基于逻辑回归的个人信用评分卡模型研究

构建有效的个人信用风险评价系统,用以应对潜在的个人信贷风险,这对金融行业和社会公众皆有重要的现实意义。文章首先对数据进行清洗、预处理,然后通过WOE编码分箱、IV值进行变量筛选,构建了逻辑回归模型并基于逻辑回归模型建立了个人信用评分卡模型,该模型可辅助决策者制定合理的授信政策、定价策略以及其他相关业务运营策略。

股东个人信用量化及其适用

公司的信用基础处若仅以财产作为支撑要素,公司的作用就难以得到充分发挥。股东个人信用兼具人格和财产双重属性,现有关于信用的解释限缩了信用本身的内涵,从而导致对股东个人信用价值的忽视。股东个人信用权益商业化是信用时代发展的必然趋势,征信机构将股东个人信用信息化,使得股东的偿债能力和偿债意愿可评估。为了防范股东认而不缴,可增设股东认缴前附加征信平台担保义务制度,或者基于股东个人信用分值,来确定其认缴的资本数额。

个人信用信息异议权保护研究

个人信用信息异议权在保障个人信用信息权益层面发挥着重要作用,但在个人信用信息异议权的立法中存在异议处理程序不完善、不良信息保存规则不合理、信息处理者事先告知义务缺失以及举证责任规定不一致等问题。为解决上述问题,应在结合我国实际情况的基础上借鉴域外有益经验,完善异议处理程序,细化异议处理机制,确保个人信息主体能够充分行使个人信用信息异议权。

个人信用信息采集范围最小化原则之替代方案

被许多国家立法奉为个人信息收集行为基本准则的最小化原则,适用至个人征信领域会产生理论不适和现实弊端。三种优势互补的系统组合方案可以成为个人信用信息采集范围最小化原则替代之选:以绝对敏感信息为主要内容的负面清单制度,通过确定禁止采集的信用信息范围实现对信用主体核心权益的底线保护;相关性原则将最小化原则意涵中的直接相关性拓展至间接相关性,这使得相对敏感信息和替代数据能够有条件地进入个人征信系统;从采集最小化原则到使用最小化原则体现了“严进”向“严出”征信理念的转变,它要求个人征信机构和信用信息使用者做到“最少使用”和“最小侵害”。

基于机器学习的不平衡数据下个人信用评分预测模型研究

文章介绍了个人信用评分的基本概念,以及不平衡数据及其处理方法和机器学习算法在信用评分中的应用。然后,通过数据预处理,包括数据来源与特性、数据清洗与整理、数据不平衡分析、数据增强方法和效果评估,为后续模型构建提供基础。最后,使用实际数据集进行模型训练和测试,并评估模型的性能。实验结果表明,基于机器学习的不平衡数据下个人信用评分预测模型能够有效地预测个人信用风险,对于金融机构的风险管理和信贷决策具有重要意义。

个人信用信息权益的法治化保护

信用是形成良好营商环境的基石,完善个人征信制度是建设法治化营商环境的应有之义。在个人征信制度的发展过程中,存在着重信息规模、轻信息质量,重信息采集、轻信息保护,重事前审批,轻精准监管的问题。应从信用信息的采集、处理和披露三方面出发,保护信息主体权益。在信息采集环节,明确个人信息的采集范围,保障个人对信息采集的知情权与选择权,制定个人信息采集标准;在信息处理环节,平衡信息安全与数据共享,完善个人信用报告中信息错误的异议纠纷处理机制;在信息披露环节,区别设置个人信息披露条件,并按照使用目的制定精细化的个人信用报告,以期实现个人信用报告制度中信息主体权益的保护。

基于贝叶斯优化LightGBM的个人信用评估模型

针对传统信用评估模型无法处理大规模不平衡数据以及训练用时长、评估不准确等问题,提出了一种优化的个人信用评估模型,模型基于梯度提升框架LightGBM,结合贝叶斯全局优化算法进行个人信用评估。为验证模型适用性,采用Lending Club公开数据集进行相关实验,并与逻辑回归、随机森林、XGBoost模型的预测结果进行比较。实验结果表明,该模型的个人信用评估效果更好,评估准确率达到99.97%,少数类样本F1-score达到89.02%。

