信用评分是一种建立数学模型来预测未来信用行为的过程，它在发达经济体中无处不在，为增加新兴市场的融资渠道和金融包容性提供了巨大的潜力。信用评分起源于英国和美国的小额信贷决策，通过自动化，它提供了一种以经济高效的方式服务大众市场的方法。如今，信用评分的用途十分广泛。从发放纳米贷款（最高 1 美元）到预付费手机用户，再到中央银行投资组合监管，以及介于两者之间的一切。
信用评分一直饱受诟病，主要是因为缺乏透明度，但大数据技术的发展却让不少监管者和数据隐私倡
导者感到震惊。在我看来，这是理所当然的。
为了探讨这些问题，世界银行金融和市场实践小组在最近于伊斯坦布尔举行的金融基础设施会议上纳入了这一主题，并邀请了来自两方面的主题专家。私营部门由各种在发达市场和新兴市场提供数据分析产品和服务的公司代表组成。来自各行各业的中央银行代表提供了监管观点。国际信用报告委员会的几位成员也出席了会议，该委员会于 2011 年发布了《信用报告一般原则》。
讨论和辩论主要围绕以下问题展开。
首先，毫无疑问，数据建模 法国电报数据 解决方案可以帮助个人和小型企业首次获得信贷，而且通常不需要与正规金融机构建立关系。使用非传统数据（例如公用事业和电信数据）进行信用评分已被证明是无可争议的，有迹象表明电信元数据和非结构化数据（社交媒体）可以提供类似的预测能力。还有证据表明，心理测量建模等方法可以在其他数据很少的环境中产生结果。因此，从科学的角度来看，我们似乎有可能改变游戏规则。但是……
透明度问题、模型如何构建以及模型包含哪些特征等问题最近变得更加复杂。机器学习技术越来越多地用于探索大数据海洋，它们甚至比传统的结构化数据建模技术更像巫师。输入几 TB 的信息，然后弹出一个模型，希望不会产生一丝烟雾。
那么这为什么是一个问题呢？原因有二。
首先，多年来，在世界大部分地区，负责任的贷款使用传统的信用评分（机构评分和“内部”评分），制定了政策和程序，向客户解释他们为什么没有达到所需的分数线，以及他们如何改变自己的行为，希望下次能提高分数。这通 提高客户参与的个性化程度 常涉及确定申请人得分较低的前 3 个特征（信用查询次数过多、工作时间长等），并采用直觉方法来提高分数。但如果这些模型是使用社交媒体数据或心理测量法在黑箱中构建的，你如何告诉人们他们失败的原因？
其次，也许更重要的是，结构化数据可以过滤掉不受欢迎的特征。虽然性别、种族和地理位置几乎总能预测信用行为，但在传统的信 安圭拉铅 用评分领域，它们大多被禁止。在非结构化数据环境中，几乎不可能筛选出这些特征，因为机器可以通过推理检测出模式。例如，客户姓名中常数与元音的比例可能不是直接的种族主义，但它可以预测种族，而机器不知道这一点。电信公司的元数据可能没有客户地址的详细信息，但每次您经过手机信号塔时，您的位置都会被跟踪，因此爱因斯坦不需要花几周的时间就能确定您的居住、工作和娱乐地点。
还有第三个原因，即数据隐私，但我不会在这里详细讨论这个问题，因为坦率地说，当人们盲目地点击“是”时，根本不存在数据隐私之类的东西，我同意我没有阅读的条款和条件。
因此，合乎逻辑的结论是，我们需要一种平衡。世界，特别是发展中国家，需要信用评分和创新。但是，考虑到即使在发达市场，金融知识水平也低得令人无法容忍，我们需要某种形式的监督，以确保信用评分行业得到良好的治理。
然而，问题在于，在大多数国家，信用评分行业并不属于明显的监管范畴，而且由于缺乏明显的监督者/监管机构，责任实际上落在了央行的身上。我无意冒犯，但坦率地说，大多数央行“不知道自己不知道什么”，而且没有足够的资源来监控微观层面的放贷者和评分卡开发商的做法。在这种情况下，监管机构过度监管并实际上将孩子和洗澡水一起倒掉的情况并不少见。
所以这篇文章的标题是信用评分行业是否应该有一套官方的全球指导原则？这不是规定性的，这是你能做什么和不能做什么，而是指导性的，这些是问题，这是最佳实践通常如何解决这些问题。这至少会为潜在的监督者提供指导，我希望它能确保这一业务关键基础设施的未来。
国际信用报告委员会（ICCR）目前正在考虑是否接受制定此类原则的挑战，但在此之前，我们希望征求更广泛相关方的反馈意见。