اعتبارسنجی؛ صنعت کنترل ریسک یا توزیع ریسک؟

امیرحسین خواجوند صالحی، مدیرپروژه توسعه نظام سنجش اعتبار وزارت امور اقتصادی و دارایی /  اگر بخواهیم یک گزاره مرکزی درباره آینده صنعت اعتبارسنجی مطرح کنیم، شاید این گزاره از همه دقیق‌تر باشد: اعتبارسنجی بیش از آنکه صنعت کنترل ریسک باشد، صنعت توزیع ریسک است. کنترل ریسک، نقطه شروع تصمیم اعتباری است؛ اما توزیع ریسک، منطق شکل‌گیری یک صنعت اعتبارسنجی است.

وقتی از اعتبارسنجی صحبت می‌کنیم، معمولاً نخستین مفهومی که به ذهن می‌رسد کنترل ریسک است. اعتبارسنجی قرار است به هر ارائه‌دهنده خدمات پولی و مالی کمک کند تا پیش از اعطای خدمت، تصویری دقیق‌تر از احتمال ایفای تعهدات مشتری به دست آورد. در این نگاه، اعتبارسنجی ابزاری برای کاهش عدم‌اطمینان و در نتیجه کنترل ریسک اعتباری است.

این برداشت البته نادرست نیست؛ اما به نظر می‌رسد برای توضیح چرایی شکل‌گیری و توسعه یک صنعت اعتبارسنجی کافی نیست. اگر از منظر اقتصاد کلان و اقتصاد اطلاعات به مسئله نگاه کنیم، نقطه شروع اعتبارسنجی کاملاً روشن است. در بازار اعتبار، میان وام‌دهنده و دریافت‌کننده اعتبار نوعی عدم تقارن اطلاعاتی وجود دارد. وام‌دهنده نمی‌تواند با اطمینان بداند متقاضی اعتبار چه میزان توانایی و تمایل برای بازپرداخت تعهدات خود دارد. همین مسئله زمینه‌ساز کژگزینی [1] پیش از انعقاد قرارداد و کژمنشی [2] پس از آن می‌شود. اعتبارسنجی در پاسخ به همین شکست بازار [3] شکل می‌گیرد؛ یعنی تلاش می‌کند اطلاعاتی را که برای تصمیم‌گیری اعتباری ضروری است، تولید، جمع‌آوری و پردازش کند. اما اینجا یک سؤال مهم‌تر مطرح می‌شود: آیا صنعت اعتبارسنجی صرفاً برای این شکل گرفته است که هر مؤسسه مالی بتواند ریسک خودش را بهتر کنترل کند؟ به نظر می‌رسد پاسخ منفی است.

اعتبارسنجی فقط برای کم کردن ریسک نیست

اگر اعتبارسنجی را صرفاً ابزاری برای کنترل ریسک[4] ببینیم، طبیعی است که هر بازیگر حوزه ارائه خدمات مالی ترجیح دهد اطلاعات مشتریان خود را نزد خود نگه دارد، مدل اعتبارسنجی خودش را بسازد و تا حد امکان با استفاده از اطلاعات اختصاصی، ریسک پرتفوی خود را مدیریت کند. اما چنین رویکردی نمی‌تواند یک زیست‌بوم اعتبارسنجی پویا و فراگیر ایجاد کند؛ چراکه منطق شکل‌گیری صنعت اعتبارسنجی زمانی آشکار می‌شود که از مفهوم کنترل ریسک به مفهوم توزیع ریسک[5] حرکت کنیم.

توزیع ریسک به دو معناست: یکی اینکه اطلاعات حاصل از رفتار اعتباری یک مشتری در یک کسب‌وکار، صرفاً برای کنترل ریسک همان کسب‌وکار مورد استفاده قرار نگیرد؛ بلکه بتواند در اختیار سایر ارائه‌دهندگان خدمات مالی نیز قرار گیرد و مبنای تصمیم‌گیری آنان نیز باشد.

در این حالت، یک مشتری ممکن است امروز از یک پلتفرم خرید اعتباری دریافت کند، فردا از یک شرکت بیمه خدمات اقساطی بگیرد و در مرحله بعد از یک بانک یا مؤسسه مالی تسهیلات دریافت کند. هر یک از این تعاملات، داده جدیدی درباره رفتار اعتباری او تولید می‌کند. اگر این داده‌ها در یک شبکه به اشتراک گذاشته و تجمیع شوند، ریسک ناشی از ناشناخته‌بودن مشتری دیگر صرفاً بر دوش نخستین ارائه‌دهنده خدمت باقی نمی‌ماند. اینجاست که اعتبارسنجی از یک ابزار درون‌سازمانی برای مدیریت ریسک، به یک زیرساخت بین‌سازمانی برای توزیع ریسک در اقتصاد تبدیل می‌شود. اما معنای دیگر توزیع ریسک به ریسک پذیرش برمی‌گردد.

