《个人信用、征信与法》第七章 个人信用评分

《《个人信用、征信与法》第七章 个人信用评分》由会员分享，可在线阅读，更多相关《《个人信用、征信与法》第七章 个人信用评分（14页珍藏版）》请在金锄头文库上搜索。

1、8 信用评价：个人信用评分制度8.1 个人信用评分：有效的信息处理模式8.1.1 信用评分的原理信用评分简单地说，就是运用一定的公式和规则，评估客户的信用价值（可 信度）的方法。传统的信用评分模型就是将预先通过统计方法确定的权重分配给 申请人主要信用特征指标，由此产生出一个信用分数。最常用的信用评分用来预 测信用申请者准时且足额偿还信贷的可能性，如果评分的分值比分界值高，那么 申请人即得到许可。信用评分模型可以从服务商那里购买，也可以根据自己拥有 的信用数据开发。信贷机构往往将购买一般性的模型作为一种权宜之计，待它们 自己积累了充足的样本数量，就会根据自己的顾客样本构建自己的系统。 信用评分模

2、型隐含的一个假设是：存在着一种测度能将良好信用及较差信 用的评价对象区分成不同的两种分布。当然在这两个分布之间可能有一些重叠 （如图所示） ，既所谓的灰色地带。分界分数值不良账户 良好账户图 81 信用计分模型中良好信用及不良账户的信用分数分布有些信用评分专注于对这个灰色地带的信用消费者群体进行细分。这是由 于在激烈的市场竞争下，信用评分极低的信用申请者早已被排除，而信用评分 极高的也早已被各个授信机构竞相争夺，信用需求已得到满足，各种信用供给 者需要从获得中等评分的潜在客户群体中挑选合适的授信目标，因而对中间地 带的信用消费者进行细分的评分模型是十分必要的。进行近乎连续的细致地信 用评分不能

3、仅仅依靠消费者偿债、公共记录、专业和雇用记录来简单的排除有 明显不良纪录者，而更需要在此基础上，进一步详细地分析消费者的消费行为， 包括所属的消费者群体、年龄段、消费规律、偏好、习惯等等，一个科学的信 用评分模型需要建立在对消费者群体的长期或阶段性跟踪、区域调查和大量的 数理统计分析的基础上。Avery 等就曾指出，区域经济状况及所处的经济周期是影响偿债的重要因素，但现有的信用评分模型大多忽略了这一因素。【129】账户所个人 信用报告 占百分比8.1.2 评分用于个人信用的基础与条件信用风险可分为三类：可度量可控制风险、可度量不可控制风险、不可度量 不可控制风险，评分系统和组合分析的目标主要是

4、针对可度量风险。80%以上的 可度量可控制风险在信贷决策时就已经确定。换句话说，一旦账户或贷款已被核准，维护（servicing）和减少损失的技术只能控制未来很小的损失。【130】信用评分一个突出的作用就在于建立起一个客观的标准来事先控制信用风险。评分技 术除了有利于避免和减少损失，还有利于快速、一致、不带偏见和可防御的决策 （defensible decision making） 。这对在线银行、公平信贷都很重要。一家授 信机构若具有迅速地对一个贷款请求作出接受或拒绝的能力，它就能够提供更好 的客户服务。评分是实现快捷的授信决策的最好工具。如果评分模型设计合理， 它们就能够消除放贷过程中的歧

5、视性操作。而且评分模型的运用通常成本不高， 比较简单，易于解释。构建这些模型的方法已为人们深入理解，用来评价这些模 型的方法也同样如此。监管者喜欢设计良好、基于统计方法的模型。 信用评分模型首先是在个人信用领域内有效的运行，而在商业贷款领域中 的运用却要滞后很多。这是由于：第一，面向企业的放贷者普遍认为企业贷款 是一个非常复杂、多方面的决策过程，它一定需要专家的判断而不能简单地交 给一个定量的模型；而对于个人信用提供者来说，它们更多地是从销售的角度 而不是放贷的角度来看待它们的产品，因而个人信用决策通常更需要、也更适 宜于模型的方法。第二，从分析的角度来看，构建消费信用模型相对更容易一 些，这

