专栏名称: 现代财经
《现代财经》是由天津财经大学学报编辑部编辑出版的一份反映中国财经管理类专业期刊。所选用、发表的稿件紧扣中国经济发展脉博,透析中国经济发展深层动因,探索中国经济发展之路,关注社会民生,把握财经类学术研究动态,突出前瞻性、前沿性、科学性和针对性
目录
相关文章推荐
新浪科技  ·  【#韦东奕涨粉速度得到世界纪录认证##韦东奕 ... ·  11 小时前  
新浪科技  ·  #好博会推荐官# ... ·  14 小时前  
金融早实习  ·  建信基金2025年暑期校园招聘公告! ·  昨天  
四大新鲜事儿  ·  财融圈干货课程 | 金融行业概览! ·  2 天前  
四大新鲜事儿  ·  财融圈干货课程 | 金融行业概览! ·  2 天前  
51好读  ›  专栏  ›  现代财经

《现代财经-早读早分享》2025年6月1日周日(第3392期)

现代财经  · 公众号  · 金融 科技媒体  · 2025-06-01 03:17

主要观点总结

本研究利用国内某金融科技借贷机构的数据,实证考察了电商信用评分和网购行为足迹在违约预测中的作用。研究发现,电商信用评分和网购行为足迹均能有效预测违约概率,其中电商信用评分具有最强的预测能力,而网购行为足迹不仅与自我报告信息具有相似的预测能力,还包含额外的信息含量。进一步分析表明,两类数字足迹的互补作用有助于提升违约预测的准确性,并帮助传统征信缺失的信用白户以及被传统征信错误低估的借款人提高信贷可得性。本研究还探索性地建立了网购行为与违约风险的理论联系,为金融科技借贷领域的研究提供了新的视角。

关键观点总结

关键观点1: 电商信用评分和网购行为足迹在违约预测中的作用

电商信用评分和网购行为足迹均能有效预测违约概率,其中电商信用评分具有最强的预测能力,网购行为足迹则包含额外的信息含量。

关键观点2: 数字足迹的互补作用

电商信用评分和网购行为足迹的互补作用有助于提升违约预测的准确性。

关键观点3: 信贷可得性的提高

数字足迹能够帮助传统征信缺失的信用白户以及被传统征信错误低估的借款人提高信贷可得性。

关键观点4: 理论联系的建立

研究探索性地建立了网购行为与违约风险的理论联系,为金融科技借贷领域的研究提供了新的视角。


正文

请到「今天看啥」查看全文


近日,1年期和5年期以上贷款市场报价利率(LPR)同步下降10个基点,分别降至3.0%和3.5%。多家商业银行纷纷开启新一轮存款利率下调,主要涉及活期存款、定期存款和通知存款等多种产品类型。这场“双降息”,一头牵动购房者和贷款者,另一头则直接影响广大储户的钱袋子。对于购房者而言,最关心的问题莫过于:LPR下调后,房贷利率能降多少?(经济日报)

蔡子微评: LPR与存款利率同步下调,标志着货币政策向“宽信用、促消费”进一步倾斜。当前市场呈现两大特征:一是理财行业加速分化,头部机构凭借投研与渠道优势抢占份额,中小机构需在成本控制与资产端创新上破局;二是投资者偏好转向“低风险 + 相对收益”,货币基金、债券基金、黄金基金组成的“新三金”受年轻人青睐,体现了多元化配置与流动性管理的双重需求。因此低利率环境下更需坚守理性配置原则。对金融机构而言,拓宽资产配置边界、优化产品设计、提升多策略投研能力,将成为应对利率下行周期的核心竞争力。这场“双降息”驱动的不仅是短期市场调整,更是资产配置理念与行业格局的深度重塑。

话题关注:低利率环境下金融机构资产配置策略创新研究

9、让“老场景”释放消费“新流量”。 消费业态升级是推动经济增长的重要引擎,消费场景焕新折射出社会的发展变迁。当前,消费业态升级风起云涌,传统业态不再受困于固有标签,乘着科技与文化的东风,焕发出蓬勃生命力。老商场变身社交打卡地,书店“进化”成知识游乐场,“非遗热”“数字游民热”不断升温……当前,一大批“老场景”焕新,释放出前所未有的消费“新流量”,演绎着我国消费业态的深层变革。(中国经济网)

