个人消费信贷风险评估模型的建立_使用和监控
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关键词： 消费信贷； 评分模型； 风险管理
我国商业银行在个人信用风险管理方面还处 于比较初级的阶段， 还没有形成一套完整的个人 信用风险管理体系， 这成为阻碍消费信贷快速稳 健发展的主要原因之一。而在构建健全的个人信 用风险管理体系中， 建立科学的信用风险评估模 型是其最为基础和关键的工作。
以信用评分卡为核心的信用风险评估模型起 源于 ２０ 世纪 ６０ 年代的美国， 经过几十年的发展 变化， 现已成为消费信贷领域中银行审核的最重 要工具， 并广泛运用于其他信贷业务领域中。
二、个人消费信贷评估模型的使用
评估模型的使用是一个涵盖从接收申请到做 到信贷决策全过程的自动识别系统。通常情况下， 评 估模型可以让银行信贷人员对申请者的信用价值［１］ 进行准确的判断， 从而有利于做出科学的信贷决策。
一个完整的评估模型使用包括以下几个步骤。 １． 数据录入。数据录入的原则是确保有足够 的信息对申请者进行评分。确定哪些方面是决策 必须的， 而哪些方面只是建立新账户才有用。录入
信用评分技术得到如此广泛的运用在于它具 有如下显著的优点： （ １） 评分可以量化个人风险， 使银行做出正确的信贷决策， 降低坏账比率。（ ２） 数量化得分可以使得银行管理层充分控制风险和 把握好信贷政策， 避免模糊化带来的损失。（ ３） 基 于简单的计算机分析技术， 模型对员工的要求不 是很高， 易于操作。正是信用评分模型有这几方 面的优点， 其建立、使用和监控方便快捷， 效果明 显， 美国个人消费信贷才会发展迅速。
表 １ 是个人住房消费信贷评分模型的案例。 在这个模型中， 判断个人信用的指标被分为申请 人年龄、文化程度、拥有房地产价值、首期付款额、 有无寿险和大病保险、抵押物价值、申请按揭年 限、贷款目的和是否公积金买房等 ９ 类， 总分共计 ２５０ 分， 各类指标按照不同情况给出相应得分， 形 成判断给决策者使用。
学科纵横
《成人高教学刊》２００７ 年第 １ 期
个人消费信贷风险评估模型的 建立、使用和监控
朱毅峰 涂志云
内容提要： 本文依据美国消费信贷风险管理模式， 系统介绍和分析了个人消费信贷 申请评估模型的建立、使用和监控的具体技术和流程。首先， 以住房消费信贷为例， 对 评分模型建立的具体工作流程做出系统的介绍。其次， 通过具体范例对使用信用评分模 型的各个步骤进行了详细分析。最后， 分析了评分模型的监控， 模型的监控由六个报告 组成， 它们反映了评分模型的使用效果， 并可以及时修正和调整。系统性的评分模型建 立、使用和监控是消费信贷业务中风险管理的关键。本文介绍的具体技术方法和流程管 理方法都值得国内商业银行借鉴。
时间
１
抽样设计会议
３ 工作日
２ 抽取评分卡建立数据 １５ 工作日
３
数据质量分析
５ Leabharlann Baidu作日
４
单变量分析
５ 工作日
５ 评分卡的分析与确认 ５ 工作日
６
技术文档记录 ２０ 工作日
７ 交付文档并签字确定 １ 工作日
负责方 征信局／银行
银行 征信局 征信局 征信局／银行 征信局 征信局／银行
便征信局能够建立定制的评分卡。征信局一旦收到 抽样数据， 就会做相关的分析， 以检查数据的质量。
