芝麻信用分数是怎么算出来的？

谢邀！

在国外，已经有部分国家拥有比较完善且成熟的信用评分系统，我们将美国最为知名的FICO评分与芝麻信用进行对比说明。

我们可以先简要比较一下二者的评分标准，芝麻信用分和国外FICO信用评分还是比较相像的，评分规则分别为：

先来说说FICO，FICO评分系统设定的信用分数范围在300~850分之间，分数越高说明客户的信用风险越小，但是分数并不能完全说明一个客户信用的好坏。

贷款人通常会将FICO评分作为参考，来进行贷款决策。每个贷款人都会有自己的贷款策略和标准，加之根据不同贷款项目产品的不同风险水平，从而决定了可以接受的信用分数水平。

一般来说，如果借款人的信用评分达到680分以上，贷款人就可以认为借款人的信用卓著，可以较为容易地同意发放款，如果借款人的信用评分低于620分，贷款人则一般会要求借款人增加担保，或者直接拒绝贷款，如果借款人的信用评分介于620~680分之间，贷款人就要作进一步的调查核实，采用其它的信用分析工具，作个案处理。

影响FICO评分的还有几个重要因素：

1）偿还历史
影响FICO得分的最重要的因素是客户的信用偿还历史，大约占总影响因素的35%。支付历史主要显示客户的历史偿还情况，以帮助贷款人了解该客户是否存在历史的逾期还款记录。这些记录主要包括：

（1）各种信用账户的还款记录，包括信用卡（例如：Visa、MasterCard、American、Express、Discover）、零售账户（直接从商户获得的信用）、分期偿还贷款、金融公司账户、抵押贷款等；

（2）公开记录及支票存款记录，该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。其中，涉及金额大的事件比金额小的事件对FICO得分的影响大。在同样的额度下，晚发生的事件要比早发生的事件对得分的影响大。例如，一个发生在上个月逾期60天的记录对FICO得分的影响会大于一个发生在5年前的逾期90天的记录。

（3）逾期偿还的具体情况，包括：逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。据统计，大约有不足50%的人有逾期30天还款的记录，大约只有30%的人有逾期60天以上还款的记录，而77%的人从来没有过逾期，90天以上不还款的，仅有低于20%的人有过违约行为而被银行强行关闭信用账户。

2）信用账户数
该因素仅次于还款历史记录对得分的影响，占总影响因素的30%。

对于贷款人来讲，一个客户有信用账户需要偿还贷款，并不意味着这个客户的信用风险高，相反地，如果一个客户有限的还款能力被用尽，则说明这个客户存在很高的信用风险，有过度使用信用的可能，同时也就意味着他具有更高的逾期还款可能性。

该类因素主要是用于分析对于一个客户，究竟多少个信用账户是足够多的，从而能够准确反应出客户的还款能力。

3）使用信用的年限
该项因素占总影响因素的15%。

一般来讲，使用信用的历史越长，越能增加FICO信用得分。该项因素主要指信用账户的账龄，既考虑最早开立的账户的账龄，也包括新开立的信用账户的账龄，以及平均信用账户账龄。

据信用报告反映，美国最早开立的信用账户的平均账龄是14年，超过25%的客户的信用历史长于20年，只有不足5%的客户的信用历史小于2年。

4）新开立的信用账户
该项因素占总影响因素的10%。

在现今的经济生活中，人们总是倾向于开立更多的信用账户，以及选择信用购物的消费方式，FICO 评分系统也将这种倾向体现在信用评分维度中。

据调查，在很短时间内开立多个信用账户的客户具有更高的信用风险，尤其是那些信用历史不长的人。

这项因素主要考察内容包括：

（1）新开立的信用账户数，系统将记录客户新开立的账户类型及总数；

（2）新开立的信用账户账龄；

（3）目前的信用申请数量：该项内容主要根据用户被查询信用的次数得出，查询次数在信用报告中只保存两年；

（4）贷款人查询客户信用的时间长度；

（5）最近的信用状况：对于新开立的信用账户及时还款，会在一段时间后，提高客户的FICO 得分。

5）用户正在使用的信用类型
该项因素占总影响因素的10%。

主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况，具体包括用户持有的信用账户类型和每种类型的信用账户数。

FICO分的区间在300~850分之间，不同的得分档次意味着不同的风险。

体现在违约率上，FICO分低于600分，贷款违约比例为1：8；信用分数在700~800，违约比例为1：123；信用分大于800分的借款人，违约比例仅为1：1292

再来看看芝麻分

芝麻分综合考虑了个人用户的信用历史、行为偏好、履约能力、身份特质、人脉关系五个维度的信息。具体如下：

1）信用历史：过往信用账户还款记录及信用账户历史。比如房贷、车贷、信用卡是否按时还款；预定酒店，打车是否未告知商家而擅自取消；
2）行为偏好：在购物、缴费、转账、理财等活动中的偏好及稳定性。互联网的购物行为也会影响芝麻分，比如是否有按时交纳水电费，爱心捐赠记录等；
3）履约能力：享用各类信用服务并确保及时履约。考量的主要是：用户是否具有足够的财富和综合能力来偿还贷款或履行约定。
4）身份特质：在使用相关服务过程中留下的足够丰富和可靠的个人基本信息。你的身份信息是否真实全面可靠，比如学历、职业资格、消费记录等。
5）人脉关系：好友的身份特征以及跟好友互动程度。参考用户好友是否也具有良好的信用记录。

按照目前已有的信息来看，芝麻分是通过支付宝积累或者从第三方获取的用户个人数据，按照一定的模型计算得出，不会有任何一个单项信息能够直接或完全决定个人的芝麻分。较高的芝麻分可以帮助个人获得更高效、更优质的服务，像免押金租车、免押金住宿等。

对比FICO和芝麻分，我们不难看出二者侧重的不同，FICO评分更多的倾向于依据用户的各项金融行为数据进行判断，芝麻分则更多的参考了用户的互联网行为，拥有更为具体的用户肖像描写。

对企业而言，信用评分能够帮助企业实现有效的用户识别，例如互联网金融行业的P2P信用借款服务就参考了FICO的信用评分模式，利用大数据建模和信用评分进行风控，也成为P2P行业的趋势。

目前国内知名的P2P平台，如宜信宜人贷等，都对利用大数据技术进行用户信用评级，进而提高风控水平方面进行了卓有成效的探索。

实际上，信用评分的意义不仅仅在于准确识别优质用户，更重要的是帮助企业培养出风险定价的能力，从而帮助平台在风险和收益之间找到平衡，实现风险可控。

对个人而言，个人信用评分对于现代社会中的个人金融行为有着重要的意义，除了银行，和我们直接打交道的金融机构和金融服务企业将会越来越多。