基于演化博弈理论的互联网金融与商业银行征信平台共建研究

张磊 耿丽 赵天琪

摘 要：互联网金融与商业银行在其信息获取渠道方面各有优劣，双方在风险控制与降低信息成本方面有共同目标。本文通过演化博弈理论来研究两个行业共同构建征信平台的可行性，并指出演化博弈结果趋于合作的条件，双方共建征信平台有助于降低信息不对称程度，提高贷款成功率，最后对于促进演化博弈合作实现提出针对性的建议。

关键词：演化博弈；征信平台；信息不对称度

中图分类号： F830.33 文献标识码：A 文章编号：1674-2265（2015）12-0009-08

一、引言

互联网金融是传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。互联网金融的主要业态包括互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融等。与传统金融模式相比，互联网金融的本质性突变在于“金融脱媒”，即依靠新兴科技手段改变信贷风险管理的常规路径与模式，将金融中介由以往的“科层制”改造为“扁平化”，从而降低参与门槛，提高资金利用效率，实现借、贷、金融中介三方共赢。然而“金融脱媒”后的互联网金融本质仍属于金融，没有改变金融风险隐蔽性、传染性、广泛性和突发性的特点，所以加强互联网金融监管，仍是促进互联网金融健康发展的内在要求。

网络借贷是互联网金融的重要组成部分。网络借贷作为正规金融的补充，可以在小微企业群体与有资金需求和理财需求的个人之间搭建高效的网络互动平台。网络借贷交易规模和平台数量快速增长，其中2015年上半年成交规模为2568.1亿元人民币，已超过2014年全年交易总量，仅2015年上半年就新增872家交易平台。网络借贷作为商业银行信贷渠道的补充其作用正逐渐增强，伴随其快速发展的同时行业隐藏的风险也逐渐暴露， 2014年平台倒闭数量为275家，2015年上半年问题平台总数为786家，网络借贷平台的倒闭浪潮不仅影响了这一新兴行业的发展前景，也损害了金融消费者和投资者的利益，情况严重时可能影响我国金融体系的稳健运行。

2014年末，商业银行不良贷款余额为8426亿元，比上年末增加2506亿元；不良贷款率为1.25%，比上年末上升0.25个百分点。商业银行等传统信贷类机构对信用风险管理有着严格的风险控制流程，内部利用客户历史数据建模，外部借鉴征信系统数据共享借款人信用信息，并充分发挥征信系统的“失信惩戒、守信激励” 机制，将失信借款人排除在贷款对象之外，将资产不良率控制在较低的水平。商业银行的现有信贷模式存在“逆向选择”问题，导致了小微企业融资困难现状，仅仅利用客户历史数据和人民银行征信数据进行信用评估不利于商业银行的长远发展。

网络借贷等新兴互联网金融业态在快速发展的同时，面临的潜在风险日渐凸显，建设和完善我国征信体系，为网络信贷行业发展提供基础支持，已成为我国网络贷款行业健康发展面临的首要任务。

网络借贷征信建设刚起步，现阶段已经出现了三种模式， 分别是由上海资信牵头的具有国资背景的互联网征信模式、市场化会员制的征信模式以及阿里金融依托互联网供应链建立的数据挖掘模式。在国家征信体系建设方面，2013年正式实施《征信业管理条例》，建立金融信用信息基础数据库管理制度，完善信用评级管理制度，为商业银行风控提供了重要的保障。数据显示， 截至2014 年12 月末， 征信中心收录自然人信息8.57 亿条， 其中有信用记录的自然人3.51 亿人， 对商业银行等信贷机构全面、准确地揭示借款人的信用状况、提升信贷资产质量有明显的促进作用。

征信参与企业和个人征信系统不能为网络借贷机构提供实时在线服务，同时征信系统数据信息的采集范围有限，信息采集种类有待丰富。虽然网络征信开始出现爆发性增长，但也存在很多问题，如不同征信平台之间数据分割、系统兼容性差、征信机构有效数据积累不足、网络信贷平台与网络征信平台之间接入还处于初级阶段等。这些现实困难对网络借贷征信服务的发展带来了明显的压力，也影响了网络借贷资产质量的提升。

