金 祎，萬曉榆，徐 立,3

(1.北京聯合大學，北京 100101；2.重慶郵電大學 經濟管理學院，重慶 400065；3.北京中恒海豐信息系統技術有限公司，北京 100045)

國家科技部和自然科學基金委一直高度關注大數據的研究和發(fā)展，同時也高度關注對大數據相關理論和方法的研究和應用。微觀信用問題是大數據環(huán)境下取得可靠和可信數據的基礎，大數據環(huán)境下對微觀信用機制和方法的研究是一個全新的領域，微觀信用的機制和方法問題不僅在傳統的金融領域有廣泛應用，而且已經延伸到社會經濟、科學研究等領域。

在這個研究中，我們將金融領域作為主要的微觀信用理論研究的出發(fā)點，因為金融領域的兩個核心問題——信用和風險——是互為前提、密不可分的。我們的研究從大數據環(huán)境和金融角度入手，進行微觀信用機制和方法的探討，初步梳理了現有的微觀信用機制、方法理論的貢獻以及由于理論和研究方法的進步迫切需要做進一步研究的問題。

互聯網的普及、信息理論和技術的廣泛應用、人工智能的飛速發(fā)展，使宏觀信用或者微觀信用的研究領域從金融、經濟層面提升到科學研究的方法層面?；诮鹑陬I域的微觀信用的機制也變得更加復雜，因此從金融的微觀信用機制研究入手，面對大數據時代信息和信息技術出現的新特征和新問題，提取核心理論和方法形成新的科學研究方法并進一步加以運用，是未來研究亟待解決的課題。

一、微觀信用機制和研究方法發(fā)展述評

信用，辭海的解釋：信任使用；遵守諾言，實踐成約，取得別人的信任；以償還為條件的價值運動的特殊形式。社會學的解釋是信任、資信、誠信，經濟學和金融學中是以償還和付息為基本特征的借貸行為。宏觀信用主要是指對總體或全部集合的評價和價值判斷，而微觀信用就獨立個體或部分集合作出的評價和價值判斷。

一直以來，人們對信用機制和評價的研究圍繞經濟領域展開，特別是微觀信用的評價機制主要圍繞金融領域展開。目前學術界或實業(yè)界對微觀信用機制和理論的研究主要針對條件、關系因素以及在相對確定狀態(tài)下的環(huán)境進行，大多是通過運籌學、回歸分析、管理科學與數量經濟學建立的研究模型和方法，應用的理論包括博弈理論、數據包絡理論[1]1-25以及區(qū)塊鏈理論，且這些模型和方法仍在不斷發(fā)展和完善中。

目前，國際和國內的研究者在微觀信用評價和效益理論方面的研究總結起來主要在以下幾個方面：

第一，控制論、系統論和博弈論的完善和發(fā)展。將微觀信用機制和研究方法從經驗判斷提高到以量化指標體系建立和能實現邏輯判斷的科學理論研究的高度。控制論、系統論和博弈論是信息理論研究的重要基石，也是科學管理、工程系統與物理過程評價和效益理論的基礎。

美國著名數學家、信息論的先驅維納[2]在其1948年出版的《控制論》一書中明確提出建立主體與客體之間形成的具有自主學習系統的對話關系。維納的控制論更強調系統的行為能力和系統的目的性。過去對微觀信用機制和理論的研究主要針對條件、關系因素，在相對確定狀態(tài)下的環(huán)境進行，大多通過運籌學、回歸分析、管理科學與數量經濟學建立研究模型。維納的這一思想讓研究成果出現了質的飛躍，從純粹的客體研究進入到主體和客體互動關系的研究，特別是對微觀信用研究的效益評價理論做出了更加理性和全面的科學梳理。

