クレジットヒストリーの解剖学──「信用」は誰が、何を見て、どう測っているのか

あなたの「信用」は、3つの機関が管理する24ヶ月分の記号の列で測られている。
しかし、ほとんどの人はその台帳を見たことがない。
本稿では、信用情報の評価構造を解剖し、「信用を設計する」という視座を提示する。

Executive Summary

信用情報の三層構造：日本の信用インフラは、CIC・JICC・KSCの三機関とCRIN/FINEの情報共有ネットワークで構成されている。一箇所での不誠実な行動は、他の与信ルートにも共有・参照されうる。
逆選択とシグナリング：Akerlof（1970）のレモン市場理論によれば、クレヒスがない個人は「走行距離計を外された中古車」と同じ構造に置かれる。良好なクレヒスは、Spence（1973）のシグナリング理論が示す「信用の圧縮装置」として機能する。
スーパーホワイトのパラドックス：Ellsberg（1961）の曖昧性回避が示す通り、「データがない」ことは「データが悪い」ことよりも厳しく扱われる。30代以上で信用履歴がゼロの状態は、審査において構造的な不利を招く。
信用の時間価値：住宅ローン金利0.1%の差は、35年間で約65〜120万円程度の差につながりうる。信用は「守るもの」ではなく「設計するもの」である。
デジタルスコアリングの地平線：中国のジーマ信用（Sesame Credit）は「行動嗜好」や「人脈関係」までスコアリングに組み込む。EU AI Actはこれに対し「説明を受ける権利」を法制化した。信用の定義そのものが再構築されつつある。

1. あなたの信用は「台帳」で管理されている

「信用がある」とは、具体的に何を意味するのか。

多くの人は、信用を「人柄」や「誠実さ」のような主観的な評価だと考えている。だが、金融システムにおける信用は、もっと冷徹で、もっと具体的だ。それは3つの機関が管理するデータベースの中の、記号と数字の配列である。

日本の信用情報インフラは、割賦販売法および貸金業法という法的枠組みに基づき、3つの指定信用情報機関によって運営されている^※1。

三機関の守備範囲

機関名	主な加盟会員	管理情報の特色
CIC	信販会社、クレジットカード会社、携帯電話会社	カード利用状況、割賦販売（スマホ分割等）の履歴
JICC	消費者金融、保証会社、リース会社	キャッシング、消費者金融からの借入・返済状況
KSC	銀行、信用金庫、農協等	住宅ローン、銀行カードローン、官報情報（破産・再生等）

これらの機関は独立したデータベースを保有しているが、CRIN（Credit Information Network）と呼ばれる情報交流システムを通じて、延滞や債務整理などのネガティブ情報を相互に共有している^※1。さらに、CICとJICCの間ではFINE（Financial Information Network）を通じて借入残高情報が共有され、貸金業法の「総量規制（年収の3分の1を超える貸付けの禁止）」の運用を支えている^※2。

つまり、一箇所での延滞等の情報は、CRINなどの情報交流を通じて、他の主要な与信ルートでも参照されうる技術的基盤が確立されている。

コラム『金融リテラシーのROI』で論じた「見えない機会損失」は、まさにこの信用情報の構造に起因している。

2. 24ヶ月の文法──CICの入金状況記号が語ること

CICの信用情報開示報告書には、過去24ヶ月分の支払履歴が記号として記録されている^※3。この「入金状況」欄は、あなたの信用を1ヶ月単位で語る台帳であり、金融機関の審査担当者はこのパターンを「読む」。

入金状況記号の意味

記号	意味
$	請求通りに入金があった（最も良好）
P	請求額の一部のみが入金された
A	顧客の事情により、約束の日に入金がなかった（未入金）
B	顧客以外の事情（天災・システムトラブル等）により入金がなかった
−	当該月に請求がなかった
空白	金融機関から情報の更新がなかった