加强信用风险管理、提升经营的稳定性是信贷机构面临的主要任务，实现这一目标离不开完善的征信体系支持，互联网金融与商业银行皆是如此。

二、文献综述

近两年互联网金融蓬勃发展，为小微企业融资和个人理财在传统商业银行途径外开辟了一条全新的道路，对商业银行现有业务体系也造成了一定影响。与此同时，互联网金融的网络借贷业务由于信用体系不健全及风险控制手段不足产生了一系列问题，商业银行信贷存在的逆向选择问题没有较好的解决途径，国内外学者对此进行了相关的研究。

威廉姆森（Williamson）在肯定了科斯理论的基础上，进一步深化与拓展了交易成本的决定性因素，他认为有限理性与机会主义的存在提高了资金融通和交易达成的交易成本和交易风险，从而在更大范围内导致逆向选择和道德风险的存在，信息获取成本及在交易双方之间的对称性很大程度上决定了金融交易的结构与资金信贷风险，从而决定金融交易能否达成。伯杰（Berger）从小微企业角度出发并在已有理论模式上做了进一步分析，认为互联网金融模式是对以商业银行为代表的传统金融体系的有益补充，能够有效缓解传统金融模式未能解决的小微企业融资难问题。程鑫肯定了互联网金融的飞速发展给征信体系完善带来新的机遇，强调了通过大数据、云计算、搜索引擎等互联网技术将大大提高征信服务产品的丰富性并扩大信用信息征集主体范围，对于现阶段存在的立法滞后导致的信息主体权益缺乏法律保障、征信标准不统一导致的信息难以大范围共享、监管主体不明确等问题提出了相应的解决对策。何树红等在已有的商业银行风险控制基础理论上做了进一步分析，指出我国信用体系不健全造成的市场主体信用缺失和商业银行自身缺乏有效采集信息的手段是导致商业银行产生信贷风险的重要因素，同时由于缺乏强有力的风险监控和治理手段更加大了商业银行信贷风险。李真从经济分析和应用角度探讨了现有互联网金融征信的类型，分别从优劣势和发展前景方面对大数据征信模式、商业征信机构模式、“自征信”模式、对接央行征信系统模式进行分析，认为“自征信”模式将会在探索实践中继续发展，成为互联网金融征信领域的主流模式之一。许天骆等从博弈理论视角出发，通过信号传递模型和声誉模型，证明了商业银行信贷业务中信息的甄别与控制可以增加商业银行与借款企业之间的信息对称度，从而提高商业银行的决策能力，得出加强商业银行信号指标选择和信息识别能力以及与企业建立长期的信贷关系可以有效提高商业银行信贷风险控制能力。彭鹏等在对信用行为进行博弈分析的基础上，提出了产权激励机制、失信惩戒机制和道德约束机制三种机制，为征信体系建设提供了指导思想。李峰等基于博弈参与人“有限理性”假设，采取“自底向上”的多智能体建模方法，通过演化博弈模型研究信贷市场中银行和企业演化博弈的问题，得出银行之间信息共享可改善信息不对称现象从而降低风险损失。彭迪云等从竞合角度出发，认为商业银行与互联网金融同属系统内的共生单元，互联网金融倒逼商业银行改革的同时离不开其支持，提出双方将立足共生关系共同致力于金融产业结构优化升级的发展趋势。

上述学者的研究着眼于商业银行或互联网金融单方对风险的控制，有一定的参考价值。但既有的研究大都限于对信贷风险的描述和发展建议上，少有从博弈机理方面研究的文章，更缺乏具有前瞻性视角的基于互联网金融与商业银行双方解决风险控制问题的进一步研究。从完善征信体系的视角出发，本文提出了商业银行与互联网金融共同构建征信平台方案，双方通过信息共享，在进一步降低信息成本的同时增强风险控制能力，减少道德风险和逆向选择问题的出现。在研究方法上，本文从演化博弈的视角出发，证明了征信平台构建的可行性，指出了征信平台构建的必要条件，最终从政策上提出双方共同构建征信平台的建议。