梳理控制論的核心思想，從維納提出的“行為”到“反饋”[注]維納在控制論中的表述為：“行為”即系統在外界環(huán)境作用(輸入)下所作出的反應(輸出)，任何系統要保持或達到一定目標，就必須采取一定的行為，輸入和輸出就是系統的行為?！胺答仭奔聪到y輸出信息返回輸入端，經處理，再對系統輸出施加影響的過程?？刂普摰难芯勘砻?，無論是自動機器，還是神經系統、生命系統，以至經濟系統、社會系統，撇開各自的質態(tài)特點，都可以看作是一個自動控制系統。在這類系統中有專門的調節(jié)裝置來控制系統的運轉，維持自身的穩(wěn)定和系統的目的功能。控制機構發(fā)出指令，作為控制信息傳遞到系統的各個部分(即控制對象)中去，由它們按指令執(zhí)行之后再把執(zhí)行的情況作為反饋信息輸送回來，并作為決定下一步調整控制的依據。整個控制過程就是一個信息流通的過程，控制就是通過信息的傳輸、變換、加工、處理來實現的。，整個理論的構想是人與客觀外界的一個交互過程，而這個客觀外物被賦予了自主學習等功能。在深入學習和研究中認識到，對于微觀可信度的建立和認識是最基礎的，因此當控制論發(fā)展到一定階段，在理論上可以用于對微觀信用評價體系的建立和認知。即，基于控制論的思想衍生出涵蓋各學科的評價、效益理論和方法，而管理工程正是取其思想建立了宏觀和微觀信用機制和方法。

系統論在20世紀40年代由美籍奧地利理論生物學家馮·貝塔朗菲首先提出[3]，經過同時代許多科學家的研究、發(fā)展而形成，包括貝塔朗菲提出的一般系統論，維納提出的控制論，香農提出的信息論，普里高津提出的耗散結構理論，哈肯提出的協同理論，等等，也包括在科學及工程領域得到廣泛應用的系統分析技術。

按照系統論的觀點，科學界已經從不同角度對系統進行了分類。系統論不僅作為一般的世界觀和方法論充實和發(fā)展了當代哲學，而且對管理學以至整個科學技術的發(fā)展都有直接而巨大的貢獻[3]。

系統論對管理學的發(fā)展起了重要的助推作用，提供了解決復雜問題的分析工具，促成了管理新模式的出現。系統管理原理奠定了管理學作為科學學科的地位[4]。美國管理學家斯科特等在《組織理論——理性、自然與開放系統的視角》一書中說：“現代組織理論的與眾不同的特質是它的概念分析基礎，即研究組織的唯一有意義的方法是把組織當作系統來研究?！盵5]卡斯特和羅森茨韋克在《組織與管理——系統方法與權變方法》中提出：“系統理論為研究社會組織及其管理提供了新的規(guī)范，系統方法有助于分析和綜合復雜、動態(tài)的環(huán)境，它不僅研究系統及其超系統之間的相互作用，分系統之間的相互關系，而且還提出了協同的方法。從上述描述中，我們可以看到控制論到系統論的清晰發(fā)展和繼承的關系。這種概念體系使我們能夠研究一個完全處于外界環(huán)境系統制約中的個人、組織、社會等復雜系統?！盵6]1984年，諾貝爾獎得主蓋爾曼等科學家成立圣菲研究所，專門研究復雜性問題[注]大數據技術和人類探索復雜性的努力有密切關系，20世紀70年代，新三論(耗散結構論、協同論、突變論)的興起對幾百年來貫穿科學技術研究的還原論發(fā)起了挑戰(zhàn)。1984年，蓋爾曼等諾貝爾獎得主成立以研究復雜性為主的圣菲研究所，提出超越還原論的口號，在科技界掀起了一場科學運動。雖然雷聲很大，但30年來并未取得預期的效果，其原因之一是當時還沒有出現解決復雜性的技術。，他們研究的方向就是大數據環(huán)境下的一些基本原理，從科學研究的出發(fā)點來探討數據來源的可靠性和關聯性問題。這類問題對于微觀信用評價理論和方法具有啟示和借鑒作用。而這種價值的基礎就是建立了復雜信息系統的分析方法，這對于微觀信用機制的研究、分析各種關系因素、建立更加透明的數學分析模型具有開創(chuàng)性的意義，對信用評價體系和今天的各個金融機構使用的微觀信用評價、效益理論和方法的建立起到了奠基作用。