重要なのは、金融機関が見ているのは「点」ではなく「時系列パターン」だという点だ。24個の「$」が並ぶ台帳は、2年間にわたり一度も約束を破らなかったことの証明である。一方、「A」が記録されると、審査上のマイナス材料として参照される可能性がある。特に連続・反復している場合は、支払い管理能力への懸念につながりやすい。

「異動」── 信用の断絶点

返済状況欄に記載される「異動」という文言は、金融業界において「ブラックリスト」への登録を意味する^※3。異動情報が記録される条件は明確だ。

返済予定日から61日以上、または3ヶ月以上の支払遅延
保証会社による代位弁済
裁判所による自己破産宣告

ここで注意すべきは、「1日の遅延」と「61日の遅延」では、信用への影響が質的に異なることだ。1日の遅延は入金状況欄に「A」として記録されるが、61日以上の遅延は「異動」として記録され、その後の与信判断において重大なマイナス材料となる。

コラム『行動経済学と支出の罠』で論じた「現在バイアス」は、まさにこの文脈で作用する。行動経済学の研究^※4によれば、人は将来の大きな損失（信用毀損による住宅ローン金利の上昇）よりも、目先の小さな満足（今月の支払いを来月に回す）を過剰に評価する傾向がある。そして、自分が将来においても衝動的であり続けることに無自覚な個人ほど、繰り返し返済を先延ばしにし、最終的に「異動」に至るリスクが高い。

信用情報の保持期間

情報の種類	保持期間
契約・支払情報	契約終了（完済）から5年間（CIC/JICC）
「異動」情報	延滞解消・契約終了から5年間
自己破産・官報情報	破産手続開始決定から7年間（KSC）
申し込み情報	照会日から6ヶ月間

短期間に複数のカードへ申し込むと、申込情報が一定期間（約6ヶ月）残るため、審査上「資金需要が強い」と見られる可能性がある。一般には「申し込みブラック」と呼ばれるが、具体的な枚数基準は各社非公開であり、実務上の目安に過ぎない^※5。

3. レモン市場としての信用──なぜ「履歴がない」ことが構造的な不利になりうるのか

信用取引の本質は「未来の返済を現在に前借りする」行為であり、そこには常に情報の非対称性が介在する。借り手は自分の返済意思を知っているが、貸し手にはそれが見えない。この構造を、経済学の古典的な理論群が鮮やかに説明する。

Akerlof（1970）──走行距離計のない中古車

ジョージ・アカロフの「レモン市場」理論^※6は、売り手と買い手の間に情報の格差がある市場で、なぜ「悪い商品」が「良い商品」を駆逐してしまうのかを説明した。「レモン」とは、英語圏で欠陥品を指すスラングだ。

そのメカニズムはこうだ。中古車市場を例に取る。

買い手は品質を見抜けない：売り手は自分の車が「当たり（良質車）」か「ハズレ（レモン）」かを知っているが、買い手にはそれが分からない。
買い手は「平均的な品質」を前提に値付けする：良質車かレモンか判別できない以上、買い手は「まあ、中間くらいだろう」という前提で、中間的な価格しか提示しない。
良質車の売り手が退出する：自分の車が良質だと知っている売り手は、「この価格では割に合わない」と感じて市場から去る。
レモンだけが残る：市場にはレモンばかりが残り、買い手はさらに価格を下げる──この悪循環が「逆選択」だ。

この構造をクレヒスに適用すると、信用履歴がない個人は「走行距離計を外された中古車」と同じ位置に置かれる。走行距離計があれば品質を推定できるように、クレヒスがあれば返済能力を推定できる。しかしデータがなければ、貸し手は最悪のケースを想定し、取引を拒絶するか、リスクプレミアム（高金利）を上乗せするしかない。