三、互联网金融与商业银行共建征信平台的演化博弈模型构建

假设博弈双方商业银行和互联网金融都是有限理性主体，在博弈中追求自身利益最大化并具有趋利避害的本能属性，互联网金融与商业银行两个群体间信息不对称、博弈随机，商业银行与互联网金融的行动对策均为{共同构建征信平台，不共同构建征信平台}。商业银行与互联网金融均选择共同构建征信平台时，双方需要改变现有的信息采集标准和流程，并对本方已有数据按一定标准进行处理共享，商业银行与互联网金融均需付出构建成本，双方共同构建征信平台成本与双方各自的信息量成正向关系；商业银行选择共同构建征信平台而互联网金融选择不共同构建征信平台时，商业银行会将自己的信息进行处理并有选择地与互联网金融共享，互联网金融选择不参与共同构建征信平台，商业银行为构建征信平台所付出的成本为沉没成本，商业银行收益减少而互联网金融企业收益不变；同理互联网金融选择共同构建征信平台而商业银行拒绝参与时，互联网金融收益减少而商业银行收益不变。对于商业银行与互联网金融两个群体来说，通过有效的手段和途径降低信息不对称度来获取更高的收益是双方共同的追求。从共同构建征信平台的信息共享角度来说，在不考虑国家未来新政策或指导意见的影响下，该平台上信息的共享利用需要经历一个长期与反复的演化过程，在演化过程中随着有效信息量的不断增大与风险评价和衡量体系的不断完善，商业银行与互联网金融企业均为信息不对称度降低的主要受益者，所不同的是商业银行在扩大了征信的范围与程度时拓展了信贷业务的服务范围、增大了信贷业务的受众群体，而互联网金融可以通过更短的时间与更低的成本来获取海量数据，从而真正发挥自身利用大数据实现风险控制的能力。

模型假设为，商业银行和互联网金融均选择不构建征信平台时的收益分别为[πB] 和[πI]，商业银行的有效信息量为[InfB]，互联网金融的有效信息量为[InfI]，当两方均选择构建征信平台时，双方均得到对方的有效信息量，由于双方对信息的使用不同导致向收益转化不同，商业银行选择构建时的收益系数是[χB（0<χB<1）]，对应的收益增加量为[χB×InfI]， 互联网金融选择构建时的收益系数是[χI（0<χI<1）]，对应的收益增加量为[χI×InfB]； 商业银行与互联网金融选择构建征信平台时成本系数分别为[γB]、[γI]，付出的信息成本费与自身信息量正相关，分别为[γB×InfB] 、[γI×InfI]；单方构建时损失为己方信息成本费用[γB×InfB] 、[γI×InfI]，不构建方收益不变，该博弈的支付矩阵如表1，{构建，构建}、{不构建，不构建}是博弈双方的两个纳什均衡点。

表1：征信平台构建支付矩阵

[互联网金融

商业银行

＼&

构建征信平台＼&

不构建征信平台＼&构建征信平台＼&[πI+χIInfB-γIInfI]

[πB+χBInfI-γBInfB]＼&[πI]

[πB-γBInfB]＼&不构建征信平台

＼&[πI-γIInfI]

[πB]＼&[πI]

[ πB]＼&]

四、商业银行与互联网金融共建征信平台的演化博弈分析

演化博弈论从博弈参与主体有限理性出发，认为理性人是在不断地试错过程中达到博弈均衡的，以演化稳定策略为基本概念，强调博弈的动态过程，在多重均衡中究竟达到哪一个均衡依赖于演化的初始条件及演化路径。复制动态是描述某一特定策略在一个种群中被采用的频数或频度的动态微分方程。当一种策略的适应度比种群的平均适应度高，这种策略就会在种群中发展，即适者生存体现为这种策略的增长率大于零。通过Malthusian 动态方程，策略的增长率等于它的相对适应度，当采取这个策略的个体适应度高于群体的平均适应度时，那么这个策略就会增长。

假设商业银行群体选择构建征信平台的所占比例为[qB]，互联网金融群体选择构建征信平台所占比例为[qI]，商业银行选择不构建征信平台和构建征信平台时的期望收益分别为[uBi]和[uBc]，平均收益为[uB]。

则[uBi=qIπB+（1-qI）πB=πB uBc=qI（πB+χBInfI-γBInfB）+（1-qI）（πB-γBInfB）]

[ uB=qBuBc+（1-qB）uBi]

同理，互联网金融选择不构建征信平台和构建征信平台时的期望收益分别为[uIc]和[uIi]，平均收益为[uI]。

则 [uIc=qBπI+（1-qB）πI=πIuIi=（1-qB）（πI-γIInfI）+qB（πI+χIInfB-γIInfI）]

[ uI=qIuIc+（1-qI）uIi]

可得复制动态方程组：

[dqIdt=qI（1-qI）（qBInfBχI-InfIγI）dqBdt=qB（1-qB）（qIInfIχB-InfBγB）]