從博弈論的角度看，博弈的參與方總是尋找對自己最優(yōu)的策略并由此形成一個均衡狀態(tài)。北京大學張維迎在論述博弈論時，做了一個簡單的描述，他在《博弈論與信息經濟學》[7]一書中分析：在一個信息傳遞方便、市場監(jiān)督機制健全的良好信用環(huán)境中，如果某家企業(yè)某次不講信用并因此獲得額外利益，但很快被別的企業(yè)知悉并在其后的經濟交易中拒絕對它提供信用幫助，那么這家企業(yè)就會處于孤立狀態(tài)，從而付出巨大的代價。因此，在信息傳遞機制和信用監(jiān)督機制都很健全的社會環(huán)境中，企業(yè)不講信用不是其最優(yōu)策略；恰恰相反，其最優(yōu)策略是講信用，并防范交易對手不講信用。但是，在一個信用環(huán)境不好、市場機制不健全的社會，如果某家企業(yè)某次不講信用并因此獲得額外利益，但其他企業(yè)卻無法及時知悉并在其后的經濟交易中仍對它提供信用幫助，那么這家企業(yè)就會因此而繼續(xù)獲益。于是，在信用監(jiān)督機制不健全的社會環(huán)境中，該企業(yè)的最優(yōu)策略就是不講信用。當其他企業(yè)發(fā)現不講信用的企業(yè)短期內可以獲得額外收益，而自己因為講信用卻遭受利益損失時，這些企業(yè)的最優(yōu)經濟策略也會選擇不講信用。如果不講信用被大多數企業(yè)作為最優(yōu)策略，那么企業(yè)之間的信任隨之降低，信用環(huán)境就會惡化。從長期來看，不講信用的企業(yè)是沒有市場的。

博弈論研究結果表明，如果博弈的參與方只進行短期博弈而缺乏長期博弈，那么這個參與方就會失信。只有加大對失信參與方的懲戒，提高失信的成本，使參與方進行短期博弈的失信成本遠遠大于其因此博取的收益，才可能使參與方進行長期博弈，減少參與方的失信行為。為此，學者們在博弈論的基礎上研究出了一系列數學模型，使微觀信用機制和方法在競爭狀態(tài)下的合作與協同理論得到了完善。但是必須指出，無論是控制論還是系統論，或者在這些理論研究的過程中，對兩個或多個目標系統之間關系研究而出現的博弈論，對于信息的信用體系和評價都沒有深入，都是將信息假定在一個真實的條件下的。這就是我們看到的，信息的微觀信用不一定是完全真實的，或者說百分之一百可信的。

2000年以前，中國科學院和北京大學、西安交通大學在這個方向上的研究比較具有代表性，它們在不同的理論方向上都有突破和發(fā)展，為我國航空、航天和核反應等工程領域的過程管理提供了支撐和幫助。這些研究成果更多地反映在客觀過程中對事件的評價、控制和效益分析上，偏重于工程系統的微觀信用評價和效益體系。在這個階段，我國對于經濟領域和社會領域的微觀信用機制和方法的研究還比較薄弱。

第二，2000年以后，國內理論界明確提出了評價和效益理論，其理論研究主要是對基于數據包絡理論的發(fā)展、補充、完善、簡化和應用。國內以中國人民大學的研究成果為代表，各研究機構和大學相關學科在這個領域的研究發(fā)展很迅速。數據包絡分析(data envelopment analysis,DEA)由著名的運籌學家Charnes和Cooper等人于20世紀70年代末提出，主要思想是通過數學規(guī)劃計算比較各評價機構之間的相對效率。簡單地說，就是把待決策單元與參考決策單元進行比較得到相對效率，是對決策單元進行相對評價時最常用的方法之一，是運籌學、管理科學和數理經濟學交叉研究的一個新的領域。中國人民大學魏權齡教授最早在國內介紹和研究數據包絡分析理論[1]3，并率先出版了研究著作《數據包絡分析》，介紹和發(fā)展了數據包絡分析方法、模型和理論，形成了中國人民大學的研究團隊。

數據包絡理論來源于控制論和系統論，是對信息論中博弈理論的深入，從控制論和系統論的宏觀信用評價和效益理論走向微觀，為經濟領域從宏觀研究走向微觀量化研究建立了理論基礎。在控制論和系統論的基礎上，數據包絡理論開創(chuàng)和發(fā)展了當代數量經濟學，使宏觀的經濟學研究走向量化研究，形成微觀經濟學。數據包絡理論建立的數學模型基本上都是在相對有限條件和輸入/輸出較為確定的狀態(tài)下進行的。其缺陷在于對數據集合來源有明確指向，現有的各種評價方法強調的是已有數據集的分析和評價，對客體數據集合無論采取何種數學建模的方式，都是基于數學模型的優(yōu)化或簡化，也就是說，其區(qū)別就是計算方法的復雜或簡單，沒有對信息來源的主動選擇權。

