作者：赵宇翔 单位：中国人民银行济南分行

模型

为了验证信息的有效性，多数学者采用了界定违约阈值，将违约、不违约二值变量作为因变量进行分析的方法。本文认为这一方法用于微观层面当然可行，但无法立足宏观层面验证征信系统的合宜性。鉴于此，本文引入信息需求及获取成本概念，建立征信系统信息模型。(一)总效用函数（函数略）(三)基于商业银行需求的模型鉴于我国信用主要来自商业银行，商业银行也是我国征信系统的主要建设者和需求者。商业银行对征信系统信息的需求及获取成本，是征信系统信息的决定因素。为此，本文将上述模型中的信息需求与获取成本由商业银行信息需求和获取成本代替。商业银行需要的信息可分两种:第一种为商业银行间共享的信息，主要为信贷交易信息，假设这些信息为同质信息，以X变量表示;另一种为来自商业银行外部的信息，主要为政务信息。本文将这些信息分为N大类，假设每大类信息为同质信息，以X1，X2…Xn表示。上述两种信息也可进一步分类进行研究，但非本文研究重点。此假设下，将征信系统信息模型调整为:（函数略）其中，X为商业银行间共享的信息，X1……Xn为来自商业银行外部的信息，Pi代表商业银行对某类信息的需求，Ci代表商业银行信息获取成本，ui为随机向量。

实证

(一)本文选取了山东省35家商业银行的数据质量、查询总量、平均查询量、贷款存量、贷款增量、信贷存量、信贷增量作为界定X的实证变量，数据来自企业征信系统。根据现行政策，这些变量全面反映了商业银行对企业征信系统的信息需求、使用成本及贡献度。就来自商业银行外部的信息而言，本文定义了登记注册类、项目政策类、行政处罚类、资质声誉类和宏观统计类五大类信息。数据来自对山东省35家商业银行的问卷调查，问卷统计了各商业银行不同类别信息的需求程度、采集难度、使用情况和缴费情况等信息。在统计中，本文对信息需求、获取成本采用二值和多值两种统计方法。(二)二值法统计结果首先，采用二值法统计来自商业银行外部的信息变量，同时先让外部信息需求变量进入模型，不让信息获取成本变量进入模型，KMO检验值为0．590，Bartlett估计值为467，符合因子分析要求。模型共拟合出4个公因子(见表2，A部分)，累积方差贡献度为83．673%。公因子1～4的方差贡献度分别为34．972%、18．163%、15．281%、15．256%。表3给出了相应正交旋转后的因子载荷矩阵。经正交旋转后，公因子1在数据质量、查询量A和B、贷款和信贷存量上有较高的载荷，公因子2在贷款和信贷增量上有较高的载荷。公因子1和公因子2主要反映了商业银行间信息共享需求，其方差贡献度较高，说明银行对此类信息需求较大，银行间信贷交易等信息对征信系统的重要程度较高，是征信系统首要采集的信息。同时，公因子1在数据质量上载荷较高，说明了数据质量对征信系统也很重要。公因子3在项目政策信息需求、宏观统计信息需求上有较高的载荷，公因子4在登记注册信息需求、行政处罚信息需求、资质声誉信息需求上有较高的载荷。公因子3和公因子4主要反映了商业银行对外部信息的共享需求，其方差贡献度较低说明，银行对外部信息虽有需求，但不如对银行间信息需求强烈。商业银行项目政策信息和宏观统计信息需求，略高于其他三类外部信息。如在二值法下引入外部信息获取成本变量，则模型的累积方差贡献度提高至85．9%，但未通过KMO与Bartlett检验，因此无法验证信息获取成本与征信系统的关系。(三)考虑信息采集成本的多值统计结果为了进一步验证信息获取成本对征信系统的影响，本文采用多值法统计来自商业银行外部的信息变量，包括信息需求及获取成本，KMO检验值为0．574与Bartlett估计值为571，也符合因子分析的条件。模型共拟合出5个公因子，累积方差贡献度为79．7%。公因子1～5的方差贡献度分别为24．5%、16%、15．2%、12%、12%。表4给出了正交旋转后的因子载荷矩阵。从中可以看出，公因子1在数据质量、查询量A和B、贷款和信贷存量上有较高的载荷。与二值法相同，公因子1主要反映了商业银行间信息共享的需求，其方差贡献度最高，证明银行间共享的信息对征信系统的重要程度最高，同时公因子1在数据质量上载荷较高，说明了数据质量对征信系统的重要性。公因子2在贷款和信贷增量、项目政策信息成本、宏观统计信息成本上有较高的载荷。公因子3在登记注册信息成本、行政处罚信息成本、资质声誉信息成本上有较高的载荷。公因子2和公因子3主要反映了信息获取成本，既有银行间信息获取成本，也有来自银行外部的信息获取成本，其方差贡献度介于公因子1和其他公因子之间，说明就银行间信息而言，需求比成本的重要程度高，就银行外部的信息而言，则相反。公因子4在登记注册信息需求、项目政策信息需求、宏观统计信息需求上有较高载荷。公因子5在行政处罚信息需求、资质声誉信息需求上有较高的载荷。同样，公因子4和公因子5主要反映了商业银行对外部信息的共享需求，其方差贡献度较低，说明银行对外部信息虽有需求但并不强烈，不同种类信息对征信系统的重要程度略有差异。(四)征信系统信息模型根据上述实证结果，利用公因子的方差贡献度，得出以公因子为变量的征信系统信息方程:F=0．245F1+0．16F2+0．152F3+0．12F4+0．12F5其中，F1代表银行间信息需求，F2代表银行间信息获取成本和部分银行外部信息获取成本，F3代表部分银行外部信息获取成本，F4和F5代表不同种类的银行外部信息需求。综上所述，本文认为商业银行首先需要共享信贷交易等银行间信息，这些信息及其数据质量对征信系统非常重要，是征信系统应首要采集的信息。商业银行对政务信息等外部信息虽有需求但不如前者强烈。就银行间信息而言，需求比成本的重要程度高，就来自银行外部的信息而言，则相反。商业银行对不同种类外部信息的需求略有差异，其中项目政策信息、宏观统计信息、登记注册等三类信息需求较高。在引入信息需求和获取成本的基础上，本文建立了征信系统信息模型，得出了征信系统与各类信息需求、获取成本的关系。据此建议:一是征信系统建设要以银行信贷信息为核心，不断提高信息报送及时性、准确性和完整性，确保数据质量;二是认真落实国务院有关会议精神，积极推动各部门、各行业、各地方的信用信息系统建设与互联互通，加快政务信息等银行外部信息共享;三是采取有效措施，打破部门间信息壁垒，降低信息获取成本，促进征信系统建设;四是信息共享可分清层次和重点，先从商业银行急需的项目政策信息、宏观统计信息和登记注册信息入手，逐步推进。

特别申明：本站部分文章由网络收集整理.如需使用，请与原作者联系,如有侵权，请联系我们删除,谢谢！