商业银行与互联网金融之间构建征信平台的博弈可以用复制动态方程组来描述，在方程组中分别令[dqBdt=0，dqIdt=0]，可以得到，当[qB=0，1] 或[qI=InfBγBInfIχB]时，商业银行中选择构建征信平台的比例是稳定的；当[qI=0，1]或[qB=InfIγIInfBχI]时，互联网金融中选择构建征信平台的比例是稳定的。基于以上分析，可以得到互联网金融和商业银行征信平台构建的演化博弈模型均衡点为：[P1（0，0）]、[P2（1，0）]、[P3（1，1）]、[P4（0，1）]和[P5=（q*B=InfIγIInfBχI，q*I=InfBγBInfIχB）]。

该系统的雅可比矩阵为：

[J=（1-2qI）（qBInfBχI-InfIγI）qIInfBχI（1-qI） qBInfIχB（1-qB） （1-2qB）（qIInfIχB-InfBγB）]

矩阵对应的行列式为：

[J=（1-2qI）（qBInfBχI-InfIγI） qIInfBχI（1-qI） qBInfIχB（1-qB） （1-2qB）（qIInfIχB-InfBγB）]

矩阵的迹为：[tr（J）]

则平衡点稳定的条件为：[J>0，tr（J）<0]，

[tr（J）=（1-2qI）（qBInfBχI-InfIγI）+（1-2qB）（qIInfIχB-InfBγB）]

情况1：当[χBInfI>γBInfB，χIInfB>γIInfI]时，各平衡点雅可比矩阵行列式与迹的符号如表2所示。

情况2：当[χBInfI<γBInfB，χIInfB<γIInfI] 时，各平衡点雅可比矩阵行列式与迹的符号如表3所示。

情况3：当[χBInfI>γBInfB，χIInfB<γIInfI]时，各平衡点雅可比矩阵行列式与迹的符号如表4所示。

表4：平衡点及其稳定性分析

[平衡点＼&行列式符号＼&迹符号＼&稳定性＼&P1（0，0）＼&+＼&-＼&ESS＼&P2（1，0）＼&-＼&不确定＼&不稳定＼&P3（1，1）＼&-＼&不确定＼&鞍点＼&P4（0，1）＼&+＼&+＼&鞍点＼&]

情况4：当[χBInfI<γBInfB，χIInfB>γIInfI]时各平衡点雅可比矩阵行列式与迹的符号如表5所示。

表5：平衡点及其稳定性分析

[平衡点＼&行列式符号＼&迹符号＼&稳定性＼&P1（0，0）＼&+＼&-＼&ESS＼&P2（1，0）＼&-＼&+＼&不稳定＼&P3（1，1）＼&-＼&不确定＼&鞍点＼&P4（0，1）＼&-＼&不确定＼&鞍点＼&]

[P4（0，1）][P3（1，1）][P1（0，0）][P2（1，0）] [qI][qB][▲][▲][?][?][▼][▼][?]

图4：博弈演化路径图

由上述四种演化路径图可知，演化博弈的结果取决于[χBInfI与γBInfB]、[χIInfB与γIInf]之间的大小关系。对于[χBInfI>γBInfB]、[χIInfB>γIInfI]时，互联网金融与商业银行演化博弈路径和演化均衡结果主要取决于鞍点P5在系统中的位置和系统中参与双方的初始状态。由P2到P5、P3到P5组成的折线为系统收敛于不同状态的临界线，从图1上看，四边形P1P4P5P2的面积越大，意味着初始状态落入四边形P1P4P5P2内的概率越大，两博弈主体初始选择构建的比例落入四边形P1P4P5P2时，互联网金融与商业银行博弈的演化收敛于双方均选择不共同构建征信平台；当初始状态落入四边形P4P5P2P3时，随着演化博弈的进行收敛于双方均选择共同构建征信平台。在演化博弈开始前，对博弈结果的预期会促使商业银行与互联网金融在是否选择共同构建征信平台中做出选择，在征信平台构建取得进展后，商业银行与互联网金融主体会选择继续合作并达到良性循环。在其他参数不变的情况下，[γB*InfB]、[γI*InfI] 越小则商业银行和互联网金融主体所付出的初始成本越小，折线上方的面积也就越大，此时演化博弈系统趋于共建征信平台。此外，实际博弈主体双方共建征信平台时要加强沟通和合作，在实际沟通合作过程中商业银行和互联网金融在有效信息量共享、流程共享、平台维护与监管、利润分配与成本方面存在分歧。因此迫切需要建立相互依赖、相互理解的高效沟通机制，加强彼此之间的信任关系。对于情况2、3、4，当[χBInfI<γBInfB，χIInfB<γIInf]、[χBInfI>γBInfB，χIInfB<γIInfI]、[χBInfI<γBInfB，χIInfB>γIInfI]时，互联网金融与商业银行至少有一方构建征信平台的收益增加量小于成本，此时雅可比矩阵稳定性如表所示，对比变化复制动态图看出，不论从任何初始状态出发，系统均收敛于O（0，0）点，此时均拒绝共同构建征信平台才是稳定的演化策略。

