展开全文

这篇文章的主题是用数字足迹预测消费者违约情况。

预测是否会违约一直是金融机构很关注的内容，因为我们总是先放贷，再收到还款。借款人是否会违约，存在信息不对称的问题。大数据时代，金融科技公司凭借其卓越的访问能力和处理数字足迹的能力，可能会威胁到金融中介机构的信息优势，从而挑战金融中介的业务模式。

2.主要结论

（1）数字足迹是信用局评分的补充而不是替代。即使是数字足迹中的最简单、易于访问的变量——邮箱注册登录等信息，也等于或超过了信用局评分的信息内容。

（2）数字足迹对于没有信用评分和有信用评分的人群预测能力相似。

（3）使用数字足迹来补充信用信息会对顾客、商业、金融中介和监管者的行为带来改变。

3.数据与研究方法

在本文中，我们分析了简单，易于访问的数字足迹变量对于使用涵盖大约250,000个观测值，这些数据来自位于德国的一家电子商务公司。数据集包含一组十个数字足迹变量：设备类型（用于例如平板电脑或移动设备），操作系统（例如iOS或Android），客户访问该网站的渠道（例如，搜索引擎或价格比较网站），如果客户使用不允许跟踪设备，操作系统和渠道信息，“请勿跟踪”这个虚拟变量等于1，购买日期（例如，上午，下午，晚上或晚上），电子邮件服务提供商（例如gmail或yahoo），由用户选择的有关电子邮件地址的两条信息（包括名字和/或姓氏，包括数字），如果用户书写时始终使用小写字母，“是小写“这个虚拟变量取值为1，”电子邮箱错误“是一个虚拟变量，表示登录时拼写错误，输入电子邮件时始终使用虚拟字符输入错误地址。除了这些数字足迹变量之外，我们的数据集还包含来自私人信贷局的数据。这样，我们就能够评估使用数字足迹变量进行违约评估，相对于信用局评分的区别，和信息量差异。

实证部分

（1）单因素分析。由于数字足迹的变量是分类变量，因此Pearson’scorrelation不适用于估计数字足迹和信贷评分的相关性，文章选用了Cramer’s V 来计算Credit bureau score quintile（信用局评分）, DeviceType（设备类型）, Operating System（操作系统）, Email Host（电子邮箱主机）, Channel（渠道）, Check-Out Time（登出时间）, Name in Email（电子邮箱名称）, Number in Email（电子邮箱数量）, Is Lower Case（是否小写）, Email Error（电子邮箱错误）这几个变量的相关系数。

（2）多元回归。为了对违约情况进行预测，并比较使用数字足迹和仅仅使用信用局评分数据的预测准确性。1.使用logistic模型，对于有信用局评分的消费者，用是否违约的虚拟变量做因变量，进行了四次回归。四次回归的自变量分别为 (a)信用局评分；（b）数字足迹；（c）信用局评分和数字足迹；（d）信用局评分、数字足迹、年龄、地区、月份三个固定效应。并报告了各自的AUC，评估模型的质量。2.使用logistic模型，对还用数字足迹对没有信用局评分的消费者进行了logistic回归，并报告AUC。因变量和自变量同（2）,除了没有信用局评分这个自变量。

稳健性检验

（1) 样本外预测。1.将全部的样本分成A和B两部分，用 A logistic回归的系数对B进行预测，再用B logistic回归的结果对A预测，如此构成全样本的样本外预测，记录AUC。重复100次后对AUC取平均值。2.对拥有信用评分的顾客进行的样本外预测。3.对没有信用评分的顾客进行的样本外预测。

（2）另一种“违约”定义。之前实证使用的违约率是在三次提醒后仍未付款转移到催款公司就算违约，在这部分检验中，使用的是到达违约公司后仍未还款的违约率（较之前违约率下降40%）。

（3）分样本检验。样本进行两种划分。1.订单额是否大于218.92欧分为大订单和小订单。2。性别。

（4）外部有效性。如果今天良好的数字足迹预示着未来信用局分数的增加，那么数字足迹对于其它信贷产品也同样重要。因此构建回归模型来检验，被解释变量为下一期信用分数与当期信用分数的差，解释变量为根据数字足迹预测的违约率和根据信用分数预测的违约率的差，X为控制变量。

4.实证结果

4.1 单因素分析

文章首先进行了简单的单因素分析，结果表明，数字足迹中包含的财富收入、个人性格特征、个人信誉等信息都与违约率相关。

由于数字足迹的变量 是分类变量，因此Pearson’s correlation不适用于估计数字足迹和信贷评分的相关性，文章选用了Cramer’s V，如下图所示，结果可得出统计意义上的显著相关性，但Cramer’s V的结果取值范围在（0.01-0.07），虽然结果显著，但相关性低，说明两者关联性低，数字足迹可以作为信贷评分的互补数据，利用多元回归进行违约预测，并且不容易产生多重共线性的问题。