6、是因为某个信用申请提供了固定数量的信息，而且有很大的消费者信用 经验的统计数据库可以用来对该模型进行检验和完善。第三个原因是经济上的： 消费者组合的损失特点是数量相对较多但单个规模较小，而企业贷款组合信用 损失的特点则是数量相对较少但单个规模较大。许多人认为企业违约不易预测， 那么依赖于一个模型就显得不明智了。最初，信用风险定量模型在企业领域的 接受程度远不及消费者信贷领域，但这种状况正逐步改变。Sargent 就讨论了信用评分运用于商业性贷款的可能性。【131】美国信用研究基金会的研究表明：到 2000 年不到 30%的提供商业信用的公司使用评分工具，但未来五年将增加到 70%。商业信用应用

7、评分的问题是，影响偿付的因素更多，如何设计实用的模型；可直接外购的模型少，自己开发的成本高。【132】美国商业部和 FCIB 也在积极推动把信用评分应用到国际贸易领域。【133】8.1.3 个人信用评分模型的开发与检验信用评分模型的开发包括数据采集与挖掘、指标设定、样本筛选、权重设计、 模型建立与调整、统计检验等过程。开发一个信用评分模型，如何界定和选择良 好信用与不良信用的代表性样本非常重要。不良信用账户是出现坏账要淘汰的账 户，良好信用账户表示该账户从未出现严重的拖欠而且是赢利的。一个问题是只 有被授信者接受而且给予了授信的客户，其账户业绩表现的好坏信息才是可知的。但这样就忽略了被拒绝的客

8、户，它们之中也许也包含着许多良好的信用，只是因 为以前的信用政策可能存在的缺陷而被拒之门外。为了对这些被拒绝的客户的样 本进行调整，有时要建立一个模型区别被接受的样本及被拒绝的样本。利用这个 模型，可求出任一账户被接受的概率 Pa。根据定义：这就意味着每接受一个符 合条件的个人作为贷款的对象，就要拒绝 (1-Pa)个另外的申请者。这个被接受 客户的权重为 1/Pa，这样就能使样本可以模拟真正申请信用时的客户总体。 在信用评分系统的开发中，需要选择一定的指标变量进行分析和设定。包括 进行自变量对因变量的相关分析，从而给出每个指标变量的统计权重；进行指标 变量之间的相关分析，由此剔除或合并强相关的

9、指标变量。对有些指标比如收入， 可以作为连续变量处理；有的如“租赁还是拥有”是一种逻辑变量而不是数字变 量。 常用的一种检验是比较良好信用及不良信用样本的分数分布。如果显著性检 验表明这两个分数分布可认为是统计上有差异的，那么就可以进一步分析该模型 的可接受性了。对模型更强要求的检验是用一个独立的样本来检验。这个检验包 括：根据计算出的属于哪组的概率区分优良信用及不良信用，然后再看看错误率， 第一类准确率是指不良信用被正确辨别的百分比。第二类准确率是指良好信用被 正确辨识的百分比，也就是表示了该模型不拒绝对真正可信赖顾客授信的能力。 第二类准确率对于确保利润未因过度控制损失而被牺牲具有很重要的

10、意义。8.1.4 个人信用评分模型的类型根据信用评分模型的用途可以分为信用额度、追账模型、账户取消模型、欺 诈鉴别模型等。 信用额度模型是基于这样的事实：信用限额的使用程度与该信用的品质高低 呈反向相关关系。为了鼓励品质良好的用户使用他们的信用额度，放贷者愿意增 加他们的信用额度，并诱以其他的措施，例如分层定价。信用额度模型的构建是 在综合考虑原有额度使用程度及偿付及时性基础上的，因此可以辨识出那些可以 提高信用额度，但又不会带来拖欠概率显著增加的客户。 追账模型针对的是信用阶梯的另外一端，即当某客户有较高的风险，将会演 变成坏账的情况下，需采取哪些强化的追账措施。经验表明早期的干预能够有效

11、地使拖欠最小化，同时也能减少真正变成坏账的账户及其带来的损失。迫账模型 用于收费及偿付活动的持续监控，以辨别出正在恶化的账户的模式。用于追账模 型中的变量包括信用分数、账户来源、信用额度利用模式、月偿付占余额的百分 比及拖欠历史等。尽管银行通常不向征信机构订购关于这些借款人的定期的信用 报告，但在一些特定情况下也会订购使用。预测未来问题的能力取决于模型捕捉 预警信号如迟延的偿付及较低的偿付率。CASA 的消费者分析部的总管 Stephen CoggshaU 认为洞察消费者行为的一个关键在于认真分析信用合约及所有可获得 的辅助数据。他认为放贷者倾向于将信用许可、信用监控及迫账管理的全过程看 成是

