《个人信用、征信与法》第七章个人信用评分

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 8 －1 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 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 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