刘新海博士：数字经济学家 | 全联并购公会信用管理专委会

现任某金融机构首席研究员/北京信用学会副会长

2024中国知网高被引学者Top1%（经济学）

联系方式：xinhai_liu@foxmail.com

I 专业学术简介

1.1 研究概述

长期从事人工智能和数据分析的研发，2005年作为主要完成人的项目“智能视觉信息系统的研究与应用”获得湖北省科技进步二等奖，欧盟项目：可穿戴计算机系统（Wearable computer），曾主持国家自然科学基金等国家科研项目三项。

曾在布鲁塞尔的互联网公司和金融分析公司从事过咨询和数据分析工作。曾经在数据挖掘国际顶级期刊IEEE TKDE（第一作者），信息科学顶级期刊JASIST（第一作者）和人工智能国际顶级期刊IEEE PAMI发表学术文章。

在央行多年工作经验，参与和负责多个金融应用项目，包括央行二代技术规划、征信标准化和企业关联分析等项目。

多次应邀至国家信息中心、国家数据局、国家公共信用信息中心、央行中国金融培训中心、商务部信用研究所、华为、蚂蚁集团、腾讯集团、度小满、美团等机构进行授课和交流，目前还是财新网专栏作家、经济观察报和FT中文网的撰稿人。

并应邀去北京大学、清华大学、中国人民大学、中央财经大学、中国政法大学、中国公安大学、中国农业大学、对外经贸大学、中欧商学院、上海交通大学、上海财经大学、中山大学、山东大学、南京大学等知名高校开展讲座。

1.2 专业研究方向（数字经济交叉领域）

征信与信用体系
数据要素市场
数字经济
金融科技
人工智能

1.3 教育和专业背景

2006年9月-2011年9月比利时鲁汶大学（KU Leuven，具有600年历史的欧洲最具创新大学，2025年QS60，）电子工程博士（师从计算机视觉大师Luc Van GooL教授和系统辨识权威Bart De Moor教授）
2017年6月-2017年12月英国伦敦政治经济学院（LSE）访问学者（与Kathy Yuan教授合作）
2011年10月-2013年7月中国人民银行金融研究所金融学博士后
企业架构国际标准TOGAF（9.0）认证架构师（证书编号：64537，2021-10-26）

1.4 工作经历

2019 年12月－至今全联并购公会信用管理专业委员会副主任
2020年11月至今，北京信用学会理事/副会长
2014年8月-2019年8月北京大学金融智能研究中心主任助理兼职研究员
2011年10月-2018年2月中国人民银行征信中心副研究员
2016年9月-至今中国人民大学财政金融学院业界导师
2020年7月－至今河南省社会信用体系建设智库特聘专家
2014年6月-至今财新网专栏作家；
2008年5月-2011年9月比利时布鲁塞尔金融信息咨询公司Vadis数据分析师
2008年8月-2010年8月比利时布鲁塞尔社交网络数据挖掘公司Attentio 技术顾问

1.5 奖励和荣誉

-湖北省科技进步二等奖，智能视觉信息系统的研究与应用，2005年（核心完成人）
2024中国知网高被引学者Top1%（经济学）
-第二届全国博士后金融论坛优秀论文二等奖，2013年6月，中国，天津（第一作者）
-Doctoral Student Forum Fellowship, SIAM International Conference on Data Mining, 2009 （The first author）
作为比利时艾伦博创业团队主要成员，参加科技部2010春晖杯创业大赛，参赛项目：“移动设备上基于实时视觉信息的旅行翻译系统”

1.6 学术兼职

国际期刊：Journal of the Association for Information Science and Technology（JASIST），Information sciences、Bioinformatics、Plusone、Scientometics
中国自然科学基金面上项目
Program committee member of IEEE International Conference on Tools with Artificial Intelligence (ICTAI) 2012, 2014
PC member of IEEE Conference On Computational Intelligence for Financial Engineering and Economics (IEEE CIFEr 2015)
专业期刊《风险管理》编委
专业电子月刊《全球AI与信用科技动态》主编（2021年7月至今）
专业电子月刊《数据经济评论》主编（2022年12月至今）

2 学术研究成果

2.1 代表性学术著作

乔希·劳尔著，刘新海，刘志军译著，《美国征信史：数据经济的崛起和个人隐私的博弈》，中国金融出版社，2024年6月.（获评2024中国金融出版社十大好书）
刘新海、贾红宇、杨望、张楠等（金融科技理论与应用研究小组），金融科技知识图谱，中信出版社，2021年3月.（繁体版和英文版在海外发行）
刘新海，征信与大数据，中信出版社，北京，2016年11月.
姚前、谢华美、刘松灵、刘新海，征信大数据：理论与实践，中国金融出版社，北京，2018年3月.
刘新海主编，世界征信立法汇编－蒙古国、柬埔寨、缅甸、新加坡、韩国篇，中国金融出版社，2020年11月.
李聚合、刘新海主编，新冠疫情对个人信贷市场和征信体系的冲击，蓝狮子数字出版中心，2020-12-07.