12、由高度分立的几个部分组成的。然而，为了追求更高的效率，他认为应开发 出这样的模型，能够将客户选择、产品定价、信用管理等整合到一起。在他看来，账户的活动仅仅是以个人更广泛的经济及生活周期特征为基础的金融产品信用模型的一个因素而已。【134】取消模型可用于限制某个账户的继续提款，甚至完全取消这个账户(如果 不采取这样的行动，该客户会借出越来越多的款项，并最终却成为坏账冲销)。 取消模型类似于追账模型，但通常是在一个新的组合被购入之后，发现它包含 较少的良好信用，此时它才会发挥作用，如果没有法律上的限制，取消模型可 以成为限定并预先支付损失以获得组合回购条款下的减免的有效途径。 欺诈鉴别模型通过与以

13、往欺诈经验中类同模式的比较来辨别欺骗性的账户。 例如，假如某账户提款只比信用额度限额略小，这可能是表明该信用卡已被盗窃 的一种信号。从直觉上来看，可由某个特定地理位置、某个商店及某个商品类型 的在不正当的时间内，不正常地连续大量购入，而且不正常地大额透支而追查出 来。用神经网络模型可以辨识出正常的信用使用额度的模式，并在出现与正常模 式发生偏离的行为时发出警告，特别是当这种偏离的发生是与一些特定商品的购 买相关联时更是如此，这些商品如珠宝或大宗消费品等。消费者的欺骗行为也可 能是宣布破产的前兆。在客户宣布破产之前采取取消或转移资产等方法是银行应 对欺骗性破产的常用措施。包括贷款申请在内的申请者

14、信用历史的计算机记录可 能对预测和分析欺骗性破产是有所帮助的。8.2 美国个人信用评分模型运用的考察几乎每个成年的美国人都离不开信用消费，他要申请信用卡、分期付款、 抵押贷款等。在信用消费背后是伴随着每个消费者的信用记录和信用评分。申 请过消费贷款的美国人都会有一家或若干家信用局帮他建立起信用记录档案。 贷款机构接到申请后会对他的信用记录进行评分，并作出贷或不贷的决定。评 分就是一个数字，贷款机构根据它顷刻之间作出贷与不贷的决定。评分是怎样 形成的，在贷款决策中起什么作用，这曾让不少消费者感到神秘莫测。现在这 层面纱已经开始揭开。8.2.1 美国个人信用评分模型的由来与作用最初信用机构发放消费

15、贷款都是逐个审查。这种方法费时费力，而对笔数 很多、每笔金额不大的消费贷款申请有些应接不暇，而对不同消费者申请的标 准把握不一，也不利于控制风险。为了改变这种状况，20 世纪 30 年代美国 Aldens 公司的统计师威尔士首先创立了对消费者的信用申请进行量化打分的方 法。1941 年美国联邦经济研究局的 Durand 出版消费者分期付款信贷的风险 因素一书，正式系统地提出使用数理统计模型辅助个人授信决策的观念，并 给出了一些利用统计方法处理个人信用信息的计算方法。1956 年美国工程师 Bill Fair 和数学家 Earl Isaac 成立了 Fair，Isaac Inc. (FICO)公

16、司研发出 第一个商业用途的信用评分工具和数学模型，以辅助信贷机构的授信决策。 FICO 既直接出售消费者信用评分给一些授信机构，也接受许多商业银行、信用 局、房地产信贷和担保机构的委托开发专用的信用评分数学模型。FICO 还逐步细化了信用评分服务，开发出各种类型的信用评分产品，分别用于处理客户信 用申请、管理信用账户、设计授信等级、防范信用欺诈、分析消费行为等等。 各个征信机构也不断开发出自己的消费者信用评分模型，比如 Equifax 的 Beacon Score 评分系统。 信用评分包括通用评分和特定评分。通用评分仅使用信用库的信息，比如 借款者过去的偿债记录、未尝还债务或债务利用额度，来预测借款者未来的偿 债表现。通用评分通常不考虑借款者的收入、偿还能力或产品特征，大多由征 信机构开发出来然后生产销售给信用机构。特定评分是针对特定的信用产品开 发应用的评分，通常需要运用更多的数据，包括信用库、借款者的收入、产品、 抵押品和区域经济数据。通用评分的优点是低成本，广泛接受和普遍性。特定 评分的优点是准确性，通常是通用评分的 2、3 倍