第三，2015年以后，微觀信用機制和方法的研究理論開始進入到微觀層面的數據比對、區(qū)塊鏈、大型關聯數據庫建立理論的研究和應用中。這些理論和方法基本上都建立在大數據環(huán)境下，將數據集中于不同的信用層面，采取縱向集群，是對技術層面對底層最基本問題同構性的進一步認識，其試圖在信息的底層解決應用層面的動態(tài)和不確定性問題，是目前研究微觀信用問題的一個重要方向。因此，讓動態(tài)、不確定性和即時數據更新與分析進入到微觀信用評價理論和方法中是完善效益評價以及預測理論和方法的重要一環(huán)。特別是大數據環(huán)境下，微觀信用研究理論和方法也從抽樣轉變?yōu)樾枰繑祿颖荆申P注精確度轉變?yōu)殛P注效率，由關注因果關系轉變?yōu)殛P注相關性，從不能預測轉變?yōu)榭梢灶A測，從人的思考和運算到人工智能的高級階段即機器學習等等，人們觀察和思考問題的角度都已經發(fā)生了根本性的變化，學者們聚焦這些研究理論和方法在微觀應用領域的具體分析上，并在此基礎上提煉具有普遍性的原理和方法。

目前，學術界對靜態(tài)信息的處理理論和方法的研究已經日臻完善，綜合運用了控制論、系統論或博弈論、運籌學，以及純粹的數學分析方法如回歸分析以及線性規(guī)劃理論等，但是這些理論和方法在動態(tài)信息采集和整理上仍有缺陷。隨著人類對大數據理論和技術認識的深入，我們必須面對突變信息對微觀信用的直接影響問題，其對全球經濟、政治和社會發(fā)展的影響占有很強的權重。

二、大數據環(huán)境下微觀信用機制和方法研究的現實意義

集成電路、計算機與通信技術的發(fā)展增強了人類研究和處理復雜問題的能力。復雜性科學是大數據技術的科學基礎，大數據方法可以看作復雜性科學的技術實現，為還原論與整體論的辯證統一提供了技術實現途徑。

大數據標志著人類在尋求量化和認識世界的道路上前進了一大步，過去不可計量、存儲、分析和共享的很多東西都被數據化了，擁有大量的不那么精確的數據為我們理解世界打開了一扇新的大門[8]。大數據能提高生產效率和銷售效率，原因是大數據能夠讓我們知道市場的需要以及人的消費需要。大數據讓企業(yè)的決策更科學，由關注精確度轉變?yōu)殛P注效率。

確定與不確定交織在一起，過去那種一元思維結果已被二元思維結果取代。過去尋求精確度，現在尋求高效率;過去尋求因果性，現在尋求相關性;過去尋找確定性，現在尋找概率性，對不精確的數據結果已能容忍。只要大數據分析指出可能性，就會有相應的結果，從而為企業(yè)快速決策、快速動作、創(chuàng)占先機提供了可能。大數據思維一個最突出的特點，就是從傳統的因果思維轉向相關思維。傳統的因果思維一定要找到一個原因，推出一個結果來，而大數據思維卻沒有必要找到原因，不需要通過經典的科學手段去證明這個事件和那個事件之間有一個必然。

人工智能已轉變?yōu)檠芯繖C器學習。大數據分析要求機器具有分析能力，機器即時學習變得更為重要。機器學習是指計算機利用經驗改善自身性能的行為，它主要研究如何使用計算機模擬和實現人類獲取知識(學習)的過程，創(chuàng)新、重構已有的知識，從而提升自身處理問題的能力，其最終目的是從數據中獲取知識。

另一方面，大數據思維提出了對底層非結構性數據和可視化狀態(tài)下的微觀信用的數據集的采集和建立問題。我們將研究方向放在如何在大數據環(huán)境中即非線性或者非結構性數據條件下建立微觀信用的狀態(tài)模式和數學模型。偶發(fā)性、小概率、非關聯性和隨機性事件因素等多維信息和數據流的大量出現，對微觀信用產生了顯性和潛在影響，歸根到底，這也是大數據理論發(fā)展中的基礎問題。

