新闻详情
从惩戒“老赖”看用信与失信成本——以最高法与芝麻信用合作为例
 二维码 29
发表时间:2017-12-15 17:11

从惩戒“老赖”看用信与失信成本——以最高法与芝麻信用合作为例

/李焰王琳苏剑晓唐语勤王朴宁

通过最高人民法院与芝麻信用合作惩戒“老赖”的案例可以发现:失信成本对声誉 机制作用效果有重要影响;增加用信场景可以有效提高失信成本;征信的市场化运作 能够大幅度提高社会“用信”的程度,增强声誉机制的作用效果;声誉机制对于法律 机制存在很强的支持作用

“老赖”问题如何解决?

为了提高执行效率,最高人民法院于2013年出台了 《关于公布失信被执行人名单信息的若干规定》,规定将失 信被执行人(俗称“老赖”)名单向全社会公布。据数据统 计,截至2016年底,全国约有326万名“老赖”;仅2016 年平均每天新增的“老赖”有4735名,平均每天履约的“老 赖”却只有975名。“老赖”大量出现的根本原因在于“老 赖”的失信成本不够高,不足以令其自觉规范自身行为。

增加“老赖”的失信成本,除了需要提高法律的执行 力度,还需要社会征信体系形成“采信-评信-用信”的有 效闭环,即在人们的社会生活中,不仅有对个人行为信息的 记录、评价,而且有根据信用评价给予的奖惩。如此,才能 使“老赖”一处失信、处处受限,放大其失信成本,促使其 主动履约。虽然中国人民银行早在2006年就建立了征信中 心,但该系统数据变量和使用范围有限。信息的孤立抑制 了征信系统本该发挥的巨大社会价值。2015年,蚂蚁金服 旗下的第三方征信机构芝麻信用和最高人民法院签署了《对 失信被执行人信用惩戒的合作备忘录》。最高人民法院通过 专线向芝麻信用提供“老赖”的信息,芝麻信用在同步数据 后,向“老赖”作负面信息提示,并通过降低其芝麻信用评 分以及对其在芝麻信用各种合作伙伴服务场景下的限制,增 加其失信成本,促使其履约。如此,芝麻信用通过从最高人 民法院“老赖”数据库采信、对“老赖”评信、限制“老

”用信,打通了“采信-评信-用信”的链条,放大了“老 赖”的失信成本。截至2016年底,芝麻信用已经覆盖了约 72万名“老赖”,其中履约的“老赖”为12.8万,履约比17.74%,比未开通芝麻信用的“老赖”高出约5个百分 点,惩戒效果初步显现。

据了解,最高人民法院给芝麻信用提供的“老赖”信 息包括案号、失信被执行人姓名、失信被执行人证件号、性 别、年龄、执行法院、地区、执行依据文号、作出执行依据 单位、法律生效文书确定的义务、被执行人的履行情况、失 信被执行人具体情形、发布时间、立案时间、已履行部分和 未履行部分。芝麻信用依此对开通芝麻信用的“老赖”进行 惩戒,包括降低芝麻信用分,限制“老赖”在相关场景使用 消费产品和服务,并通过支付宝告知被惩戒人。那么,将包 含最高人民法院执行信息的芝麻信用分与多场景对接后,对 于提高失信成本惩戒“老赖”究竟效果如何?

打通“采信-评信-用信”链条

采信:大数据整合。芝麻信用的数据来源主要有四个渠道:一是阿里巴巴的电商数据;二是蚂蚁金服的互联网金融数据,大多来源于支付宝、余额宝、蚂蚁金服以及阿里云;三是芝麻信用众多合作公共机构及合作伙伴的数据,包括公安、法院、工商等部门的信息;四是广大实名用户自主提交的信息

我国传统征信的代表人民银行征信系统的信息内容较窄,采集的主要是个人信息加信贷记录,覆盖个人贷款、信用卡、担保等信贷信息,以及个人住房公积金缴存,社会保险缴存和发放、车辆交易和抵押等8类公共信息,缺 乏在线、实时交易信息以及可能反映人们信用水平的其他 信息,覆盖面有限。社会信用机构有效弥补了传统征信数 据的不足。

同时,芝麻信用等一批民间征信机构以商业方式推动数据整合,有助于打破信息孤岛。他们通过积极寻求公安、法院、工商、海关、税务等政府部门的合作,在现有法规允许的前提下,将分散于不同政府部门的数据、不同地区的数据汇聚整合,形成有更多维度和更大覆盖面的数据库。