五、互联网金融与商业银行共建征信平台的优势

现实情况下，商业银行拥有海量的历史交易数据、完善的风险控制体系、成熟的大客户群体，然而商业银行传统的征信模式信息下沉能力有限，导致商业银行在传统信贷配给体制下选择性忽略小微企业的融资需求。互联网金融具有高效、廉价的信息搜集和处理能力，但是不同网贷平台信息搜集标准不同、信用评价体系不同。信用信息本身包含商业价值， 如借款人标识信息、借款人融资额等，这些敏感信息是网贷平台严格保守的商业秘密，平台之间合作困难导致互联网金融在授信问题上具有较大的局限性。在网贷平台采取信息闭环策略和未能接入人民银行征信系统的情况下，可能产生已被A网贷平台列入黑名单的小微企业又在B网贷平台成功申请贷款的情况。

互联网金融征信平台、商业银行征信平台分立经营，不仅缺乏权威性和客观性，而且平台之间缺乏良好的兼容性，信息难以互联互通，存在较大的局限性，降低了征信平台的存在价值。在选择共建征信平台的情况下，商业银行利用共建征信平台中互联网金融的信息搜集和挖掘优势，低成本、快捷高效地搜集小微企业自身实力信息，解决了传统情况下信息下沉困难问题，结合自身成熟的风控体系对小微企业进行评估和授信，能在一定程度上扩大商业银行信贷业务的服务范围，有效缓解信息不对称带来的逆向选择和道德风险问题；互联网金融在发挥自身技术优势的同时，充分利用商业银行原有的信用数据和互联网金融内部信用数据，学习商业银行风险控制思路和体系，增强信用风险管理能力，从而提升行业持久发展力。

信息准确度是指互联网金融与商业银行所拥有的、能预测企业行为信息的准确程度，用[f（Inf）]表示，[f（Inf）∈（0，1]]，[f（Inf）=1]表示信息完全准确，[limf（Inf）=0]时表示信息完全不对称。当[limf（Inf）=0]时，商业银行与互联网金融对某个企业的信息及会采取哪种行为完全不了解，由于掌握了行业相关统计信息，在企业可以隐藏信息的行为下，商业银行仍能了解企业所属的类型和可能行为的集合，这些经验数据在统计意义上刻画该企业具有一定的准确度。

[InfBNN]、[InfINN]为商业银行与互联网金融基础有效信息量，在考虑双方选择参与构建信息平台与不参与构建信息平台时，对于信息量的变化考虑引入信息熵。信息熵是指对不确定度变化的度量，当增加有效信息量[Inf]，不确定性减小，可预测信息的准确度增加，信息不对称度降低。[Inf]和[f（Inf）]之间的影响关系为增函数。[f（Inf）]对于[Inf]来说边际效用递减直至边际效用为零，随着有效信息量的增加，信息准确度增加的程度越来越小，关系如图5所示。

图5：信息量与信息准确度关系图

信息经济学认为， 通过获取信息可增加做出正确选择的能力从而提高经济效率，这是信息的价值；信息的成本表现为进行调查和搜索等获取信息经济活动需要付出成本，互联网金融与商业银行双方的资源是有限的， 在行为理性的假设前提下， 要在有限资源的约束下追求效用最大化。信息传递的初期， 较少的资源付出可得到较多的信息， 获得的信息的边际效用也很大。既然双方拥有的资源是有限的， 随着信息传递活动的进行，需要付出递增的资源才能获得与先前相同的信息效用。当他们支付的信息成本的边际效用等于获得的信息的边际效用时， 他们会停止进行信息传递， 因为他们已获得了最大化的信息总效用。互联网金融与商业银行共同构建征信平台时，构建平台成本是初始成本，可认为不随时间变化，使用平台上对方信息的成本认为是己方的信息成本，随着信息量的递增，信息准确度的增长越来越慢，有效信息的获取成本随着信息量的增加越来越高，当信息获取的边际成本等于获取信息产生的边际效用时，双方通过共建征信平台达到了最优信息获取量，双方的收益增量达到最大。