李國杰院士認為，對于大數據環(huán)境研究“需要建立多模態(tài)關聯關系下的數據分布理論和模型，理清數據復雜度和計算復雜度之間的內在聯系，奠定大數據計算的理論基礎”[注]引自李國杰《對大數據的再認識》一文。2015年6月 1日，中國工程院院士、中國計算機學會大數據專家委員會主任李國杰在中國人民大學2015年中央和國家機關司局級干部選學“大數據與中國特色信息化道路”專題班的開班儀式上作了題為《對大數據的再認識》的報告。。同時還提到“大數據技術還不成熟，面對海量、異構、動態(tài)變化的數據，傳統的數據處理和分析技術難以應對，現有的數據處理系統實現大數據應用的效率較低，成本和能耗較大，而且難以擴展。這些挑戰(zhàn)大多來自數據本身的復雜性、計算的復雜性和信息系統的復雜性”[9]。將李國杰的研究延伸開來，可以進一步認識復雜系統處于動態(tài)、非確定性、小概率、非正負相關、無邏輯關系和隨機性的環(huán)境這一現象，研究微觀信用系列的具體理論和方法問題。這些問題不僅是大數據環(huán)境中出現的基礎性前沿問題，而且是復雜系統和復雜系統性問題，對于我們研究微觀信用問題具有啟迪作用。

大數據研究應從復雜性研究中吸取營養(yǎng)，要了解20世紀的“新三論”，還要了解超循環(huán)、混沌、分形和元胞自動機等理論知識，擴大視野，加深對大數據機理的理解。大數據技術不斷延伸和應用于社會經濟層面，數據與數據集合之間的關系變得日益復雜，數據、數據集與各種應用的交叉越來越頻密，底層數據的信任關系與上層應用的關聯和互動成為今天大數據環(huán)境下非常重要的研究對象。各種數據之間的信用關系問題也變得日益突出，從對海量信息的篩選、梳理、過濾和提煉，由信息可靠性理論研究出發(fā)，衍生到國民經濟和社會發(fā)展領域，我們發(fā)現社會經濟層面對可信數據和可靠數據的需要愈加迫切。因此，在大數據環(huán)境下，微觀信用研究對于國民經濟和社會發(fā)展迫切需要解決的信用評價體系的建設問題，也具有了由點及面的普遍意義。

我國每年需要對各類金融和生產企業(yè)進行信用評級，而國際市場被標準普爾、穆迪、惠譽三家老牌評級公司壟斷。隨著市場化的深入，企業(yè)、個人的信用體系也在建設中，建立微觀信用評價、效益和預測體系對建立公平、公正和公開的市場經濟競爭環(huán)境非常迫切和必須。

延伸到大數據環(huán)境下的微觀信用，我們就必須研究微觀信用包含哪些方面，諸如微觀信用的大數據環(huán)境指的是什么，獲得大數據微觀信用的途徑，面對多文本、多結構和非結構性數據的處理辦法，這些辦法的合理性和確定性，與傳統辦法的區(qū)別，真實全面反映微觀信用的“場景”的篩選，篩選原則的確定，建立主題詞庫，等等[10]。

目前，對微觀信用的研究方法基本上是在有限條件、關系因素以及在相對確定的狀態(tài)下通過采用運籌學、回歸分析、管理科學，在數量經濟學基礎上建立起來的，如博弈理論、數據包絡理論以及區(qū)塊鏈理論[11]，且這些理論和方法仍在不斷發(fā)展和完善中。尤其是在大數據環(huán)境中，微觀信用的動態(tài)、非確定性、小概率、非正負相關、無邏輯關系和隨機性因素對信用問題構成了巨大影響，極端情況可能是顛覆性的。我們要在發(fā)展和完善理論研究的基礎上，通過數學和人工智能技術方法對大數據領域提出的同構性和不確定性原理[注]2012年，李德偉和徐立在大數據基本原理研究的基礎上，提出大數據的數理哲學的基本原理同構性和不確定性。2013年，電子工業(yè)出版社出版《大數據改變世界》一書，其中第二部分專門針對這個問題進行了分析。，用智能檢索比對、區(qū)塊鏈、大型數據庫和模糊數學模型等最新技術進行處理，從而建立相關數學模型。完善動態(tài)、非確定性、小概率、非正負相關、區(qū)塊鏈、無邏輯關系和隨機性因素的數學模型和新的認識理論，探索動態(tài)大數據環(huán)境下微觀信用的評價和效益問題，并通過對企業(yè)信用和個人信用個案的研究，闡明大數據環(huán)境下微觀信用影響的認識規(guī)律，建立新環(huán)境下的評價、預測理論和方法。這將推動大數據理論的深入研究，對未來科學研究方法的探索具有重大意義。

