从传统现金交易到数字支付信用，金融风控的核心始终围绕信息对称展开，而金融科技市场的发展，为“选择效应”在风控建模中的作用提供了样本。这种效应是数字支付普及、信贷市场信息不对称长期存在，以及企业行为偏好共同作用的结果，影响着风控模型对借款人信用质量的判断。
一、选择效应的历史背景
选择效应的凸显，离不开金融市场的特定发展环境（以印度为例），其背后是传统信贷模式的痛点与数字转型的机遇：
传统信贷的信息困境：长期以来，印度信贷市场由国有银行主导（2015年占比71%），但这些银行依赖传统信用指标（如Cibil评分），对小微企业的信息捕捉能力有限。大量小微企业因缺乏合格抵押品、交易记录不透明，面临融资难问题，44%的农村家庭需依赖非正式 lenders。
数字支付的快速渗透：2016年印度推出统一支付接口（UPI），配合“数字印度”政策与普惠金融计划（Pradhan Mantri JanDhan Yojna），让银行账户覆盖率大幅提升。到2022年，UPI年处理交易额达1万亿美元，占印度GDP的三分之一，为无现金支付数据积累奠定基础。
外生事件的推动：2016年印度废钞令（Demonetization）突然撤回大额纸币，导致现金使用受阻，进一步加速企业转向无现金支付。这一事件也让不同信用质量的企业在支付方式选择上的差异更加明显，为选择效应的验证提供了天然场景。
FinTech lenders的崛起：面对传统银行的服务空白，以Indifi为代表的FinTech平台切入小微企业无抵押贷款市场，它们缺乏传统银行的线下关系优势，更依赖替代数据（如支付记录）进行风控，为选择效应发挥作用创造了需求。
二、选择效应的核心逻辑与历史表现
选择效应的本质，是不同信用质量的借款人在历史支付环境中，基于自身利益最大化做出的差异化选择，最终形成可被风控模型捕捉的信用信号：
优质企业的主动选择：信用状况良好、资金用途合规的小微企业，在数字支付普及后，更倾向于使用银行卡转账、UPI等无现金支付方式。从历史行为来看，这类企业无需隐藏交易记录，反而希望通过可追溯、明细清晰的支付数据，向 lenders 展示经营透明度——比如用银行转账支付供应商货款、发放工资，这些记录能证明资金用于合规经营，避免被归为“高风险群体”。在FinTech信贷兴起后，这种选择进一步强化，因为它们知道平台会通过支付数据评估信用，主动提供透明记录能提升贷款获批概率（反正传统模式也要提交自己流水等）。
劣质企业的被动规避：信用较差、存在资金挪用（如将企业资金用于个人消费）或经营不合规的企业，在传统现金交易时代就依赖现金隐藏不良行为。进入数字支付时代后，它们依然刻意回避无现金支付，原因在于现金交易无明确流水记录，能掩盖资金流向，降低挪用、违规经营等行为被发现的风险。即使在废钞令等事件推动下，部分企业被迫短期使用无现金支付，长期仍会回归现金交易或选择信息稀疏的支付方式（如匿名聚合支付）。
历史数据的验证：Indifi平台2015-2022年的31.6万份贷款申请数据显示，选择无现金支付比例较高的企业，贷款获批概率提升2pp，违约率降低13%。这一历史数据印证了“选择无现金支付”与“优质信用”的强相关性，也说明选择效应并非短期现象，而是长期市场行为中形成的稳定规律。
三、选择效应在风控建模中的实践意义
在当前数字信贷时代，选择效应已成为风控建模的重要参考维度，其价值源于历史数据的积累与验证：
补充传统信用指标的不足：对于缺乏长期信用记录的小微企业，选择效应提供了额外的信用判断依据。风控模型可通过借款人的支付方式选择（常用卡支付比例、支付类型偏好），弥补外部/内部评分等传统指标的局限性，尤其针对信用记录缺失或薄弱的群体，提升风控准确性。
降低信息不对称成本：选择效应让支付方式成为“低成本信用信号”，风控模型无需复杂调查，即可通过历史支付数据快速筛选出高潜力借款人。这不仅降低了FinTech平台的审核成本，也让优质小微企业能更快获得贷款，改善融资效率。
优化模型的预测能力：结合历史数据中“无现金支付比例与违约率”的负相关关系，风控模型可将支付方式选择纳入核心特征，提升对贷款违约风险的预测精度。例如，模型会赋予信息密集型支付（如银行充值转账）更高权重，因为这类支付的选择效应更显著，信号更可靠。
参考文献
Ghosh, P., Vallee, B., & Zeng, Y. (2025). FinTech lending and cashless payments. The Journal of Finance. https://doi.org/10.1111/jofi.70003