（原标题：中国故事再登国际顶刊：金融科技时代的征信基础设施建设）

伴随着大数据、机器学习等技术的广泛应用，信贷科技在过去的十几年中取得快速发展。与此同时，国内征信行业也在快速发展。

两者相遇会产生怎样的思想火花？

自2005年以后，监管机构要求金融机构向中国人民银行征信中心披露商业和消费者信贷的还款和违约信息。除官方的征信中心外，私营征信机构随着金融科技的广泛应用也正蓬勃发展。个人征信业务的发展如何影响借款者的借款行为和随后的违约风险也受到了学术界、业界及监管部门的关注，成为重要的研究课题。

来自清华大学的廖理、王正位，华盛顿大学的Xiumin Martin， Quant Group的Ni Wang，以及印第安纳大学的Jun Yang于2023年5月在会计学国际顶级期刊《The Accounting Review》发表论文 “What If Borrowers Were Informed about Credit Reporting? Two Natural Field Experiments”。

文章使用网络借贷平台数据，对征信提醒如何影响个人借款者的借款行为进行了实验研究。文章发现，征信提醒可以通过降低信息寻租的方式，显著降低借款者的违约概率。

文章投稿于2021年3月，2022年8月接收，2023年5月正式刊出。

背景介绍

1998年以后，中国的金融系统蓬勃发展，消费者信贷业务也逐渐兴起。2005年以后，中国监管部门要求金融机构向征信中心报告还款及违约信息，并且持牌金融机构可以获得这些信息。2013年以后，金融科技快速发展，大数据征信技术在个人借贷中的应用，补充了官方征信覆盖面不足的问题。

本文采用一家网络借贷平台开展了两个自然田野实验，该平台匹配小额线上贷款的需求方和机构放款人。放款人方面，既有需要向征信中心提交借贷记录的持牌金融机构，也有实验时不需要（同时也不具有途径）提交记录的机构。

平台上的借款方男性居多，通常收入稳定（平均月薪4000元），具有比较高的信用评分（芝麻分平均602）。平台对于借款者有较严格的筛选，拒绝率可达90%，但即使这种情况下，仍有10%的新用户会违约。平台会取消违约用户未来在平台借款的资格来激励用户正常还款。老用户一般会在平台每年借款3-4次，平均每次4500元。

实验设计与实证结果

1. 实验设计

在该平台申请贷款时，用户需要披露自己的年龄、性别和身份信息。同时还会被要求披露自己的收入、教育情况、是否持有信用卡以及是否有房产。这些信息虽然难以验证，但也和蚂蚁芝麻分、平台内部评分一起，是贷款申请审核的重要依据。

平台内部会将个人的芝麻分、大数据信息和借款者还款历史纳入模型形成内部评分，内部评分不会向其他平台共享。由于新用户违约更加严重，且不会对某些特定放款人的披露政策过于敏感，文章聚焦于新用户进行两个实验。

实验一：

作者们随机抽选了1464个刚刚申请到贷款的借款人，并随机分为两组。第一组有332人，他们在收到贷款时会收到如下的短信内容：“你的贷款还款情况和违约信息会同时上征信”，而另一组的1132人不会包含这一信贷提醒。

实验二：

文章对相同的放款方在同一周内的贷款申请进行了实验。这其中包含2631个已经被量化派平台审核通过，但尚未绑卡借款人。相似地，其中随机抽取的1189个用户收到了提醒短信，另外的1442个用户未收到提醒短信。

2. 实验结果

在第一个实验中，收到短信的组（CW=1）的违约概率为5.1%，而未收到短信的组（CW=0）为11.4%；

在第二个实验中，收到短信的组（CW=1）的违约概率为7.7%，而未收到短信的组（CW=0）为11.6%，其差值在1%的显著性水平下显著异于0。

在贷款率上，两组分别为76.1%和74.1%，并没有显著的差异。

使用逻辑回归控制其他特征变量可以得到相似的结果，其中进行信贷警告可以降低违约率7-7.5%（实验一）和3.7%-4.3%（实验二）。当使用马氏距离进行样本匹配来缓解潜在的遗漏变量问题后结论保持稳健。