基于图卷积网络的个人信用评估研究

传统的机器学习模型无法表现出个人信用评估问题中贷款者之间的高维邻居关系,通过构造图数据,利用图卷积网络进行分类预测的方式可以考虑贷款者在多个信息维度的相互联系。首先,利用递归特征消除(Recursive Feature Elimination,RFE)进行特征选择,筛选出贡献度最大的特征集。其次,利用随机森林(Random Forest,RF)计算出筛选后特征的重要性权重,同时将特征划分为类别特征和数值特征,根据特征类型并结合特征权重计算贷款者之间的距离,从而得到邻接矩阵。最后,将构造的图数据输入图卷积网络(Graph Convolutional Network,GCN)进行训练并预测结果。基于公开的德国个人信用数据集,通过两种评价指标对比了该模型与4篇近年研究结果,以及通过4种评价指标对比了该模型与3种基准模型。最终结果显示该模型的预测结果均要优于其他模型,能够有效进行个人信用贷款评估问题研究。

法律科技化解个人信用风险的困局及其突破

数字经济背景下,运用法律科技化解个人信用风险既关涉传统金融法治议题,又涉及金融科技应用中可能面临的立法、司法与合规衔接等前沿问题。对于这类新型困局,大致有三重维度值得讨论:催收与反催收的市场乱象,引发对银行合规风险防控机制源头治理的反思;法律科技助推司法效率大幅提升,引起正统法治主义者的质疑,推动私力救济朝公力救济转向;以这种转向为正当性基础,法律科技赋能个人信用风险化解的合法性也需补强。法律科技处于效率与公正的平衡点上,其化解个人信用风险的关键在于防范金融机构的道德风险,维护法院的公平裁量权,并坚持数据科技伦理法治化道路。

个人信用信息的类型反思与二阶进化

在数据生产要素化、处理技术化和价值最大化等多重动力的推动下,数据呈现出海量聚合、智能处理和普惠使用之趋势。个人信用信息(或数据)作为社会信用体系的核心驱动要素,其范畴设计和处理规则应与数据应用趋势相适应。在批量化个人信用信息归集阶段,对法律法规明确列举的反映信用状况的通用性个人信用信息“应归尽归”,以满足各行各业的一般性需求。在精细化信用状况分析阶段,对授信主体基于其自身需求进行授信的特殊性或主观性个人信用信息应按需补强收集,以满足授信主体的场景化、个性化需求,最终形成通用性个人信用信息和特殊性个人信用信息二阶范畴体系。

我国个人信用信息采集规则的构建

数字社会不仅为信用社会建设构筑了坚实的物质基础,同时也对信用制度的完善提出更高的要求。我国个人信息保护法对个人信息采集建立了知情同意以及例外规则,现行征信业管理条例并没有建立适应征信业发展的信用信息采集特别规则,无法适应数字时代信用信息的广泛性、复杂性等特点,限制了信用报告的使用范围并降低了使用效果。为实现个人信息权益和社会公共利益的平衡,建议对个人信用信息采集和利用实行区分规则,即采集告知规则和利用同意规则,信用机构可以最大限度地收集个人信用信息,保障信用信息的全面性、完整性和真实性。同时,为了防止个人权益受到不当侵害,可以提高信用机构设立条件并采取行政特许制度,要求信用机构承担信息采集谨慎注意义务,不能超范围收集信息,并初步审查信息的真实性,同时加强数据共享,完善行业准入与退出机制。

银行业个人信用评价的侵权风险与法律规制

银行业在个人信用信息采集、处理和使用过程中,存在侵犯信用主体人格权和财产权的风险,而且被侵权人难以获得充分救济。《征信业管理条例》规定了银行业采集个人信用信息的类型和告知义务,但可采集的基础个人信用信息边界不清、银行懈怠履行告知义务。《民法典》第1029条赋予了民事主体异议权,但未明确具体的救济措施和救济时限。《民法典》规定了对被侵权人的损害赔偿,但在个人信用评价领域被侵权人难以获得充分赔偿。建议通过司法解释进一步界定银行业可采集的基础个人信用信息并且严格监管银行业告知义务的履行;根据银行采集的信息性质确定更正或删除措施并且界定合理的救济时限;减轻被侵权人的举证责任并且借鉴“盖帽理论”合理确定损害赔偿数额,以更好地保护个人信用权益。

个人信用信息采集:标准明确与告知同意原则之完善

在个人信息保护强化与社会信用体系建设持续推进的大背景下,我国个人信用信息的采集环节仍然存在信息主体、信息与信用关联、信息性质公共与非公共区分、信息敏感性与评估等标准不明确的问题。个人信用信息的主体应确定为自然人,且不应以民事行为能力作为条件限制;在个人信息与信用的关联识别上应采法定与约定义务;以公共利益对信息的公共与非公共性进行区分;敏感性代表了人格利益侵害风险,可结合场景进行综合判断。个人信用信息采集过程还存在告知同意原则无视不同类型信息性质、敏感性差异而统一适用、单一的明示方式过于刚性、告知同意流于形式等问题,可针对公共与非公共、信息的敏感度等因素进行分类适用,并有条件地引入默示同意。