蔡子微评: 科技赋能与文化赋值是“老场景”焕新的“双引擎”。然而,科技与文化赋能消费业态升级目前存在着消费内容创新不足与品牌建设不足等问题。对此,一方面要加强内容创新,深入挖掘本地文化资源,结合现代旅游需求,打造具有独特性和创新性的文旅产品,鼓励文旅企业与文化机构、高校等合作,开展文化研究和创意设计,提升内容质量;另一方面要加大对文旅品牌的推广力度,利用新媒体平台进行品牌宣传,提升品牌的知名度和影响力。

话题关注:新时代背景下科技与文化赋能消费业态升级的内容创新与品牌建设研究

10、上海金融监管局:持续稳步推进金融领域制度型开放。 5月30日,上海金融监管局副局长王鑫泽在上海市政府新闻发布会上表示,近年来上海金融监管局对标国际高标准经贸规则,在风险可控前提下,积极探索金融领域制度型开放。同时,推动在沪外资机构发挥自身优势,实现差异化、特色化发展,助力上海国际金融中心建设。下一步,上海金融监管局将持续稳步推进金融领域制度型开放,当好服务高水平对外开放“排头兵”。(中证网)

蔡子微评: 制度型开放是深化金融改革、提升国际竞争力的关键,上海作为金融中心,通过与国际高标准经贸规则接轨,优化跨境投融资便利化,吸引外资机构集聚,推动金融创新与差异化发展。此举不仅增强了上海国际金融中心的竞争力和影响力,也为全国金融开放提供了试验田和示范样本。这种稳中求进、开放与安全并重的策略,有助于上海金融业实现高质量发展,为全球金融治理与合作贡献中国智慧。

话题关注:制度型开放如何降低跨境投融资壁垒?——来自上海自贸区的证据

11、北京多部门联合举办“家政服务对接交流会”。 为进一步贯彻落实《北京市促进家政服务消费高质量发展的若干措施》(以下简称《若干措施》),更好发挥家政服务业在促消费、惠民生、稳就业等方面的积极作用,北京市商务局29日联合相关部门、行业协会和家政企业举办“生活服务北京行”首场活动——“家政服务对接交流会”,凝聚“政策支持+数字赋能+诚信建设”三维合力,促进家政服务消费高质量发展。(人民网)

蔡子微评: 在新形势下,我国家政服务业提质扩容意义重大。随着人们生活水平的提高,对家政服务的需求日益增长且多样化。提质扩容能提升服务质量,满足个性化需求,让家政服务更专业、规范、贴心。同时,它有助于创造更多就业机会,促进家政行业标准化发展,推动产业升级。这不仅是满足家庭生活需求的举措,更是促进经济高质量发展、改善民生的重要抓手,为美好生活助力。

话题关注:新形势下我国家政服务业提质扩容策略路径研究

12、提升京津冀辐射带动作用。 据海关统计,今年前4个月,京津冀区域进出口1.43万亿元,占同期我国进出口总值的10.1%。其中,出口4454.6亿元,创历史同期新高,增长1.7%。当前,如何进一步发挥各地比较优势,促进各类要素合理流动和高效聚集,进而形成优势互补、功能互促、高质量发展的区域经济布局、产业布局和空间布局,是重要课题。不过,目前仍然存在一些亟待解决的问题。接下来,应在空间治理、要素流动、链条融合等方面下功夫,持续发挥京津冀地区辐射带动作用。(经济日报)

蔡子微评: 今年前4 个月,京津冀进出口总值达1.43 万亿元,出口创同期新高,彰显区域经济活力。十年间,研发经费投入强度达4.27%,7个国家级先进制造业集群崛起,北京向津冀输出技术合同额增长超10 倍,科技创新与产业协同成果显著,脑机智能、深地勘探等技术突破更凸显创新能级提升。但城市层级落差、创新要素流动壁垒等问题仍存。从数据看成效,从问题寻突破,京津冀正从规模协同迈向功能协同。

话题关注:要素市场化改革与京津冀协同发展:制度创新对资源配置效率的影响

二、今日社科期刊佳作关注

数字足迹与违约预测: 基于消费信贷的证据


作者:胡俊,李强,曾勇,等. 来源:《管理科学学报》2025年第2期

导读

本研究利用国内某金融科技借贷机构借款人层面的独特数据,在将借款人信息分为自我报告、央行征信、电商信用评分和网购行为共四类信息的基础上,重点考察电商信用评分和网购行为两类数字足迹的违约预测作用及其提高信贷可得性的内在机理.以自我报告和央行征信两类基础信息的预测能力为基准,研究结果表明:两类数字足迹信息能够将违约预测的准确性提高约50%,其中电商信用评分的预测能力明显高于其他三类信息,网购行为足迹不仅能达到与自我报告信息相当的预测效果,而且相对于电商信用评分还具有额外的信息含量.进一步,针对数字足迹提高信贷可得性机理的检验结果表明,利用两类数字足迹进行违约预测,不仅可为传统征信严重缺失的信用白户建立数字信用,还能对信用质量被传统征信错误低估的借款人进行更为准确的风险评估.