３． 借鉴征信局的报告和评分。银行除了使用 自身消费信贷评估模型外， 还要充分发挥征信局 报告和评分的参考作用。在美国等发达国家， 征信 局的报告是银行信贷时必须参考的重要资料， 甚 至有的银行信贷决策完全依靠征信局的报告和评 分。银行应及时和征信局进行沟通， 通过把自己掌 握的数据与征信局的数据进行比较， 获取关于消 费者对其他产品消费的内部信息和信用历史， 提 高对复杂信息的决策能力。
一、个人消费信贷评估模型的建立
在个人消费信贷评估模型建立的过程中， 最 － ４４－
重要的是信用评分卡的建立、分析和评估。 信用评分卡包含了征信局提供的数据， 申请表
上的个人特征项以及个人的财务数据， 根据每一个 特征项的属性进行加权， 来获得对申请人总的风险 的评估。通常用低分代表高风险， 而高分代表低风险。
２００－ ２０４ Ｄ１ Ａ１ Ａ１ Ａ１ Ａ２ Ａ２
２０５－ ２１９ Ａ１ Ａ１ Ａ１ Ａ２ Ａ２ Ａ３
大于 ２２０ Ａ１ Ａ１ Ａ２ Ａ２ Ａ３ Ａ３
５． 决策后管理。决策一旦做出， 必须采取步骤 确认那些同意发放信贷的决策是否正确。被接受的 申请者应该纳入到信用管理系统里面， 输入的信息 包括账号、信贷限额和备用金。被拒绝的申请者必 须给予他们拒绝理由， 发放信函向其说明拒绝原 因。被拒绝的申请资料也要保留， 以便日后分析。
＞３００， ０００ 元 ４０ 无效 １３ 无效 １１ － －
＞６０ 无效
１２ ７
无效 －
７－
－
－
－
－
无效 －
１０ －
－
－
－
－
无效 －
１２ －
－
－
－
－
－
－
－
－
－
－
－
－
库里有需要的数据， 以便形成相关模型参数。 抽样设计会议设计之后， 银行将提供数据， 以 表 ２ 信用评分模型建立过程的分阶段描述
阶段
描述
信贷决策做出之后， 为了检验信贷模型的准 确性， 对于被接受信贷申请的消费者信用账户要 进行跟踪。在决策过程中， 一个重要的假设是所有 的信息都是可靠的， 但是事后的确认可以修正先 前的信息。当事后确认表明原来的决策（ 接受信贷 申请） 是错误的， 就需要对其拒绝或者重新评估。
－ ４６－
《成人高教学刊》２００７ 年第 １ 期
－ ４５－
学科纵横
时应该包括的信息有收集申请人过去信用记录、 本公司信用管理政策、信用得分的计算账户信息 等。在数据录入之后， 还要注意缺失信息的处理。
２． 重复申请和欺诈申请的识别。模型必须对 这两类申请进行识别， 以便与其他申请区分对待。 重复申请是指申请了不止一次的行为， 可以通过 搜索申请档案、检查征信局报告和搜寻已经存在 的消费者档案来识别。潜在的欺诈识别通过内部 档案、征信局欺诈修改信息和其他外部代理实现。
行一起来审查评分卡的结构， 讨论内容有问题的 数据和评分卡的表现及预测力。根据分析会议的 结果， 对评分卡进行最后的改动， 确认后的评分卡 将是银行在信贷决策时使用的评分卡。
由征信局准备的评分卡技术文档内容包括抽 样过程、好坏表现定义、变量分析、评分卡、分数分 布 、评 分 卡 的 有 效 性 检 验 （ 例 如 ， Ｇｉｎｉ 和 ＫＳ 的 统 计值） 和评分使用说明等， 并根据文档内容对银行 工作人员进行相关培训。在所有工作完成后， 征信 局与银行将会办理相应的交接和签字手续， 完整 的评估模型就建立起来了。
表 ３ 银行自定义评分和征信局评分的结合
征信局 ５５０－ ５９０－ ６４０－ ６８０－ ７４０－ ７５０－
自定义