小微企业进行贷款时，贷款的利率由基准利率与风险溢价共同决定，表达式为：[r=r基+r风险]。

基准利率为：[r基=rb+rB+rI+rp]，[rb]表示银行存款基准利率，[rB]表示商业银行管理费用，[rI]表示互联网金融管理费用，[rp]表示目标利润率。

风险溢价为：[r风险=rsibor*（1-τ）*βK]， [rsibor=r基]表示贷款基准利率，[τ]表示贷款成功概率，[β]表示修正乘数，[K ]表示小微企业自身综合实力。

在现有有效信息量情况下，小微企业项目成功并按时还款的概率为[p]，则贷款成功的概率为[τ=p×f（Inf）+（1-p）×（1-f（Inf））]，分别对有效信息量和项目成功概率求偏导得：

[?τ?p=2f（Inf）-1] ，[?τ?Inf=（2p-1）f′（Inf）]

在有效信息量为定值、信息准确度大于0.5的情况下，贷款成功率与小微企业项目成功概率成正比，小微企业选择成功概率大的项目更容易促进贷款的进行，这也符合商业银行与互联网金融的风险防范机制；在小微企业项目成功概率一定且成功概率大于0.5时，贷款成功概率与有效信息量增加的边际效用正相关，且信息的边际效用始终不小于0，故有效信息量越大，贷款成功概率越高。

对于商业银行和互联网金融来说，选择共同构建征信平台之前，贷款的风险溢价为：

[r风险=rsibor*（1-p×f（Inf）-（1-p）×（1-f（Inf）））*βK]

风险溢价关于有效信息量的偏导数为：

[?r风?Inf=（2p-1）f′（Inf）rsibor*βK]

有效信息量越大，风险溢价越低，选择构建相比不构建有效地降低了贷款利率、提高了贷款成功率。

在共同构建征信平台时，双方之间信息壁垒被打破，信息得以共享。双方之间信息交换如图6所示：

[商业银行从互联网金融获取信息从商业银行获取信息 互联网金融 ↘ ↙ 小微企业（借款方） ]

图6：商业银行与互联网金融信息交换图

在这种情况下，商业银行的预期收益为：

[πB=τ*DB*（h-1-r-rB）+（1-τ）*DB*（0-r-rB）]

其中[DB]表示商业银行贷款营业总额。

互联网金融的预期收益为：

[πI=τ*DI*（h-1-r-rI）+（1-τ）*DI*（0-r-rI）]

其中[DI]表示互联网金融贷款营业总额。商业银行与互联网金融放出的贷款总额记为[D]，[D=i=1nqi=DB+DI]；[qi]表示单笔贷款金额，[qi=i=1n（M*k1*f（Inf）+ξ）]；[M]表示现有授信贷款额度；[ξ]表示浮动因子。双方选择构建时，信息准确度提高，单笔贷款额度提高，贷款门槛下降，商业银行与互联网金融的总贷款量增加。

互联网金融与商业银行共同构建征信平台，通过信息分享既能及时发现借款人的信用瑕疵，又进一步扩大征信数据的采集范围，丰富数据类型和种类，商业银行的传统信用交易数据与互联网金融数据相互印证，通过现代数据分析技术和处理技术予以匹配处理，将大大提高商业银行与互联网金融的信用风险管理能力，降低贷款违约的风险和贷款损失。

六、关于共建征信平台的建议

通过演化博弈和信息成本分析，互联网金融与商业银行合作共同构建征信平台最终能获得的总收益远远大于双方竞争时的总收益，因为信息不对称产生囚徒困境，较难达成合作。双方的构建受到双方的竞合博弈初始状态、收益系数、成本系数及政府政策措施的影响。