三、大數據環(huán)境下微觀信用機制和方法研究的核心問題和關鍵技術

首先，如何確定微觀信用的定義、內涵和外延，以及微觀信用評價的定義和范疇，這是確定我們研究對象是什么的問題；其次，是微觀信用評價理論和方法的基礎性問題，它是否在科學研究領域或者社會經濟領域具有普遍性意義，是否對科學研究有推動作用；最后，是微觀信用在大數據環(huán)境下的表現形態(tài)，以及這些表現形態(tài)的表征和我們研究對象存在的條件。針對微觀信用的這些特點，我們的評價理論和方法應該如何界定，這個問題確定了我們應如何選擇研究方法和關鍵技術。

盡管經濟學界對信用問題有比較深入的研究，對微觀信用也有清晰的定義，但是我們對這個由經濟學導出的概念進行深入研究后發(fā)現，微觀信用問題也是一個關乎其他基礎學科深層研究的數據或信息的可信問題，無論是宏觀信用還是微觀信用，都涉及到社會、倫理、道德、哲學、科學、技術等多學科的交叉融合，涉及到社會經濟背景和文化基礎，涉及到人與人之間的關系。所以，我們說微觀信用問題不完全是經濟問題，更是社會發(fā)展的綜合問題，是反映人類社會關系的多角度內在聯系的問題。將微觀信用的基本概念上升到底層信息或數據可靠性和可信度的研究層面，是我們這個研究的出發(fā)點，具有普遍的科學研究意義[12]。

從特定領域出發(fā)，提煉相關概念和方法，再從理論上加以總結，在過去對海量的微觀信息或數據無法進行有效梳理和鑒別的情況下是很困難的。但今天，在大數據環(huán)境下，在幾個特有的領域，對微觀信用機制和方法的研究可能會有突破性的進展。目前，在筆跡和臉型識別等技術已經廣泛應用于銀行系統微觀信用評價的基礎上，以以太坊技術為基礎的區(qū)塊鏈方法已經作為公有鏈技術在銀行、保險等領域被推廣，建立以底層可信共享數據或信息的大型公有數據庫的理論和方法正在發(fā)展完善。大數據環(huán)境下，我們力圖將這些理論和方法推廣并應用于科學研究的其他領域，且未來，在這些研究方向中可能會誕生我們在微觀信用評價和效益理論方法上的關鍵技術。

四、大數據環(huán)境下微觀信用機制和方法研究的方向

大數據環(huán)境下，對微觀信用機制和方法的研究的總體路徑是：構建微觀信用評價體系，挖掘和提煉非結構性信用信息，判別多維數據流下違約風險和如何使用多維動態(tài)信用評價方法建立信用評價模式與預防策略行為機制。

鑒于以上分析，有必要理清大數據環(huán)境下微觀信用評價理論和方法的研究方向，我們認為大數據環(huán)境下微觀信用機制和方法研究的主要方向有以下幾個方面。

第一，梳理和分析大數據環(huán)境下微觀信用機制和方法研究的主要方向和內容。學術界對信息時代新階段有了基本的共識，就是要高度重視大數據，正確認識大數據的價值，揭示大數據應用給經濟發(fā)展、政府運行、社會生活等方面帶來的深刻影響。在信息時代的新階段，研究微觀信用的內涵和外延，國際國內對微觀信用的研究動態(tài)、主要成果以及這些成果的意義和局限。

第二，對企業(yè)信用和個人信用等微觀信用的靜態(tài)數據的分析研究。找出其中的普遍性規(guī)律并建立評價體系，對原有的基于這些靜態(tài)數據建立的數學模型作分析研究。

第三，收集分析和提取國際重要評級機構惠譽、穆迪、標準普爾在微觀信用機制形成、評價和效益研究中所使用的體系和方法。這三大評級機構的評級側重點不同，標準普爾側重于企業(yè)評級，穆迪側重于機構融資評級，惠譽則側重于金融機構的評級。經歷上百年的發(fā)展，這三個評級機構都擁有自己的數據庫和研究方法，對不同對象的評價體系各有不同。但國內對此還缺少研究，因此深入分析它們對微觀信用的評價和效益研究的體系和方法，對我們具有借鑒意義。

