《个人信用征信与法》第七章个人信用评分.doc

8信用评价:个人信用评分制度
:有效的信息处理模式

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。
账户所个人信用报告
占百分比
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。【118】 Robert B Avery, Raphael W Bostic, “Credit scoring: Statistical issues and evidence from credit-bureau files” Real Estate Economics, vol 28, No3. Fall 2000, pp523-547
129】

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。【119】 William M. Makuch, “Scoring Applications”, Handbook of Credit Scoring”, edited by Elizabeth Mays, Glenlake pany, Ltd. Pp3-23
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