第一，提高商业银行和互联网金融选择共同构建征信平台的比例。主要体现在两方面：一方面是初期选择共同构建征信平台的比例反映了双方对演化博弈的预期，根据演化博弈的过程分析，博弈初期双方参与共同构建征信平台比例越高，越有利于以较快的速度达到演化博弈的平衡策略；另一方面是参与共建征信平台的比例越高，征信平台的信息来源越丰富，根据边际效应递减原则，信息的获取成本也会随之降低，信息丰富带来信息不对称程度也会降低，双方选择共建征信平台带来的效益也越明显。

第二，提高收益系数，降低成本系数。互联网金融与商业银行共同构建征信平台时，对于商业银行来说，借助共同构建的征信平台可以大大增强对于小微企业的了解，充分发掘小微企业贷款市场空间，降低不良贷款率，借助互联网科技和理念更新升级现有数据体系；对于互联网金融来说，学习商业银行成熟的风控体系和利用商业银行已有的较为完备的数据积累，立足于互联网时间和空间优势，更好地服务小微企业信贷的同时做好风险控制工作，降低坏账率，借助商业银行已有历史数据可以大大减少互联网金融的线下工作。

第三，政策上加强引导作用。互联网金融与商业银行共建征信平台可以促进小微企业融资实现，提升信贷双方的收益，促进普惠金融的实现。一方面政府应当从政策上鼓励完善现有的征信体制，促进新的征信体制出现，打击商业银行与互联网金融的不良竞争行为；同时应积极推动建立征信行业自律组织，充分发挥组织引导、规范和整合征信资源的作用。如果有征信行业自律组织在其间充分沟通、斡旋，这些零散、细碎的征信数据有望汇集成为较全面、完善的金融基础信息库；加强对互联网金融的业务监管，降低互联网金融粗放发展带来的系统性风险。另一方面由于短期内双方可能考虑到构建成本选择不合作，政府应以自身公信力加大宣传力度和采取一定的补贴措施，增强双方对共同构建征信平台的认识。

第四，加强互联网金融与商业银行的合作，鼓励良性竞争。互联网金融拥有大量的用户历史数据和信用，这些高价值的数据能够有效拓宽商业银行业务； 商业银行方面向互联网金融提供一些金融网络专业技术，保证金融安全，并且可以用自身的金融权威性为互联网金融做信用担保，减少其流动性风险，促进金融普惠理财市场的健康发展。双方合作才能把总收益增量做大，巨大的增量收益期望才能促进双方进一步更好地合作。

参考文献：

[1]Bester，H.，and M. Hellwig. Moral Hazard and Equilibrium Credit Rationing：An Overview of the Issues[M].

[2]Bergers，Gleisnerf.2008.Emergence of Financial Intermediaries on Electronic Markets：The Case of Online P2P Lending[D].Working Paper，University of Frankfurt.

[3]关于促进互联网金融健康发展的指导意见http：//finance.people.com.cn/money/n/2015/0718/c42877-2732433

5.html.

[4]李真.互联网金融征信模式：经济分析，应用研判与完善框架[J].宁夏社会科学，2015，（1）.

[5]中国网络信贷行业发展报告（2014-2015）http：//www.pishu.com.cn/skwx_ps/bookdetail？SiteID=14&ID=3955175.

[6]中国征信业发展报告.http：//www.gov.cn/gzdt/att/att/site1/20131212/1c6f6506c5d514139c2f01.pdf.

[7]程鑫.互联网金融背景下征信体系完善所面临的机遇与挑战[J].上海金融，2014，（11）.

[8]何树红，杨采燕.我国信用体系的健全与商业银行信贷风险的控制[J].经济问题探索，2009，（2）.

[9]四川银监局课题组.互联网金融对商业银行传统业务的影响研究[J].西南金融，2013，（12）.

[10]许天骆，王亭熙.博弈论域下商业银行信贷的风险控制[J].统计与决策，2012，（12）.

[11]彭鹏，罗剑朝.中国信用制度设计的博弈分析[J].西安电子科技大学学报：社会科学版，2006，16（5）.

[12]李锋，陈倩.信息共享对信贷市场影响的演化博弈分析[J].华南理工大学学报：社会科学版，2013，15（5）.

[13]彭迪云，李阳.互联网金融与商业银行的共生关系及其互动发展对策研究[J].经济问题探索，2015 ，（3）.

[14]毛磊.演化博弈视角下创意产业集群企业创新竞合机制分析[J].科技进步与对策，2010，（4）.

（特约编辑 齐稚平；校对 RR，GX）