J联社个人信用消费贷营销策略优化研究

本研究以J联社为例,通过问卷调查法详细调查了J联社个人信用消费贷目标客户的基本情况及其对于个人信用消费贷各方面要素的需求及态度。调查发现,J联社的个人信用消费贷业务尚有一定提升空间,在销售策略、价格策略、促销策略以及渠道策略方面存在一定问题,需要进行优化。针对这些问题,本研究提出了数条优化建议,包括优化风险审核体系、多渠道推动产品销售等。本研究对于J联社市场竞争力及客户满意度的提升具有一定现实意义,同时也能为我国农村信用社个人信用消费贷业务的发展提供参考。

个人破产信息纳入个人信用报告的必要性和可行性分析——基于深圳司法实践

2020年8月31日,深圳市人民代表大会常务委员会发布《深圳经济特区个人破产条例》,自2021年3月1日起施行。该条例是国内首部个人破产的地方性法规,施行至今已满三年,对全国性个人破产法的出台具有重要的实践意义。个人破产信息能较为客观地反映个人重要资信状况,因此,将个人破产信息纳入个人信用报告,能更加完整地呈现个人实际征信情况,帮助金融机构有效防范信用风险。本文从深圳司法实践、征信管理两个维度论证分析将个人破产信息纳入个人信用报告的必要性和可行性,并提出具体的、有针对性的个人破产信息报送和采集方式。

基于机器学习的个人信用风险预测研究

在大数据时代,数据量的爆发式增长使得传统风控方法难以满足银行业信贷业务的发展需求。文章提出了基于机器学习的个人信用风险预测方法,利用UCI德国信用数据集和Kaggle的lending club数据集,通过构建逻辑回归、随机森林、K近邻和极限梯度提升模型,验证了机器学习技术在信用风险评估中的有效性。实验结果表明,极限梯度提升模型在两个数据集上均表现最佳,显示了机器学习在信用风险评估中的应用前景。

论个人信用信息的公共属性及其法律规制

个人信用权是征信机构在债务履行风险层面对个人作出的专业性社会评价。在数字时代,个人信用权以个人信用信息为基础,个人信用信息的公共属性是其得以被传播和利用的正当性基础。市场化的征信系统依靠平台机构和算法使个人的交易情况、行为轨迹乃至社交状态等转化为信用信息,并通过自动化决策和分析形成个人信用评价的“数字身份”。个人信用信息的范围应当结合金融服务活动的目的,根据具体情形进行适当宽松的判断。个人信用权的侵害应当优先适用《个人信息保护法》,再适用《民法典》侵害名誉权的构成要件。个人信用评价降低的判断无须要求“社会公众公开性”,精神损害赔偿请求权也不以所受精神损害达到的严重程度为前提。

论完善个人信用制度

个人信用对消费信贷的推广有着极其重要的作用。我国在消费信贷的实施过程中出现一些信用方面的缺陷 ,客观形势要求我国应完善个人信用制度 ,其基本内涵包括个人信用登记、个人信用评估、个人信用风险预警。

个人信用信息处理的法律制度结构

2022年《社会信用体系建设法(征求意见稿)》将社会信用体系分为政务诚信、商务诚信、社会诚信和司法公信四个主要类型,并强化公共信用信息系统和征信系统两类按照不同逻辑进行信用信息处理服务的制度建设。有必要从外部视角重新审视个人信用信息法律制度结构的形成,即从生产方式的角度解释特定个人信息如何被生产出来,为了实现系统中的声誉和信用功能而转化为更加关键的信用基础设施。这需要对公共信用信息与征信信息两种信息基于生产方式重新解释,将其理解成基于经验演进的两种不同的信用信息系统,其中一种服务于网络化流动的经济生产方式,而另一种服务于地域性的网格化生产方式。个人信用信息因各自的目标差异而需要不同程度的信息合规要求。

侵害个人信用信息的民事责任

个人信用信息的民法保护由权利确认制度和民事责任制度共同构成。个人信用信息权益在本质上是一种复合性权利,内在包含自主利益和信用利益。侵害个人信用信息的民事责任主要是侵权责任原则,其请求权基础是我国《个人信息保护法》第69条第1款。侵害个人信用信息侵权损害赔偿的归责原则应采纳过错推定责任原则,其中损害既包括风险损害和焦虑损害,又包括身份盗窃、信用损害等下游损害。如果数个信用信息处理者的处理行为侵害个人信用信息造成损害的,则应根据因果关系的具体形态适用或类推适用我国《民法典》第1170条、第1171条和第1172条的规定。侵害个人信用信息的责任承担方式具有多元化,其损害赔偿范围包括财产损害赔偿和精神损害赔偿,有建立惩罚性赔偿之必要。