５８９ ６３９ ６７９ ７３９ ７４９ ７８９
０－ １５９
Ｄ３ Ｄ３ Ｄ３ Ｄ２ Ｄ１ Ｄ１
１６０－ １８５ Ｄ３ Ｄ２ Ｄ２ Ｄ１ Ａ１ Ａ１
１８６－ １９９ Ｄ２ Ｄ１ Ｄ１ Ａ１ Ａ１ Ａ２
《成人高教学刊》２００７ 年第 １ 期
用来衡量评分模型以外的因素与评分模型结果的 一致程度。它显示了批准者和拒绝者在给定得分区 间、给定时间或者给定人群中的数目。表 ５ 为最终 得分报告的示例： 如果分类临界线为 ２００ 分， 我们 看到 ２００ 分以下的绝大多数申请者被拒绝， 但是还 有特例者被接受； 而 ２００ 分以上的情况恰恰相反。 其中特例者比率就是一个很好的指标， 它能够衡量 信贷决策在多大程度上偏离了信用得分模型， 如果 这个比率的特例者过大， 那么我们就可以认为评分
以前面住房消费信贷评分决策为例， 银行应 把自定义评分与征信局评分结合， 做出判断。如表 ３ 所 示 ， Ａ 表 示 接 受 （ Ａｃｃｅｐｔｅｄ） ， Ｄ 表 示 拒 绝 （ Ｄｅｃｌｉｎｅｄ） ， 被接受群和被拒绝群内的得分高低 用数字表示。比如， Ａ１ 的得分大于 Ａ２。我们可以 发 现 自 定 义 得 分 ０－ １５９ 和 征 信 局 得 分 ５５０－ ５８９ 的客户质量最差（ Ｄ３） ， 而自定义得分大于 ２２０ 和 征信局得分 ７５０－ ７８９ 的客户质量最好（ Ａ３） 。
确认数据质量以后， 将进行单变量分析， 这是在 模型建立过程中来找到有预测潜力的变量的关键步 骤。所有的变量如果检查无质量问题， 将根据好坏的 定义判断， 被单个地进行分析。这样可以让我们看到 每个变量的预测能力， 以及其分辨好与坏客户的表 现结果， 同时确定变量如何在建立模型时进行分组。
紧接着进行的是评分卡的分析， 征信局与银
２． 特征分析报告。特征分析报告所反映的是哪 种特征使得两个样本的申请者在得分上存在显著差 异。例如， 如果新申请者得分在申请者人数稳定性报 告中集中在低分段， 那么通过研究特征分析报告发 现这是由于更多的新申请者在现有地址居住的时间 变短， 人口流动性的增大， 最终导致了得分变低。
３． 最终得分报告。在以上 ２ 个报告的基础上， 最终得分报告反映了当前申请者的得分分布， 它被
１０－ ２０ 年 １７ 投资 １２ 否 １３
３５－ ４４ ２０
大 专 、大 本 ２０
＞２５０， ０００ 元 ４０
５０， ０００－ １０， ０００ 元 ３０ 无效 ８
２００， ０００－ ３００， ０００ 元 ３２
＞２０ 年 １４ 套现 １４ 无效 １２
４５－ ６０ １５
研究生以上 ３０
无效 １０
＞１００， ０００ 元 ４０ － －
４． 决策与确认。在决策过程中， 信用得分、管理 政策和分析师的专业经验是决定信贷与否的三大关 键因素。信用得分系统根据所搜集的申请者信息生 成对每个申请者的综合得分， 以反映他的风险水平。 管理政策是指信用卡发卡公司根据自身风险管理的 需要， 对信用卡申请者提出的要求。专业分析师要做 的工作则是参考信用得分对信贷决策进行调整。灵 活多变的决策参数可以使我们把三大因素进行混 合， 并且重点突出在最能反映商业策略的因素上。
要建立科学的信用评分模型， 银行需要同征 信局合作， 并有明确的分工， 按照一定的流程分阶 段进行， 具体见表 ２ 所示。