关键词: 金融科技;数字足迹;违约预测;信贷可得性;

引用格式: 胡俊,李强,曾勇,等.数字足迹与违约预测:基于消费信贷的证据[J].管理科学学报,2025,28(02):115-139.

0 引 言

党的十九届五中全会明确指出要全面促进消费,“十四五”规划也提出要增强消费对经济发展的基础性作用,而依托金融科技提高金融普惠性是全面促进消费的重要手段.过去的十多年里,我国消费信贷规模快速增长 (1) 根据《2019消费金融行业发展报告》数据显示:2010年—2019年10月,我国金融机构短期消费贷款规模由0.96万亿增长到9.60万亿,增长了近10倍. ,但由于小额、分散、无抵押等的贷款特征,加之我国个人征信体系尚不健全,消费信贷领域的信息不对称问题尤为严重,传统信贷模式也存在授信成本高、风控难度大等问题,这导致我国消费信贷市场长期存在结构性失衡、覆盖范围有限、信贷约束严重的问题 (2) 《2019年中国消费金融发展报告》指出,我国消费金融总体覆盖率远低于发达国家,长尾客户覆盖力度不足,截至2017年,我国有将近40%的成年人未获得过消费金融服务. .所幸的是,近年来以大数据和机器学习为代表的数字技术与消费金融业务深度融合,为促进消费升级和畅通国内大循环注入了新动力.

在消费信贷市场,无论是新进的金融科技公司,还是在位的持牌金融机构,基于金融科技的借贷模式(简称:金融科技借贷,fintech lending)至少存在三个方面的独特优势.首先,申请、审批、放款、还款的全业务流程可实现线上化和自动化,没有或极少有人工参与 [1] ,拓展了服务边界 [2] ,提高了服务效率 [3] .其次,智能手机、传感器等智能设备终端及大数据、云计算、物联网等技术的广泛使用,大大降低了数据采集、存储和使用的成本,特别是网络购物和社交媒体等在线活动的普及,催生了大量以“数据资产化”为商业模式的大数据公司.通过合作或购买等方式,金融机构能够利用关于借款人画像的多维异构数据进行信用风险评估 [4] .例如,金融机构不仅可获取借款申请时借款人所用手机的型号、系统类型等设备数据,还可从第三方购买综合的金融科技信用评分(如芝麻信用评分),以及从电商平台获得更为底层的网购行为数据.最后,相对于Logit等传统线性模型,机器学习算法的使用不仅能有效捕捉数据间的非线性关系,还能处理高维稀疏的数据结构问题 [5, 6] .

需要指出的是,在消费信贷领域,小额、分散、无抵押的贷款特征导致采用贷后监督来降低借款人道德风险的难度和成本较大,而通过提升违约预测能力来降低贷前的逆向选择风险,是实施风险管控和增加信贷供给的重要途径.目前的中国情境下,央行征信系统仅能有效覆盖大约四分之一的人群 [7] ,存在大量因央行征信严重缺失而常被传统金融机构拒贷的信用白户,而利用传统征信之外的非传统数据,特别是用户在使用互联网过程中自然留下的易于获取、覆盖广泛的数字足迹,为其建立数字信用,有望成为提高信贷市场效率和促进普惠金融发展的重要手段 [8] .

从已有研究来看,如Goldstein等 [9] 所言,尽管“大数据+机器学习”的违约预测方法被广泛运用于实践,但学术研究远滞后于业界应用,其中关于数字足迹违约预测的作用及其机理的研究更是缺乏.近期极少数文献利用独特的账户数据,通过比较第三方金融科技信用评分和传统征信的违约预测效果,提供了金融科技信用评分具有独特优势的证据 [10-12] .然而,当下的业界实践并不满足于仅使用第三方提供的综合信用评分,而是还会大量使用更为底层的非传统数据,但遗憾的是,已有研究尚未能很好地打开二者如何相互作用以及怎样共同影响借贷效率的“黑箱”.Berg等 [4] 利用德国某家具电商平台数据,研究发现设备系统类型、网页访问方式、注册邮箱等数字足迹具有与传统信用评分同等的违约预测效果.王正位等 [13] 利用有无信用卡和有无“花呗”额度分别代表借款人的传统征信和消费行为,研究发现有无“花呗”额度相对于传统征信具有额外的违约预测作用,特别是能够提高对薄弱人群的风险识别效率,但由于“花呗”额度仍属于与信用评分类似的综合评价结果,同样无法回答其究竟是由于捕捉了什么样的消费偏好或行为特征而具有违约预测作用.