评信:大数据挖掘。在实践中,芝麻信用运用大数据及云计算技术,通过分析用户教育职业、消费行为、资产状况等,对用户做更加客观全面的信用评估,同时积极尝试前沿的随机森林、神经网络算法,开发出独特的信用评分芝麻信用分。

用信:多场景建立。芝麻信用将合作场景分为三大类:金融类、生活场景类和政府服务类。信用分的场景应用不仅可以让“芝麻分”产生商业价值,更重要的是让诚 信有价,使失信者“失天下”。

据了解,在金融场景中,芝麻信用为用户提供信用查询和服务便利超过5亿人次,超过2000万用户因此获得了 金融机构的授信,其中消费金融授信总额超过1000亿元。 基于芝麻信用分,蚂蚁金服发展了3款消费信贷产品,艮P 花呗、借呗以及好期贷。在生活类场景中,有包括租房、租车、婚恋、入住酒店等服务,以及其他生活、社交的针对性服务。比如,到目前为止基于芝麻分的各类免押服务,免除押金总额超过130亿元。

芝麻信用对“老赖”的覆盖率呈稳定增长态势

芝麻信用与最高人民法院合作惩戒“老赖”的前提是 老赖拥有芝麻分,因此“老赖”的芝麻分覆盖率是决定惩 戒效果的前提。

芝麻信用的征信闭环目前主要以互联网生态为基础,芝麻分的覆盖群体主要是阿里巴巴用户群体和依存于互联网生态的其他用户。截至2016年12月底,支付宝实名 用户达4.5亿,这些用户会在授权后获得芝麻信用分。从 2016年4月至12月,尽管“老赖”的数量每天增长,但芝 麻分对“老赖”的覆盖率从14%增长至22%,且增长速度 稳定。虽然这个覆盖率相比较支付宝用户占全国人口的比 例32%偏低,考虑到芝麻信用上线时间较晚20151月 上线),正处于发展时期,相对支付宝略低的覆盖率也属 正常。图2显示出芝麻信用对“老赖”覆盖率呈现稳定增 长的态势。

“老赖”履约比例与时长看惩戒取得的一定效果开通芝麻信用与不幵通芝麻信用的“老赖”履约情况对比。研究团队将“老赖履约比”定义为某个范围内履约“老 赖”的人数占该范围内全部“老赖”人数的比例。截至2016年 1明底,全国共有326万名“老赖”,其中有43.6万名“老赖” 已履约,而开通芝麻信用并履约的“老赖” 12.8万名。从表1 可以看到,全国范围内的“老赖”履约比为13.35%,未开通 芝麻信用的“老赖”履约比为12.11%,低于全国范围内的履 约比,而开通芝麻信用的“老赖”履约比为17.74%,比未开通 芝麻信用的“老赖”履约比提高了5个百分点。这个数据可以 从总体上反映芝麻信用对“老赖”履约的确存在一定约束力,

通过加强用信力度,发挥声誉机制的力量惩戒“老赖”是有效 果的。

履约“老赖”失信时长分析。已经履约的“老赖”,其失信时长也不一样。失信时长是指他们被最高人民法院确定 为“老赖”到履行还款义务所经历的时间,失信时长可以反 映“老赖”履约的效率,失信时长越短,“老赖”履约越快。 图3是开通与未开通芝麻信用的履约“老赖”失信时长人数 分布,总体上来看,开通芝麻信用的履约“老赖”平均失信时 长为9.35个月,未开通芝麻信用的履约“老赖”平均失信时 长为10.04个月。对比可以发现,在0-3个月和4-6个月两 个区间内,开通芝麻信用的履约“老赖”人数占比都比未开 通芝麻信用的要高,其中前者两个区间共占比40.67%,后 者为35.71%;而在6个月以上的区间,开通芝麻信用的履约 “老赖”人数和占比则都比未开通芝麻信用的要低。以上数 据说明芝麻信用的惩戒能够在一定程度上促使“老赖”尽快 履约,整体使“老赖”失信时长缩短。

“老赖”对场景金融的依赖可促使其履约

按照声誉机制理论,社会惩罚的力度会影响声誉机制的效果。在芝麻信用案例中,社会惩罚力度表达为失信成本的大小,是通过用信场景体现的。用信场景的多少、失信者对场景的依赖程度决定了失信成本的大小。