第四，構建大數據環(huán)境下微觀信用研究體系。確立研究對象、研究目的和研究方法，對非結構性數據挖掘整理提煉技術進行分析，分析多維體系建立的維度，確定“復雜系統微觀信用評價體系模型”的標準內容。

第五，通過對非結構性數據的研究，探索智能檢索比對的方法，特別是對圖像數據的處理。在信息井噴的今天，信息中非結構性數據已經占到80%(其中70%以上是圖像數據或與之相關的數據)。由于非結構性數據帶有強烈的個性特征，其數據或數據集之間的關聯關系非常不確定，這給傳統研究方法帶來了巨大的挑戰(zhàn)。雖然最新的信息技術和人工智能技術在非結構性數據處理上有了很大的進步，但距離實踐中產生的和實際應用中需要處理的非結構性數據類型的還原程度的要求還有相當大的距離。因此，在對微觀信用機制的研究中，非結構性數據的理論梳理和方法應用應是微觀信用理論研究的重要方面。

第六，大型非結構性數據庫的建立和模糊數學模型在微觀信用的評價和效益問題上的擴展應用。要建立大型非結構性數據庫，就要研究各種非結構性數據集的不同結構，解決其在基礎層面上的同構關系問題，理清其內在脈絡，在復雜環(huán)境中建立相對確定性的關系束。要將微觀信用的評價和效益理論從微觀經濟研究層面拓展到科學研究的基礎層面和對信息來源的較為客觀的評價和價值判斷上，形成科學研究的新方法。

第七，區(qū)塊鏈技術在微觀信用機制和方法中具體作用的分析以及應用。區(qū)塊鏈技術是一種特定的數據庫技術，其核心意義是參與方之間建立數據信用，通過單方面的對抗，打造單方面的生態(tài)共同保障完整性機制。區(qū)塊鏈出現之前，無法做到新的數據共享，即使做定向也只是給一個接口；區(qū)塊鏈讓參與方實現了信用的共享。區(qū)塊鏈技術作為一種特定的分布式存取數據技術，通過網絡中多個節(jié)點共同參與數據的計算和記錄，并且互相驗證信息的有效性。在區(qū)塊鏈的支持下，特別是將以太坊技術應用于處理公有鏈方面后，大數據環(huán)境微觀信用關系的建立有了突破。因此，研究區(qū)塊鏈技術在微觀信用機制和方法中的具體作用以及應用顯得非常重要，它對建立微觀信用的評價理論和方法有很強的導向作用。但是，區(qū)塊鏈技術僅僅是開端，要深入地認識它需要我們做進一步的研究。

第八，確立動態(tài)、非確定性、小概率、非正負相關、不明顯邏輯關系和隨機性的多維準則的研究路線。對微觀數據在這些方面的現象做深入分析，確定每種情況下的各種現象表征，加強對非結構性數據挖掘技術的整理和研究，分析上述動態(tài)情況下各種現象的聯系，將其應用于圖像處理和非結構性信息處理技術的最新前沿理論——量子多維系統模擬理論和人工神經網絡表征多維系統理論中，建立基于上述狀態(tài)下各種可能的數學模型——復雜系統多維數據挖掘和處理技術模型，在這些數學模型基礎上，建立微觀信用的評價、預測和應對措施的驗證和評價體系[13]。

第九，構建動態(tài)、非確定性、小概率、非正負相關、不明顯邏輯關系和隨機性因素的多維數據流下的違約風險研判數學模型和多準則動態(tài)評價方法的新理論。這個模型和理論體系要對動態(tài)、非確定性、小概率、非正負相關、不明顯邏輯關系和隨機性因素的多維數據流下違約風險研判進行驗證，對企業(yè)信用評價和個人信用評價進行效率評價，對上述數學模型進行改進和特例研究，以及對原有靜態(tài)微觀信用評價體系的關系研究進行可行性分析。

第十，在上述研究的基礎上，提出并構建基于大數據環(huán)境下結構性和非結構性數據混合結構的多維數據流形成的復雜信息系統，并對這個系統做深入研究，歸納出微觀信用的智能理論和方法以及智能化的預防策略措施。從經濟學角度來說，是信息技術為微觀信用的效益理論提供了方法；從科學研究的角度出發(fā)，則是進一步推動了信息可靠性和可信度研究。