基于此,本研究利用国内某领先的持牌金融科技借贷机构借款人层面的独特数据 (3) 需要特别强调,出于隐私保护,本研究所用数据中任何与客户隐私相关的信息,均进行了加密或脱敏处理,本研究无法从所用数据中识别出现实中的具体客户. ,将用于违约预测的信息分为四大类:申请借款时自愿填写的自我报告信息、反映央行征信的银行卡信息、来自第三方的电商信用评分、反映经济状况或个人特质的网购行为足迹.其中,前两类被界定为基础信息,后两类信息分别来自国内两家头部的电商平台,且无论是网购行为足迹,还是电商信用评分依赖的购物、支付、转账、理财等底层数据,都是用户在使用互联网过程中自然留下的痕迹,被界定为数字足迹 (4) 数字足迹(digital footprints)指用户在使用互联网和智能终端过程中产生的所有关于线上活动的信息 [14] .与此同时,当前金融科技借贷机构经用户授权,可从多个平台获取底层数据.因此,利用来自不同平台的数据,不仅为本文提供了独特的研究机会,而且也更加契合当前的金融科技借贷实践. .利用 AUC 值(area under curve)作为不同模型预测能力的评价指标,本研究重点考察数字足迹相对于基础信息、网购行为足迹相对于电商信用评分的违约预测能力,并进一步对数字足迹提高信贷可得性的内在机理和网购行为足迹能够识别违约风险的经济机制进行检验.研究结果表明,两类数字足迹均对违约概率具有显著的预测作用,二者同时使用能够将预测准确性提高约50%,其中电商信用评分的预测能力最强,网购行为足迹不仅具有与自我报告信息相当的预测能力,还相对于电商信用评分具有额外的信息含量.进一步针对信贷可得性机理的研究结果表明:数字足迹是通过为传统征信严重缺失的信用白户建立数字信用,以及为信用质量被传统征信错误低估的借款人提供更为准确的风险评估而发挥作用.针对网购行为足迹用于违约预测的机制检验结果表明,网购金额一定程度上与个人的消费水平及经济状况有关,凌晨下单则能反映个人的自控力,取消订单和货到付款可以反映个人的履约能力和履约意愿.

本研究的创新与贡献概括为三点.第一,现有研究指出了金融科技信用评分在违约预测方面的良好表现,但大都是将其直接与传统征信的违约预测能力进行比较,而金融科技信用评分是算法输出的综合评价结果,该做法不但难以回答金融科技信用评分具有优势的原因何在,更是缺乏底层非传统数据和综合信用评分如何共同影响借贷效率的机理考察.本研究首次利用同时包含多种类型信息的独特数据,通过数字足迹相对于传统征信、网购行为相对于电商信用评分两个层面的违约预测效果比较,不仅揭示了数字足迹提升违约预测能力进而提高信贷可得性的机理,还指出了网购行为足迹和电商信用评分在违约预测中的互补作用,丰富和拓展了金融科技借贷领域的研究.

第二,创新性地探讨并定量考察了网购足迹能够用于违约预测的微观机制.以Jiang等 [11] 和王正位等 [13] 为代表的少数文献,基于网购数据被广泛用于构建信用评分的业界实践与经验推断,定性讨论了网购行为能够识别个人违约的可能原因.本研究则从订单金额体现消费收入水平、下单时间反映自控力、订单取消和支付方式选择反映履约能力与意愿等多个维度,理论上探讨了网购足迹相关指标通过反映消费偏好或行为特征而能够用于违约预测的经济机制,并提供了相应的实证证据,探索性地建立了非传统数据与个人行为特征之间的理论联系.