场景的数量分析。只有进入芝麻信用系统的“老赖”才 会受到场景的限制。目前芝麻信用已经建立的场景有30个, 大致涵盖了金融、生活服务、信息服务和公共服务四个大的类别,四大类别中 包含的场景内容见 表2所示。建立的场 景越多,征信机制的 触达点就越多,“老 赖”的生活就会在这 些场景下受到很大 的限制,难以逃避 失信带来的成本。 统计风控论说

用分的“老赖”人数为720843人,芝麻信用的所有场景总 共覆盖“老赖” 278782人,占有芝麻信用分“老赖”人数的 39.16%。尽管目前场景限制的覆盖还没有达到一半,但随 着建立更多的场景,将各个触达点织成一张越来越大的网, 可更有效扩大约束惩治“老赖”的范围。

场景发挥的效果分析。为观察哪些场景对“老赖” 履约发挥的效果最大,研究团队从总量上统计了“老赖” 在履约之前被限制行为的那一个特定场景。在履约之前被 限制频率越高的场景,说明“老赖”们对这类场景的依赖 度越大,该场景促使“老赖”履约的可能性越大。按照统 计,被限制频率最高的前5个场景是出行服务、借贷消费 平台、旅游服务、电商导购和银行信用卡中心,如图4所 示。说明这些场景重要性更大,发挥的效果也更强。

履约与场景的关系分析。为了进一步考察“老赖”履 约与用信场景限制其消费(交易行为的关系,研究团队统计了两个指标,一■是限制人数指标,是指某个场景一■共限制 “老赖”的人数,二是限制次数,是指某个场景一共限制 “老赖”的次数(每个人可能被限制多次),人均限制次数= 限制次数/限制人数。我们按限制人数对“老赖”使用的场景 进行排名,因为前十名以外的场景限制人数与前十名的相差 很大,所以此处只对前十名的场景进行讨论,以方便比较。

研究显示,履约“老赖”限制人数前十名的场景分 别为:出行服务、借贷消费平台、旅游服务、消费金融公 司、银行信用卡中心、电商/导购、金融其他、互联网贷款 平台、P2P公司和银行个人信贷。限制人数越多,说明该场景横向触达范围越广,征信信息越能广泛传递,在提高失信成本方面的作用越大。同样,人均限制次数的多少也反映“老赖”对该场景的依赖程度以及该场景对“老赖” 的影响程度,人均限制次数越多,该场景对“老赖”形成 的失信成本越大。

比较而言,未履约“老赖”限制人数排名前十的场景 和履约“老赖”的一样,只是排序有所不同,其具体分别 是:出行服务、借贷消费平台、旅游服务、金融其他、电 商/导购、消费金融公司、互联网贷款平台、P2P公司、银行信用卡中心和银行个人信贷。其中变化最大的是银行信用卡中心,其在履约“老赖”场景中排名第五,人均限制 次数是2.19;在未履约“老赖”场景中排名第九,人均限 制次数是1.97。这个现象说明银行信用卡中心在履约与未 履约“老赖”之间形成了差异,这个场景对“老赖”履约 起着比较重要的作用。另外还发现,除了银行个人信贷, 其他9个场景对应的人均限制次数,履约“老赖”都比未 履约“老赖”的次数要高,说明场景限制的次数越多,就 越能促使“老赖”履约。

声誉是与法律并存的社会契约治理机制,并且二者存在相互补充和支持的关系。通过对芝麻信用与最高人民法院合作惩戒“老赖”案例的分析,进一步证实声誉机制对于法律 机制的支持,并形成两个重要发现:首先,通过征信体系使 声誉机制发挥作用的一个关键环节是“用信”,只有通过用 信,才能够通过社会惩戒提高失信成本,使声誉机制有效,也只有用信,才能使包含“采信”与“评信”的征信行为有 意义。因此,在我国征信体系建设中,必须强调“采信-评 信-用信”的闭环运行,如此才能对诚信者奖,对失信者罚,形成人人重视信用的诚信社会。其次,借助商业征信机构的力量,可有效推动用信场景的建设,用信场景越多,失信者成本越高。在这方面,芝麻信用的探索值得借鉴。

李焰:中国人民大学商学院财务与金融系教授。

王琳:中国证监会博士后科研工作站博士后。

苏剑晓、唐语勤、王朴宁:中国人民大学商学院。


会员登录
登录
我的资料
留言
回到顶部