在确认项目的起始日期后， 由银行和征信局 召开为期 ３ 个工作日的抽样设计会议。期间， 征信 局首先将熟悉银行的要求， 以此来设计评分卡， 并 讨论评分卡需要客户化的地方 （ 如具体的产品和 不同的决策点） 。然后， 根据所要求定制的评分卡 来描述和决定好账户与坏账户的定义， 并决定定 制评分卡所需要的数据要求， 同时确认银行数据
《成人高教学刊》２００７ 年第 １ 期
学科纵横
表１
年龄（ 岁）
最高
得分
２０
文化程度
最高
得分
３０
拥有房地产价值 最高
得分
４０
首期付款额 最高
得分
４０
有无保险
最高
得分
２０
抵押物价值 最高
得分
４０
申请按揭年限 最高
得分
２０
贷款目的
最高
得分
２０
是否公积金买房 最高
得分
２０
个人住房消费信贷评分模型变量情况表
三、个人消费信贷评估模型的监控
评估模型在投入使用之后， 对其进行监控是达 到商业目的， 实现盈利的重要保障。评分模型的监 控能够帮助银行识别新申请者的特征变化， 提高银 行风险控制和管理的能力， 寻找和捕捉更多的市场 机会。模型的监控主要体现在下面 ６ 个报告中。
１． 申请者人数稳定性报告。申请者人数稳定 性报告帮助银行识别现有申请是否与原有申请在 得分分布上有所差别。表 ４ 为申请人数变动分析 的结果， 变动率为基础样本比率与现在比率的差 额。 其 中 得 分 区 间 在 １２９－ １７９、１８０－ １８９ 和 １９０－ １９９ 的 申 请 者 人 数 分 别 增 加 了 ９． ７％ 、５． ９％ 和 ２． ５％， 而得分区间在 ２００－ ２０９、２１０－ ２１９、２２０－ ２２９ 和 ２３０ － ２７８ 的 申 请 者 人 数 分 别 增 加 了 － ４． ５％ 、 － ６． １％、－ ３． ９％和－ ３． ６％。这表明有更大比例的现 有申请者得分在临界得分以下， 这时候银行应该 降低发放信贷的比例。
＜２５ ５
高中或以下 １０
＜１５０， ０００ 元 ２０
＜２５， ０００ 元 ２０ 有 ２０
＜１００， ０００ 元 ２０
＜１０ 年 ２０ 自住 ２０ 是 １９
２５－ ３４ １０ 中专 １５
１５０， ０００－ ２５０， ０００ 元 ３０
２５， ０００－ ４９， ９９９ 元 ２５ 无 １２
１００， ０００－ １９９， ９９９ 元 ３０
我国商业银行在个人信用风险管理方面还处 于比较初级的阶段， 还没有形成一套完整的个人 信用风险管理体系， 这成为阻碍消费信贷快速稳 健发展的主要原因之一。而在构建健全的个人信 用风险管理体系中， 建立科学的信用风险评估模 型是其最为基础和关键的工作。
以信用评分卡为核心的信用风险评估模型起 源于 ２０ 世纪 ６０ 年代的美国， 经过几十年的发展 变化， 现已成为消费信贷领域中银行审核的最重 要工具， 并广泛运用于其他信贷业务领域中。
二、个人消费信贷评估模型的使用
评估模型的使用是一个涵盖从接收申请到做 到信贷决策全过程的自动识别系统。通常情况下， 评 估模型可以让银行信贷人员对申请者的信用价值［１］ 进行准确的判断， 从而有利于做出科学的信贷决策。
一个完整的评估模型使用包括以下几个步骤。 １． 数据录入。数据录入的原则是确保有足够 的信息对申请者进行评分。确定哪些方面是决策 必须的， 而哪些方面只是建立新账户才有用。录入