چه کسی حاضر است اولین ریسک را بپذیرد؟

یکی از مهم‌ترین چالش‌های توسعه اعتبارسنجی در کشورهایی مانند ایران، نه فقدان مدل‌های آماری و نه حتی فقدان فناوری لازم برای طراحی مدل‌های اعتبارسنجی است؛ مسئله بنیادی‌تر این است که چه کسی حاضر است برای تولید داده، نخستین ریسک را بپذیرد؟

داده اعتباری را نمی‌توان صرفاً پشت میز تولید کرد. بخش مهمی از این داده‌ها حاصل رفتار واقعی افراد در مواجهه با تعهدات مالی است. برای مثال، اینکه یک فرد قسط خود را به‌موقع پرداخت می‌کند یا خیر، اینکه چه میزان اعتبار دریافت می‌کند، چگونه از اعتبار خود استفاده می‌کند و آیا در موعد مقرر تعهداتش را ایفا می‌کند، همگی در جریان یک رابطه واقعی مالی آشکار می‌شوند. بنابراین، برای تولید داده اعتباری باید پیش از هر چیز امکان انجام یک معامله اعتباری وجود داشته باشد. به بیان ساده‌تر، برای اینکه بتوانیم رفتار اعتباری افراد را بسنجیم، باید به آنها فرصت بدهیم که رفتار اعتباری از خود نشان دهند.

این همان نقطه‌ای است که میان ارائه خدمات مالی و اعتبارسنجی یک رابطه دوسویه ایجاد می‌شود. از یک سو، اعتبارسنجی به ارائه‌دهنده خدمت کمک می‌کند مشتری را بهتر بشناسد که این به جنبه کنترل ریسک اعتبارسنجی برمی‌گردد؛ اما از سوی دیگر، خود صنعت اعتبارسنجی نیز بدون وجود ارائه‌دهندگان خدمات مالی که حاضر به ایجاد تعامل اعتباری با مشتریان باشند، نمی‌تواند داده جدید و قابل اتکایی تولید کند. پس اعتبارسنجی صرفاً محصول داده نیست؛ بلکه محصول تعامل مالی و اعتباری نیز هست.

فین‌تک‌ها چرا برای صنعت اعتبارسنجی اهمیت دارند؟

این موضوع اهمیت فین‌تک‌ها را در توسعه صنعت اعتبارسنجی روشن می‌کند. یک فین‌تک ممکن است در ابتدا با هدف ارائه اعتبار خرد، خرید اقساطی، خدمات پرداخت، بیمه اقساطی یا سایر خدمات مالی وارد بازار شود. اما در جریان همین فعالیت، مجموعه‌ای از داده‌های رفتاری درباره مشتریان خود تولید می‌کند. اگر این داده‌ها صرفاً برای فعالیت داخلی همان فین‌تک استفاده شوند، ارزش آنها به مدیریت ریسک همان کسب‌وکار محدود می‌ماند. اما اگر سازوکاری وجود داشته باشد که این داده‌ها با رعایت الزامات حریم خصوصی، امنیت و حکمرانی داده، در قالب گزارش یا امتیاز اعتباری در اختیار سایر بازیگران قرار گیرد، ارزش اقتصادی آنها چند برابر خواهد شد. در این وضعیت، یک فین‌تک تنها ارائه‌دهنده خدمت مالی نیست؛ بلکه می‌تواند به یکی از تولیدکنندگان داده در اکوسیستم اعتبارسنجی نیز تبدیل شود.

این اتفاق اهمیت زیادی دارد؛ زیرا ورود به صنعت اعتبارسنجی نباید الزاماً به معنای آن باشد که یک شرکت از ابتدا یک شرکت صرفاً اعتبارسنج تأسیس کند و بعد به دنبال داده بگردد. اتفاقاً ممکن است مسیر معکوس، مسیر طبیعی‌تر و اقتصادی‌تری باشد: ابتدا ورود به بازار خدمات مالی، سپس تولید داده و در ادامه تبدیل داده تولیدشده به خدمت اعتبارسنجی.

