高维和|评判借款人信用风险时,需要审视自我和文化差异?
孔子曰:民无信不立 。 消费者信用对于个人的发展、企业的利益、社会的进步和国家的繁荣具有重要的意义 。 加强个人信用体系建设、实施信用行为预测已经成为全社会的一项重要工作 。
随着移动互联网的迅速普及和信息通信技术的不断突破 , 作为投资者和借贷者信息中介平台的金融科技公司迅速崛起 。 然而 , 截至2018年11月 , 全国历史累计问题平台已达到2578家 , 其中就有39.40%提现困难 , 2.95%延期支付 。 居高不下的违约率 , 是引起这些问题的重要原因之一(中国人民银行征信中心与金融研究所联合课题组2014) 。
传统金融机构忽视服务的 , 众多长尾性客户逐渐进入借贷市场 , 这些被排斥在传统金融机构之外的“白客户”很难提供“厚实”的资料供企业进行信用风险评估 , 而且通常他们也缺乏历史信用记录可供参考 , 传统信用评价中所采用的人口统计数据和借贷历史数据很难在互联网金融背景下使用 。
据美国消费者金融保护局2016年发薪日贷报告显示 , 有超过40%的网络分期贷款存在违约行为 。 这给新型金融科技公司和投资者带来了巨大的经营风险和投资风险 , 更可能影响金融安全和社会稳定 。 因此 , 做好风险管控工作 , 对借款者的信用进行准确评估 , 对于促进互联网金融市场的健康有序发展具有重要经济价值和政策意义 。
判别某个借款者是否“有信用” , 需要大量的信息资料支撑 。 随着新型金融科技公司的发展 , 有关用户社交、消费、网络行为等的各类“软信息”正在被新型企业越来越多地使用 。 Fintech为了更好地预测网络借款者的信用 , 金融科技公司必须寻找新的数据来源 。
比如 , 成立于2011年的香港在线借贷公司Lenddo , 利用软件挖掘了借款者的通讯信息以及在Twitter、Facebook、LinkedIn、雅虎、谷歌和Hotmail等社交媒体的活动数据 。 Lenddo承诺它保留了搜集的所有的私人信息 , 但不会共享任何信息 。 这些数据额外提供了有关借款者真实信用水平的可靠信号 , 企业可以据此有效预测借款者的信用风险 。
类似这些“软信息”在信用评估中的应用研究已然是国内外最前沿研究动向 , 并且在图像分析、借款描述等文本研究方面涌现出众多成果 , 其中同样可以基于对于借款人的短信文本的大数据分析 , 短信是我们主要和私密的社交沟通手段 , 融合了书面语言和口头语言的特点 , 可以反映人们的性格、情感、社会背景和关系 , 据以建构新型的“软信息”信用风控模型提供参照 。
根据研究习惯和文献基础 , 通常认为表达中“我”和“我们”显露出人们的不同自我建构倾向 , 越是愿意表达“我” , 就越是体现更强的独立自我倾向 , 而越是愿意表达“我们” , 就越是体现更强的互依自我倾向 。 其次 , 文化差异是影响自我建构的最主要因素之一 。 虽然每一个体身上可能同时存在独立型和互依型特征 , 但对大数人而言 , 因为受不同文化的影响 , 他会在某一方面更加突出 , 呈现出相对稳定的自我建构 。 由此 , 众多研究提出不同国家和地区的人呈现出不同的自我建构倾向 。
借款人什么样的自我建构风险更低
自我建构定义了自我与他人的关系 , 反映了个体根据其社会角色、群体、地位和关系定义自己或解释其身份的程度 , 可以分为独立自我和互依自我 。
独立自我 , 将自我看作是与社会分离的、独一无二的、自主的个体 。 在考虑问题时 , 他们常以自已的能力、属性、特征、目标等为出发点 , 而不太重视他人的想法、感觉或行动 。
而互依自我 , 则是将自我看作是与社会紧密联系的个体 。 在考虑问题时 , 个体常以维系与他人的关系为出发点 , 尊重他人的想法、情感和行动 。
自我建构会直接影响到人们如何思考、感知和采取行动 。 在思维方式上 , 不同自我建构的消费者具有不同的思维方式 。
一方面 , 独立自我的人具有分析式思维方式(Analytic Thought) , 忽视事物所在情境 , 倾向于局部感知和孤立性地研究事物 , 导致独立自我建构的借款者孤立地看待其违约行为 , 不重视违约带来的各种后果 , 从而更容易违约 。 而互依自我的人具有全局式思维方式(Holistic Thought) , 将世界看成是一个紧密联系的整体 , 关心事物之间的联系和其所在情境 , 导致互依自我的借款者不仅会充分考虑违约对自身信用和将来发展的影响 , 还会充分考虑违约对其社交关系的影响 , 从而减少违约决策行为 。 另一方面 , 相比独立自我的借款者 , 互依自我的借款者具有更强的道德和亲社会思维 。