Stiglitz & Weiss（1981）──なぜ「落選」が発生するか

スティグリッツとワイスの信用割当理論^※7は、「金利を上げれば貸し倒れリスクを補えるはずだ」という直感が、実は成り立たないことを証明した。その理由は2つある。

逆選択効果：金利が上がると、堅実な借り手ほど「この金利では割に合わない」と判断して申し込みをやめる。結果として、高金利でも借りたがるリスクの高い借り手ばかりが残り、貸し手のポートフォリオの質が悪化する。
モラルハザード効果：高金利を課されると、借り手はより高い収益（＝より高いリスク）の事業に手を出さなければ返済できなくなる。金利を上げる行為自体が、借り手の行動をリスク方向に歪めてしまう。

つまり、金利を上げれば上げるほど「良い借り手が去り、残った借り手の行動も悪化する」という二重の逆効果が生じる。このため、銀行にとっての最適戦略は、金利を一定に保ったまま、貸出量そのものを絞ることになる。一部の申請者は、金利を上乗せされるのではなく、単純に「理由が明示されないまま落選」する。これが、カード審査における「なぜ落ちたのかわからない」の理論的背景である。

Ellsberg（1961）──「データがない」ことの恐怖

エルズバーグのパラドックス^※8は、確率が既知の「リスク」よりも、確率が未知の「曖昧性」を人々が過剰に忌避することを示した。

金融機関にとって、クレヒスが豊富な顧客は「リスク（デフォルト確率が推定可能）」であるのに対し、スーパーホワイトの顧客は「曖昧性（デフォルト確率が全く不明）」の対象である。データがないことは、データが悪いことよりも厳しく扱われる──これが、30代以上でクレヒスがゼロの個人が審査で構造的な不利を被る心理的・行動経済学的な背景だ。

Spence（1973）──信用のシグナル

スペンスのシグナリング理論^※9は、情報の非対称性を解消する手段として「シグナル」の重要性を論じた。労働市場で「学位」が能力のシグナルとなるように、信用市場では良好なクレヒスの蓄積が「誠実な個人」のシグナルとして機能する。

数年間にわたり一度も延滞せず、着実に「$」を並べ続ける行為は、規律正しい生活習慣を持つ者にしか達成できない高コストな投資であり、それが貸し手に対する強力な信用のシグナルとなる。

コラム『プレミアムカードOS』で論じた「信用の圧縮」は、まさにこのシグナリングの蓄積の上に成り立っている。

4. 信用資本の複利と減価償却

複利──0.1%が30年で生む差

良好なクレヒスの蓄積は、時間とともに価値を増大させる資産──すなわち信用資本である。その最大の経済的インパクトは、住宅ローン等の長期大型融資における金利優遇だ^※10。

借入条件	標準金利	優遇金利	35年間の差額（概算）
借入額 3,500万円	0.6%	0.5%（▲0.1%）	約65〜70万円
借入額 6,000万円	0.6%	0.5%（▲0.1%）	約110〜120万円

信用履歴に「異動」等の記録があると、金利優遇の対象から外れる、あるいは保証料の上乗せが発生する可能性がある。この0.1%の差が、30年以上のスパンで考えると100万円を超える純資産の差につながりうる。

良好なクレヒスはまた、カード会社からのインビテーション（招待制カードへの昇格）や利用限度額の増額という形でも「複利」を生む。複利の本質は「蓄積が蓄積を加速する」構造にある。信用資本もまた、同じ力学で増幅する。

減価償却──社内ブラックという永久損失

信用情報機関の記録は、法的な保存期間（5〜7年）が経過すれば消去される^※11。しかし、事故を起こした金融機関のグループ内では、状況が根本的に異なる。

いわゆる「社内ブラック」とは、金融機関が独自に保有する内部管理情報の俗称であり、信用情報機関の登録期間とは別に、各社・各グループ内で長期にわたり参照される可能性がある^※12。ただし、保有期間や運用は各社非公開である。信用情報機関のデータが「市場価格」だとすれば、社内ブラックは透明性のない「簿価」に近い。

