统，但是实质上存在风控外包。第三方公司兜底，监管部门看不到实际的不良率。一度对金融机构通过助贷或者联合放贷渠道的放款规模没有明确要求和限定，一些地方小银行采用助贷方式放款比例高。一旦发生风险事件，银行抵御能力弱。某地方小银行与助贷机构合作案例：贷款利率18%，银行得8%，机构得10%，不良率6-7%，机构对不良兜底兜底模式采用机构自己的担保公司（第三方担保公司或者保险公司不愿参与）银行表内：不良率为0，因为所有不良由机构兜底承担如果不良率飙升，机构无利可图，则终止合作153

3.助贷的问题：风控外包

154但是，出风险谁承担？“助贷”资金主要来源于银行普通老百姓存款，必须刚性兑付。助贷客观上让银行将资金贷给了单依靠自身风控不会放贷的客户，带来的问题是风险如何分担。

3.助贷的问题：风控外包

155银行助贷（联合放贷）的风险在系统中传染可能更快、规模更大。金融科技公司大多不具备查征信记录的资质，风控能力需要评估。金融科技公司将客户数据导流给银行时，可能同时和多家中小银行合作，导致优质客户可以从多家银行获得贷款，出现新的多头借贷。银行虽然可以查征信记录，但是如果客户多头借贷中一直可以实现拆东墙补西墙，不会有不良征信记录。即便客户开始出现部分的不良，金融科技公司合作做了变相兜底，银行账面没有不良记录、征信记录也不会显示。明斯基时刻：客户全面不还款，金融科技公司无法兜住损失，银行必须面对真实的坏账。

3.助贷的问题：风控外包

2021年6月10日公布《中华人民共和国数据安全法》，2021年9月1日起施行。2021年8月20日公布《中华人民共和国个人信息保护法》，2021年11月1日起施行。正规金融机构客户信息输送给助贷机构的做法，存在泄露个人隐私与妨害信息安全的风险。助贷的风险，在资金流和信息流两方面均存在。156

3.助贷的问题：信息安全

157

4.对助贷的监管政策：资金流、信息流双管齐下

2017.12.1:《关于规范整顿“现金贷”业务的通知》：“银行业金融机构不得接受无担保资质的第三方机构提供增信服务以及兜底承诺等变相增信服务，应要求并保证第三方合作机构不得向借款人收取息费”2019.5.15:《关于保险资金参与信用风险缓释工具和信用保护工具业务的通知》“保险资金参与信用风险缓释工具和信用保护工具业务仅限于对冲风险，保险集团（控股）公司、保险公司和保险资产管理公司（以下统称“保险机构”）不得作为信用风险承担方。”2020年4月，中国银保监会颁布《商业银行互联网贷款管理办法》商业银行独立开展互联网贷款风险管理，应审慎监管出资比例、合作机构集中度、互联网贷款总量严禁将贷前、贷中、贷后管理的关键环节外包，严控网贷跨地域经营。158

4.对助贷的监管政策：资金流、信息流双管齐下

2021年3月，中国银保监会发布《关于进一步规范商业银行互联网贷款业务的通知》单笔贷款中合作方出资比例不得低于30%与单一合作方（含其关联方）发放的本行贷款余额不得超过本行一级资本净额的25%共同出资发放的互联网贷款余额不得超过本行全部贷款余额的50%2021年7月，中国人民银行征信管理局推动出台《征信业务管理办法》

要求平台机构在与金融机构开展引流、助贷、联合贷等业务合作中，不得将个人主动提交的信息、平台内产生的信息或从外部获取的信息以申请信息、身份信息、基础信息、个人画像评分等名义直接向金融机构提供。159

4.助贷的未来何去何从？

2020年第三季度开始，助贷机构业务量萎缩：趣店助贷规模连续下降超过30%，达到133亿元，环比下降34.5%；开放平台在贷余额69亿元，环比下降29.6亿元。宜人金科、51放款、玖富等中小数字平台纷纷下降20%-40%不等，放款量在2021年纷纷跌入十亿级别。金融要服务实体经济的大前提下，助贷机构站位要准，是“助”，不能喧宾夺主。定位错了就会逆流而动。银行要成为数字时代做好数字化风控从而大幅降低信贷成本的主体，小银行需要多寻找自身在服务实体经济方面的优势。监管部门须肯定一些助贷机构在技术、数据、对客户的认知等方面发挥了积极作用，让助贷机构能发挥积极性。160

5.信贷“断直连”2022年11月底，要完成信贷断直连试点断直连前，银行查央行征信，助贷机构提供风控和流量：潜在问题：助贷平台通过银行查询央行征信拿到潜在客户信用结果，与自身大数据和模型结合，加大了数据优势，可能导致正规金融机构在谈判中更弱势。银行等放贷机构沦为查征信端口、资金提供方，不作自主风控，借贷风险集中到助贷平台。消费者个人消费信息等数据生产要素的采集、传输、使用随意，不在监管范围内。助贷平台央行征信银行消金①客户申请②查询③反馈④反馈⑤助贷数据+风控模型，给予贷款决策建议⑥银行作出决策，助贷平台界面显示161

5.信贷“断直连”2022年11月底，要完成信贷断直连试点断直连后，客户信息必须由助贷机构传给个人征信机构，由个人征信机构传给银行等资金方，即助贷机构不能绕过个人征信机构和资金方放款。好处：助贷平台的数据和模型得到的关于信贷的决策建议通过个人征信机构到达银行，银行自主风控成为必选项。监管者管住主要个人征信机构就能极大减少风险。数据生产要素的使用看起来会更规范。问题：助贷平台利润空间大幅压降，是否有意愿加大投入。助贷平台银行消金个人征信机构①客户申请③查询⑤银行作出决策征信中心②客户申请④反馈162

5.信贷“断直连”的不同模式：强势助贷平台模式一：助贷平台较为强势，在联合贷款中发挥积极作用。流程：①助贷机构核验客户四要素+人脸核验，递交给个人征信机构的包含上述客户申请信息、机构根据既往信息提取的对客户的风险识别信息，以及风控模型给予的推荐；②征信机构将上述信息提供给银行消金等放贷机构，放贷机构核实信息③放贷机构向央行征信中心、其他征信机构、政府公共数据等其他合法数据源提出申请评估客户信用的信息；④基于信息反馈后，作出信贷决策⑤信贷决策反馈到征信机构接口；⑥征信机构将信息反馈助贷平台，平台界面显示放贷结果。助贷平台银行消金①③征信中心征信机构政府公共数据等其他合法数据源②④风控模型推荐风险字段信息客户申请信息个人征信机构⑤⑥放款状态、还款计划、对账信息等

5.信贷“断直连”的不同模式：数据生产要素的处置客户申请信息：属于客户引流服务，应由助贷机构、放贷机构和征信机构三方签订协议，在征信机构见证