چرا کنترل ریسک به تنهایی کافی نیست؟

فرض کنیم یک شرکت اعتباردهنده، مشتری جدیدی دارد که هیچ سابقه‌ای در پایگاه‌های اطلاعاتی رسمی ندارد. اگر منطق حاکم صرفاً کنترل ریسک باشد، طبیعی است که این شرکت برای جلوگیری از زیان احتمالی، از ارائه اعتبار به این فرد خودداری کند. اما این تصمیم یک پیامد مهم دارد: فرد هیچ‌گاه فرصتی برای ایجاد سابقه اعتباری پیدا نمی‌کند. در نتیجه، نبود سابقه اعتباری به عدم ارائه اعتبار منجر می‌شود و عدم ارائه اعتبار نیز مجدداً باعث تداوم نبود سابقه اعتباری خواهد شد. این یک چرخه بسته است.

در مقابل، اگر اکوسیستم اعتبارسنجی بتواند ریسک این مشتری را میان چندین بازیگر توزیع کند، امکان ایجاد یک سابقه اعتباری برای او فراهم می‌شود. نخستین ارائه‌دهنده خدمت، بخشی از ریسک ناشناخته‌بودن مشتری را می‌پذیرد، رفتار مشتری ثبت می‌شود، این داده در اختیار سایر بازیگران قرار می‌گیرد و در تعاملات بعدی، تصمیم‌گیری درباره همان مشتری دیگر بر مبنای ناشناخته بودن انجام نمی‌شود؛ این همان منطق تولید اعتبار[6] برای اشخاص است است. به این ترتیب، اعتبارسنجی نه فقط ریسک را کاهش می‌دهد، بلکه امکان پذیرش و توزیع ریسک را افزایش می‌دهد که این تفاوتی بسیار مهم است.

از مدل اعتبارسنجی به بازار داده اعتباری

اگر بخواهیم صنعت اعتبارسنجی در کشور توسعه پیدا کند، نباید تمام توجه خود را بر این پرسش متمرکز کنیم که بهترین مدل اعتبارسنجی چیست؟ پرسش مهم‌تر این است که چه سازوکاری می‌تواند انگیزه بازیگران مختلف را برای تولید، اشتراک‌گذاری و استفاده از داده‌های اعتباری ایجاد کند؟ مدل آماری بدون داده قابل اتکا، ارزش محدودی دارد. حتی بهترین الگوریتم‌های یادگیری ماشین نیز نمی‌توانند اطلاعاتی را که اساساً تولید نشده است، خلق کنند.

از این منظر، مزیت رقابتی اصلی یک شرکت اعتبارسنجی الزاماً در پیچیدگی الگوریتم آن خلاصه نمی‌شود. ممکن است شرکتی با یک مدل نسبتاً ساده اما با دسترسی به داده‌های متنوع، باکیفیت و به‌روز، عملکرد بهتری از شرکتی داشته باشد که پیچیده‌ترین مدل‌های آماری را در اختیار دارد اما داده‌های محدودی دارد. به همین دلیل، در اقتصاد اعتبارسنجی، توانایی تولید و تجمیع داده می‌تواند حتی مقدم بر توانایی مدل‌سازی باشد.

اعتبارسنجی و مسئله شمول مالی

این بحث از منظر شمول مالی نیز اهمیت ویژه‌ای دارد. بخش قابل توجهی از جامعه، به دلایل مختلف، سابقه اعتباری کافی در نظام رسمی مالی ندارد. در یک نظام وثیقه‌محور، نبود سابقه اعتباری و نبود وثیقه می‌تواند همزمان به یک مانع برای دسترسی به اعتبار تبدیل شود. اما اقتصاد دیجیتال امکان متفاوتی ایجاد کرده است.

تعاملات روزمره افراد با پلتفرم‌های خرید، پرداخت، بیمه، ارتباطات و سایر خدمات دیجیتال می‌تواند به تولید داده‌هایی منجر شود که بخشی از رفتار اقتصادی و اعتباری افراد را آشکار می‌کند. اگر این داده‌ها بتوانند در یک چارچوب حکمرانی‌شده وارد نظام اعتبارسنجی شوند، فردی که پیش‌تر در نظام مالی رسمی ناشناخته محسوب می‌شد، به تدریج می‌تواند صاحب یک هویت اعتباری [7] شود.