最古のカードを手放さない合理性

米国のFICO Scoreでは「信用履歴の長さ（Length of Credit History）」が全体の15%を占めている^※13。最古のクレジットカード口座を解約することは、信用履歴の「平均年齢」を下げ、スコアの低下を招く可能性がある。

コラム『カード認知負荷』で、使っていないカードの解約を議論したが、最も古いカードだけは例外として保持し続けることには、信用資本の時間価値という明確な合理性がある。

5. デジタルスコアリングの地平線──ジーマ信用からEU AI Actまで

2010年代以降、スマートフォンの普及と決済データのデジタル化により、伝統的なクレヒスの枠組みを超えた新たなスコアリングが世界各地で台頭した。

中国・ジーマ信用──「行動」をスコアリングする

アント・フィナンシャルが展開するジーマ信用（Sesame Credit／芝麻信用）は、以下の5要素で個人を評価する^※14。

ID特性：実名認証、学歴、職業
返済能力：資産状況、公共料金の支払い履歴
信用履歴：伝統的なクレヒスに相当
人脈関係：交流のある友人のスコア水準
行動嗜好：購買の種類、頻度、オンライン行動

注目すべきは、4番と5番だ。友人のスコアが自分のスコアに影響する。何を買うかがスコアに影響する。これは、伝統的な「金融的信用」を超え、「社会的信頼性」そのものをアルゴリズムが評価する構造である。

なお、ジーマ信用は民間企業による商業的信用スコアであり、国家主導の社会信用システムとは区別して理解する必要がある。

中国の社会信用システム（SCS）──国家による信用の再定義

中国国務院が2014年に発表した「社会信用体系建設計画綱要」に基づく国家プロジェクトとしての社会信用システム（SCS）では、重大な違反者リスト（不信執行人リスト）等を通じて、航空券・高速鉄道利用などに制限が課される事例が報告されている^※15。

国際的な研究機関（MERICS、ASPI等）は、このシステムが個人の自由を制約し、格差を固定化させるリスクを指摘している^※15。

日本のデジタルスコアリング──限定的な実装

日本でもJ.Score（みずほ銀行×ソフトバンク）、LINEスコア、dスコアといった独自のスコアリングが試みられたが、社会インフラ化には至っていない。J.Scoreが2022年にサービスを事実上終了したことに象徴されるように、CIC等の既存システムの精度が高いこと、および個人情報保護の観点が壁となっている^※16。

EU AI Act──「なぜ落ちたのか」を聞く権利

中国がスコアリングの範囲を広げる一方、ヨーロッパは逆の方向に動いた。EUが2024年に可決したAI規制法（EU AI Act）は、AIによる信用スコアリングを「高リスク」に分類し、提供者に対して厳格なルールを課した^※17。

その核心は、次の3点に集約される。

「なぜこの判断になったのか」を説明させる権利：AIが融資や審査の判断に使われた場合、影響を受けた個人は「AIがどのような役割を果たしたのか」について説明を求めることができる（Article 86）。つまり、「AIに落とされたが理由が分からない」という状況に、法的な歯止めをかける仕組みだ。
差別につながるデータの排除：人種・性別・年齢といった属性でスコアが不当に左右されないよう、学習データの管理を義務付けている。
最終判断は人間が下す：AIの出力をそのまま最終決定にしてはならず、必ず人間が介在して判断する仕組み（ヒューマン・イン・ザ・ループ）が求められている。

中国が「あらゆる行動をスコア化する」方向へ進む一方、EUは「スコアの根拠を開示し、人間が監視する」ことを法制化した。信用の定義そのものが、地政学的に分岐しつつある。

6. 結論：信用は「守るもの」ではなく「設計するもの」である

本稿で示した構造を整理する。

信用は「台帳」で管理されている：CIC/JICC/KSCの三機関とCRIN/FINEのネットワークが、あなたの24ヶ月の履行パターンを記録している
「データがない」ことは最大のリスクになる：Akerlofのレモン市場、Ellsbergの曖昧性回避が示す通り、スーパーホワイトは構造的な不利を被る
信用には複利と減価償却がある：良好なクレヒスは金利優遇やインビテーションという形で「複利」を生み、毀損された信用は金融機関内部で長期的に参照される可能性がある
信用の定義は再構築されつつある：中国のジーマ信用は行動・人脈までをスコア化し、EUは説明可能性を法制化した