4.2 多元回归

在多元回归中，作者使用了logistic模型，用是否违约的虚拟变量做因变量。估计结果如表5所示。第一列报告了单独用信用局评分做自变量的结果，AUC的值为0.683；第二列报告了单独用数字足迹做自变量的结果，AUC为0.696；第三列报告了用信用局评分和数字足迹共同做自变量的结果，AUC为0.736；第四列在此基础上加入了年龄、地区、月份三个固定效应，AUC的值为0.749，另外，不同组变量的系数变化并不大。表的最后报告了不同列的AUC差异的检验，结果均显著。

另外，如下图所示，也可以看出信用局评分和数字足迹结合之后的预测准确度更高。

以上结果是以有信用局评分的消费者为观测对象进行的回归结果，作者还用数字足迹对没有信用局的消费者进行了回归。表7展示了数字足迹为自变量，对不同消费者回归的结果对比，对没有信用局评分的消费者而言AUC的值更高。

同样的，如下图所示，也展示了相同的结果。

5.稳健性检验

5.1 样本外检验

本文通过将全部的样本分成A 和B 两部分，用A logistic 回归的系数对B 进行预测，再用B logistic 回归的结果对A 预测，如此构成全样本的样本外预测，记录AUC 。图8 是重复100 次后取平均值的AUC 。

Panel1 是对scorable customers （拥有信用评分的顾客）进行的样本外预测，样本外与样本内最大差距为2.8% ，Panel2 是对unscorable customers （没有信用评分的顾客）进行的样本外预测，样本外与样本内最大差距为13%. 但是由于没有信用评分的顾客样本量较少因此预测能力下降是可预期到的，在不加固定效应条件下，没有信用评分的顾客样本外与样本内差距仅为3.9%. 因此，本文得出“数字足迹”对有信用评分和没有信用评分的顾客有类似的预测能力。

5.2 另一种“违约”定义以及分样本下的检验

之前实证使用的违约率是在three remindes 的提醒后仍未付款转移到催款公司就算违约，在这部分检验中，使用的是到达违约公司后仍未还款的违约率（较之前违约率下降40% ）. 图9 的PanelA 显示了在联合使用信用局评分和数字足迹下，AUC 仅相差2.04%.

同时，还将样本根据订单额是否大于218.92 欧分为大订单和小订单，以及根据性别划分样本进行检验。图9PanelB 显示了在联合使用信用局评分和数字足迹下，大订单和小订单样本AUC 仅相差1.91% ，男性和女性AUC 仅相差2.03%.

因此，结果在重新定义“违约”以及分样本的情形下依然稳健。

5.3 外部有效性

如果今天良好的数字足迹预示着未来信用局分数的增加，那么数字足迹对于其它信贷产品也同样重要。因此构建回归模型来检验，被解释变量为下一期信用分数与当期信用分数的差，解释变量为根据数字足迹预测的违约率和根据信用分数预测的违约率的差，X 为控制变量。结果如图10 ，系数均显著，且第一列系数为-0.75 ，表示如果根据数字足迹预测的违约率比根据信用分数预测的违约率高1% （比如数字足迹预测为2% ，信用分数预测为1% ），下一期信贷得分就会调低0.75 分。

6. 结论的进一步解读

（1 ）数字足迹是信用局评分的补充而不是替代。数字足迹与信用局评分信息相关度为10%，在联合使用的情况下预测违约能力更强。这篇文章发现，即使是数字足迹中的最简单、易于访问的变量，也等于或超过了信用局评分的信息内容。这篇文章的结果可能对金融中介机构的业务模型，无银行账户的信贷渠道以及数字领域的消费者，企业和监管机构的行为产生广泛的影响。

（2 ）数字足迹对于没有信用评分和有信用评分的人群预测能力相似。因此，可以提供对这部分人的信用信息，据此弥补全球20 亿人的信贷需求，将提高金融包容性及减少不平等。

（3 ）使用数字足迹来补充信用信息会对顾客、商业、金融中介和监管者的行为带来改变。对于顾客而言，使用网站注册等可能有一定成本，这会改变他们的日常习惯。对于企业而言，一些企业可能通过改变自己的数字足迹行为来规避信用监测。对于金融中介而言，由于其他竞争者如金融科技公司使用数字足迹，传统中介可能产生寻租行为。对于监管者而言，对于数字足迹的收集是否影响到金融平权问题应得到关注，如收集的信息是否间接反映性别与种族。

7. 结语

本文对于数字足迹的探讨推进了金融科技对于促进普惠金融的理论意义。但同时要注意到本文的数据是来自于发达国家（德国），结论在发展中国家是否成立仍需进一步研究，比如本文中将使用iphone 手机作为收入为人口前1/4 的代理变量在其他国家是否成立。