بنابراین، توسعه اعتبارسنجی فقط به معنای کاهش مطالبات غیرجاری بانک‌ها یا کاهش ریسک مؤسسات اعتباری نیست؛ بلکه می‌تواند به معنای گسترش مرز کسانی باشد که اساساً امکان ورود به بازار اعتبار را پیدا می‌کنند.

ریسک باید توزیع شود، نه اینکه فقط جابه‌جا شود

البته توزیع ریسک به معنای انتقال بی‌قاعده ریسک از یک بازیگر به بازیگر دیگر نیست. اگر قرار باشد صنعت اعتبارسنجی به درستی شکل بگیرد، باید مشخص باشد داده توسط چه کسی تولید می‌شود، چه کسی مالک یا متولی آن است، چه کسی اجازه استفاده از آن را دارد، مسئولیت خطای اطلاعاتی با چه کسی است، چگونه کیفیت داده تضمین می‌شود و در صورت تصمیم اعتباری نادرست، مسئولیت میان بازیگران چگونه توزیع خواهد شد. به عبارت دیگر، توزیع ریسک بدون حکمرانی داده می‌تواند به توزیع خطا و زیان منجر شود.

بنابراین، طراحی اکوسیستم اعتبارسنجی باید همزمان دو مسئله را حل کند: از یک سو، انگیزه لازم برای پذیرش و تولید ریسک و داده را ایجاد کند و از سوی دیگر، سازوکاری برای توزیع مسئولیت، ریسک و منافع میان بازیگران فراهم آورد. این دقیقاً همان جایی است که سیاست‌گذاری می‌تواند نقش تعیین‌کننده داشته باشد.

صنعت اعتبارسنجی زمانی شکل می‌گیرد که داده در گردش باشد

در نهایت، شاید بهتر باشد اعتبارسنجی را نه به‌عنوان یک شرکت، بلکه به‌عنوان یک زیست‌بوم ببینیم. در چنین زیست‌بومی، بانک‌ها، شرکت‌های فین‌تکی، بیمه‌ها، پلتفرم‌های تجارت الکترونیک، شرکت‌های پرداخت و سایر ارائه‌دهندگان خدمات مالی و اقتصادی می‌توانند همزمان هم مصرف‌کننده داده اعتباری باشند و هم تولیدکننده آن. هر بازیگر بخشی از ریسک را می‌پذیرد، در جریان تعامل با مشتری داده تولید می‌کند و این داده می‌تواند با سازوکار مناسب در قالب گزارش اعتباری یا حتی به صورت مستقیم، در اختیار سایر بازیگران قرار گیرد.

در نتیجه، اطلاعات بیشتر می‌شود، عدم‌اطمینان کاهش می‌یابد و ریسک ناشی از ناشناخته‌بودن مشتری در سطح شبکه توزیع می‌شود. بنابراین، اگر بخواهیم یک گزاره مرکزی درباره آینده صنعت اعتبارسنجی مطرح کنیم، شاید این گزاره از همه دقیق‌تر باشد: اعتبارسنجی بیش از آن که صنعت کنترل ریسک باشد، صنعت توزیع ریسک است. کنترل ریسک، نقطه شروع تصمیم اعتباری است؛ اما توزیع ریسک، منطق شکل‌گیری یک صنعت اعتبارسنجی است.

از این منظر، سیاست‌گذار نیز نباید صرفاً به دنبال ایجاد شرکت‌های اعتبارسنجی و الزام آنها به تولید امتیاز اعتباری باشد. مسئله اصلی، ایجاد سازوکاری است که در آن بازیگران مختلف انگیزه داشته باشند وارد بازار خدمات مالی شوند، ریسک اولیه را بپذیرند، داده تولید کنند و سپس از طریق اشتراک‌گذاری داده یا فروش گزارش و امتیاز اعتباری، امکان توزیع این ریسک میان شبکه‌ای بزرگ‌تر از بازیگران را فراهم آورند. در چنین شرایطی، اعتبارسنجی از یک ابزار برای پاسخ به یک سؤال ساده که آیا به این فرد اعتبار بدهیم یا نه؟ به زیرساختی برای پاسخ به یک سؤال بزرگ‌تر تبدیل می‌شود: چگونه می‌توان ریسک اعتباردهی را در کل اقتصاد بهتر شناخت، توزیع و مدیریت کرد؟

[1] Adverse Selection

[2] Moral Hazard

[3] Market Failure

[4] Risk Control

[5] Risk Sharing

[6] Credit Builder

[7] Credit Identity