THE SOVEREIGNが一貫して提示してきた「見えない資本への投資」という思想において、クレヒスはまさにその典型である。信用は、「守るもの」ではなく「設計するもの」だ。

信用資本の3つの設計原則

履行パターンの一貫性：可能な限り遅延を避け、一貫した履行履歴を積み上げること。これが強力な信用シグナルとなる
信用履歴の長さの確保：最も古いカードを解約しないこと。信用の時間価値を毀損しないこと
申し込み頻度の管理：短期間の多重申し込みを避け、半年以上の間隔を空けること

「どのカードを選ぶか」の前に、「信用をどう設計するか」──この問いに答えることが、信用資本の運用における最初の投資である。

参考文献
※1: CICとJICCやKSCの信用情報機関に違いはある？ ─ ミライドア. https://www.fvc.co.jp/finance/cic-jicc-ksc/
※2: CIC・JICC・KSCの違いは？ https://www.kobayashiyoko.com/knowledge/cic-jicc-different/
※3: CIC 信用情報開示報告書の見方. https://www.cic.co.jp/mydata/report/documents/kaijimikata.pdf
※4: Kuchler, T. & Pagel, M. (2021). Sticking to Your Plan: The Role of Present Bias for Credit Card Paydown. NBER Working Paper No. 24881.
※5: クレジットカードの多重申し込みは可能？ ─ グリーン司法書士法人. https://green-osaka.com/sh-knowhow/saimuseiri/multiplex-application-of-credit-card.html
※6: Akerlof, G. A. (1970). The Market for "Lemons": Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics, 84(3), 488-500.
※7: Stiglitz, J. E. & Weiss, A. (1981). Credit Rationing in Markets with Imperfect Information. American Economic Review, 71(3), 393-410.
※8: Ellsberg, D. (1961). Risk, Ambiguity, and the Savage Axioms. The Quarterly Journal of Economics, 75(4), 643-669.
※9: Spence, M. (1973). Job Market Signaling. The Quarterly Journal of Economics, 87(3), 355-374.
※10: 住宅ローンの金利差0.1%で総返済額はこんなに変わる？ ─ Eidai House. https://fukuoka.eidai-house.co.jp/column/mortgage-simulation-repayment/
※11: 債務整理でブラックリストに載ったら何年で消える？ https://saimuseiri.asahi.com/article/2067
※12: 信用情報のブラックはいつ消える？ ─ カーマッチ. https://car-match.jp/shopblog/posts21855/
※13: FICO Score構成要素. Applied Sciences, 15(10), 5723. https://www.mdpi.com/2076-3417/15/10/5723
※14: Machine Learning & AI Powered Credit Scoring Models. MDPI Risks, 14(1), 12. https://www.mdpi.com/2227-9091/14/1/12
※15: The social credit system: China's tool for moral education. MERICS. https://merics.org/en/social-credit-system-chinas-tool-moral-education
※16: AIスコアリングのJ.Score、サービス終了へ ─ ITmedia NEWS. https://www.itmedia.co.jp/news/articles/2212/15/news098.html
※17: EU AI Act: Risk-Classifications. https://www.trail-ml.com/blog/eu-ai-act-how-risk-is-classified

免責事項：本コラムに記載の学術データおよび統計値は、THE SOVEREIGN独自の調査基準に基づき選定・引用したものであり、特定の金融商品の購入を推奨するものではありません。クレジットカードの選択に関する意思決定はご自身の責任と判断において行ってください。信用情報の保持期間や審査基準は、制度改定により変更される可能性があります。

クレジットヒストリーの解剖学
──「信用」は誰が、何を見て、どう測っているのか