2.2 部分研究报告

国家信息中心，《基于可携带权的消费者数据流通模式研究报告》，2024年5月（2024年数字中国峰会发布，课题组副组长）
刘新海、陈道富，我国应借助大数据分析积极应对担保圈风险，国务院发展研究中心研究报告， 2014年11月（获国务院领导批示）
中国互联网金融发展报告（2014），社会科学文献出版社 2014年8月（参与编写互联网金融与征信）
国务院发展研究中心产业互联网课题组，《中国大数据应用发展报告（2017）》，社会科学文献出版社，2017年，pp.56-78.
许伟，刘新海，探索多元数据交易，促进数据流通应用——我国数据市场发展面临的主要障碍与对策，国务院发展研究中心研究报告【调查研究报告】第26号（总6540号），2022年1月30日.

2.3 代表性期刊论文（中文）：

2.3.1 数字经济与数据要素市场

刘新海，安光勇等，韩国如何跳出“数据流通应用停滞”的数字经济陷阱——韩国平衡个人数据保护与数字经济发展的策略研究及其启示[J]，征信,2025.
许伟、刘新海，中国数据市场发展的主要障碍与对策，《发展研究》，2022年第7期，pp.38-45.
刘新海：从个人征信到个人数据产业，前沿与趋势，《陆家嘴》总第95期，2021年9/10期，pp.24-29.
刘新海、宫建华、杜耀华、张山立，数据要素市场下个人数据服务商监管，《征信》，2022年第2期。
刘新海，全球数据产业格局，中国改革，2023年第6期。
刘新海,安光勇.个人金融数据商业新模式——以韩国MyData为例[J].清华金融评论,2023(04):95-98.
刘新海，安光勇：数字经济下个人信息保护的挑战和应对——基于本人数据管理的新思路，清华金融评论，2021年第3期，总第88期，pp.95-96.
刘新海.数字经济下个人信息保护的挑战和应对——以App违法违规搜集个人信息治理为例[J].中国信用,2020(10):116-118.
刘新海,安光勇. 数字经济下韩国个人征信立法的最新推进[J].中国信用,2020(08):117-119.
刘新海，安光勇等，韩国如何跳出“数据流通应用停滞”的数字经济陷阱——韩国平衡个人数据保护与数字经济发展的策略研究及其启示[J]，征信,2025.
刘新海，阿里巴巴集团的大数据战略与征信实践征信 2014年第10期，pp.10-14.

2.3.2 金融科技领域

刘新海、丁伟，大数据征信应用与启示 ——以美国互联网金融公司ZestFinance 为例，清华金融评论，2014年第10期.（为该期刊创刊以来引用率最高文章）
陈道富、刘新海，担保风险的大数据分析，中国金融，2015年第4期，pp.95-97.
刘新海、马荣梁，声纹验证及其在金融领域的应用与挑战, 清华金融评论，2016年第1期，pp.97-100.
刘新海，大数据挖掘助力未来金融服务业，金融市场研究，2014年2月, 总第21期，pp.117-126. （该刊十周年引用率最高文章）
刘新海，安光勇，科技金融的创新——韩国技术信用评估的实践，《征信》，2024年10月，pp.43-53.
刘新海、张山立，基于开放银行的征信创新模式——英国替代信用评分公司信用荣耀（Credit Kudos）研究，《征信》，2022年第12期，pp.64-67.
刘新海，孟祥锋：金融关联图谱及其在商业银行的应用，现代商业银行导刊，2020年第8期，总第404期，pp.37-43.
刘新海：信用与园区生态建设，齐鲁周刊. 2020年19期第54-55页.
程大伟，牛志彬, 刘新海, 张丽清. 复杂金融担保网络中的传染链风险评估, 中国科学，2020 即将出版.
刘新海，小微企业征信互联网服务新模式——以美国硅谷金融科技公司Nav为例[J]. 清华金融评论,2019(06):99-100.
刘新海，疫情对全球个人征信系统的冲击，中国金融，2020年第15期，总933期，pp.87-88.
刘新海，征信AI：来自人工智能的信用服务，当代金融家，2017年第12期