第三,关于网购行为足迹相对于电商信用评分具有额外违约预测能力的研究结论,可为金融科技借贷机构的风控模式选择提供决策依据.现实中,金融科技借贷机构不仅会直接购买第三方信用评分,还会购买大量更为底层的非传统数据.显然,究竟是采用直接购买第三方信用评分的外部模式,还是购买底层非传统数据来自建风控系统的内部模式,取决于二者在违约预测中的替代或互补关系.本研究发现,更为底层的网购行为足迹和电商平台提供的综合信用评分具有互补作用,因此,借贷机构不能千篇一律地只依赖外部科技巨头的技术输出,而应充分利用非传统数据自建或优化内部风控体系,才是建立市场竞争优势的关键所在.

特别说明的是Berg等 [4] 是与本研究最接近的研究,但本研究与之存在如下四点不同: 1)从数据性质和信息特征来看,Berg等使用的设备类型、访问方式和邮箱地址等数字足迹,均属于特定时点上的单次采样数据,本研究使用的借款申请前的逐笔网购订单数据,属于特定时段上的连续采样数据,具有时域多尺度性和信息噪声小的特点,对个体行为特征的刻画具有更好的稳定性和一致性,不仅有利于避免借款人的信息操纵行为,还能通过更好刻画借款人长期的习惯或行为特征而具有稳定的预测效果; 2)从违约预测能力的考察层面来看,Berg等只将数字足迹与传统信用评分进行了比较,本研究则不仅指出了两类数字足迹与传统征信的互补作用,还进一步比较了更为底层的网购足迹信息相对于电商信用评分的预测能力; 3)从研究场景来看,在Berg等的电商购物场景下,商品和资金的提供主体并不独立,是否如期付款很大程度上还会受到商品质量、售后服务、广告营销等混淆因素的影响,并非严格意义上的借贷场景,本研究则直接考察真实的消费信贷场景; 4)从中国情境下的现实应用来看,本研究关注的两类数字足迹更加契合金融科技借贷的业界实践.一方面,Berg等构造的近一半特征变量依赖邮箱地址信息,但在邮箱普及率远不及欧美国家且非实名认证的中国情境下,该信息不但覆盖人群有限(尤其是长尾客户),而且用于身份验证的有效性也较低,从而实践中金融机构出于用户体验考虑通常不会收集该类信息.另一方面,手机APP已成为提供金融服务的主要渠道,但该渠道通常不会涉及网购场景下的页面访问方式(比价或广告网站导流)和设备类型(手机或电脑)等足迹.

1 文献综述与理论分析

Stiglez和Weiss [15] 的开创性研究指出,借贷双方信息不对称导致的逆向选择和道德风险,是产生信贷配给的根本原因.随后的研究从软信息与关系型借贷 [16] 、信息共享与信息中介 [17] 等不同角度,探讨了传统借贷领域信息生产及处理机制对提高信贷效率的作用.近年来,数字技术的飞速发展不仅使得数据呈现爆炸式增长,也加速了金融与科技的深度融合 [18] .金融科技借贷机构不仅能够通过大数据技术批量采集和存储借款人在数字环境中留下的丰富痕迹,还可利用机器学习算法进行实时分析和预测 [19] ,以至于大数据与机器学习算法的运用成为缓解金融市场信息摩擦的重要途径 [20] .

在金融科技借贷的相关研究方面,较早以实证研究为主的大量文献主要利用P2P网络借贷数据,综合运用心理学、社会学和传播学等学科的理论与方法,考察了借款人自我报告的各类信息通过缓解信息不对称而对借贷效率的影响.廖理和张伟强 [21] 和李强 [22] 等对相关研究进行了较为全面的综述.Iyer等 [23] 在将借款人的自我报告信息进行分类的基础上,以 AUC 值作为评价指标,给出了自我报告信息相对于传统信用评分具有额外信息含量的证据.

随着业界实践的不断探索,一些大数据公司、成功转型的P2P平台、大型电商平台等金融科技公司快速发展,凭借其在流量、数据、风控等方面的优势,纷纷采用“数据资产化”的商业模式,专注于面向持牌金融机构进行技术输出.在此背景下,相关研究开始重点关注第三方提供的金融科技信用评分相对于传统征信在违约预测中的效果.Jagtiani和Lemieux [10] 利用Lending Club的数据研究发现,Lending Club的信用评级和FICO信用分之间的相关性从2007年的80%降至2014年—2015年的35%;同时,Lending Club的信用评级的违约预测效果更好,特别是能够筛选出那些FICO信用分低但真实违约风险未必高的借款人.Frost等







请到「今天看啥」查看全文