2.3.4 信用体系与征信

刘新海，疫情对全球个人征信系统的冲击，中国金融，2020年第15期，总933期，pp.87-88.
刘新海,安光勇,张山立.个人征信行业的创新方向——韩国MyData行业与征信应用[J].征信,2023,41(06):65-71.
刘新海,安光勇，张山立，我国个人商业信用信息服务的应用研究，中国信用，2023年第12期。
张山立，刘新海，个人商业信用初步调研，中国信用，2023年第7期。
张美娇，杨渊，刘新海，《欧洲全面征信信息共享对信贷市场发展作用实证研究》报告解读分析，征信，2020，第9期.
刘新海，数字金融下的消费者信用评分现状与展望，征信，2020，第5期.
刘新海，个人征信发展需要市场化驱动，中国改革，2019年第5期，pp. 60-66.
刘新海，构建数字经济时代新金融信用评分模型[J].中国银行业,2019(07):34-36.
刘新海，专业征信机构:未来中国征信业的方向[J]. 征信,2019,37(07):12-18.
刘新海，贾红宇，韩晓亮，区块链，一种新的征信视角和技术架构，征信，2020，第4期.

2.3.5 英文代表论文

Jian Feng，Shiyang Liu，Xinhai Liu， Dong Lou，Kathy Yuan， Endogenous Formation of Guaranteed Loan Networks， London School of Economics and Policitical Science（LSE）Working Paper，2023
Liu X.H., Ji S.W., Glänzel W., De Moor B. Multi-view partitioning by tensor methods. IEEE Transactions on Knowledge and Data Engineering. 2013, 25(5)，pp. 1056-1069. (SCI检索, 影响因子 : 2.236，数据挖掘领域顶级期刊) .
Yu S., Tranchevent L., Liu X.H., Glanzel W., Suykens J., De Moor B., Moreau Y..: Optimized Data Fusion for Kernel k-Means Clustering. IEEE Trans. Pattern Analysis. And Machine. Intelligence. 34(5): 1031-1039 (2012) (SCI检索，影响因子: 5.96，人工智能领域顶级期刊).
Liu X.H., Yu S., Janssens F., Glänzel W., Moreau Y., De moor B.. Weighted Hybrid Clustering by Combining Text Mining and Bibliometrics on Large-Scale Journal Database. Journal of the American Society for Information Science and Technology (JASISTA). 2010, 61(6), pp. 1105-1119. （SCI &SSCI检索, 影响因子: 2.300，信息科学领域顶级期刊）
Liu X.H., Glänzel W., De Moor B.. Hybrid clustering of multi-view data via Tucker-2 model and its application. Scientometrics. 2011, 88(3): 819-839 (2011) (SCI& SSCI检索, 影响因子 : 2.167) ISSN: 0138-9130.
Liu X.H., Glänzel W., De Moor B.. Optimal and hierarchical clustering of large-scale hybrid networks for scientific mapping. Scientometrics. 2012, 91(2): 473-493. (SCI& SSCI 检索, 影响因子 : 2.167)
Yu S., Liu X.H., Tranchevent L., Glanzel W., Suykens J., De Moor B., Moreau Y.. Optimized data fusion for K-means Laplacian Clustering. Bioinformatics. 2011, 27(21), pp. 118-126. (SCI检索，影响因子: 4.926，).
Zhang L., Liu X.H., Janssens F., Linag L., Glänzel W.. Subject clustering analysis based on ISI category classification. Journal of Informetrics. 2010, 4(2), pp. 185-193. (SCI检索，影响因子: 3.379).
Meng X., Liu X.H.*, Glänzel W., Tong Y., Tan S.，Multi-view clustering with exemplars for scientific mapping，Scientometrics，2015, 105(2): 1527-1552. (SCI& SSCI检索, 影响因子 : 2.167，本人为corresponding author).
Wu Wuqing, Xu Dongliang, ZhaoYue，Liu Xinhai，Do Consumer Internet Behaviours Provide Incremental Information to Predict Credit Default Risk? Economic and Political Studies，2020，DOI: 10.1080/20954816.2020.1759765. (和度小满金融合作) Volume 8, 2020 – Issue 4