信用评分技术得到如此广泛的运用在于它具 有如下显著的优点： （ １） 评分可以量化个人风险， 使银行做出正确的信贷决策， 降低坏账比率。（ ２） 数量化得分可以使得银行管理层充分控制风险和 把握好信贷政策， 避免模糊化带来的损失。（ ３） 基 于简单的计算机分析技术， 模型对员工的要求不 是很高， 易于操作。正是信用评分模型有这几方 面的优点， 其建立、使用和监控方便快捷， 效果明 显， 美国个人消费信贷才会发展迅速。
表 １ 是个人住房消费信贷评分模型的案例。 在这个模型中， 判断个人信用的指标被分为申请 人年龄、文化程度、拥有房地产价值、首期付款额、 有无寿险和大病保险、抵押物价值、申请按揭年 限、贷款目的和是否公积金买房等 ９ 类， 总分共计 ２５０ 分， 各类指标按照不同情况给出相应得分， 形 成判断给决策者使用。
学科纵横
《成人高教学刊》２００７ 年第 １ 期
个人消费信贷风险评估模型的 建立、使用和监控
朱毅峰 涂志云
内容提要： 本文依据美国消费信贷风险管理模式， 系统介绍和分析了个人消费信贷 申请评估模型的建立、使用和监控的具体技术和流程。首先， 以住房消费信贷为例， 对 评分模型建立的具体工作流程做出系统的介绍。其次， 通过具体范例对使用信用评分模 型的各个步骤进行了详细分析。最后， 分析了评分模型的监控， 模型的监控由六个报告 组成， 它们反映了评分模型的使用效果， 并可以及时修正和调整。系统性的评分模型建 立、使用和监控是消费信贷业务中风险管理的关键。本文介绍的具体技术方法和流程管 理方法都值得国内商业银行借鉴。
时间
１
抽样设计会议
３ 工作日
２ 抽取评分卡建立数据 １５ 工作日
３
数据质量分析
５ Leabharlann Baidu作日
４
单变量分析
５ 工作日
５ 评分卡的分析与确认 ５ 工作日
６
技术文档记录 ２０ 工作日
７ 交付文档并签字确定 １ 工作日
负责方 征信局／银行
银行 征信局 征信局 征信局／银行 征信局 征信局／银行
便征信局能够建立定制的评分卡。征信局一旦收到 抽样数据， 就会做相关的分析， 以检查数据的质量。
３． 借鉴征信局的报告和评分。银行除了使用 自身消费信贷评估模型外， 还要充分发挥征信局 报告和评分的参考作用。在美国等发达国家， 征信 局的报告是银行信贷时必须参考的重要资料， 甚 至有的银行信贷决策完全依靠征信局的报告和评 分。银行应及时和征信局进行沟通， 通过把自己掌 握的数据与征信局的数据进行比较， 获取关于消 费者对其他产品消费的内部信息和信用历史， 提 高对复杂信息的决策能力。
一、个人消费信贷评估模型的建立
在个人消费信贷评估模型建立的过程中， 最 － ４４－
重要的是信用评分卡的建立、分析和评估。 信用评分卡包含了征信局提供的数据， 申请表
上的个人特征项以及个人的财务数据， 根据每一个 特征项的属性进行加权， 来获得对申请人总的风险 的评估。通常用低分代表高风险， 而高分代表低风险。
２００－ ２０４ Ｄ１ Ａ１ Ａ１ Ａ１ Ａ２ Ａ２
２０５－ ２１９ Ａ１ Ａ１ Ａ１ Ａ２ Ａ２ Ａ３
大于 ２２０ Ａ１ Ａ１ Ａ２ Ａ２ Ａ３ Ａ３
５． 决策后管理。决策一旦做出， 必须采取步骤 确认那些同意发放信贷的决策是否正确。被接受的 申请者应该纳入到信用管理系统里面， 输入的信息 包括账号、信贷限额和备用金。被拒绝的申请者必 须给予他们拒绝理由， 发放信函向其说明拒绝原 因。被拒绝的申请资料也要保留， 以便日后分析。
＞３００， ０００ 元 ４０ 无效 １３ 无效 １１ － －
＞６０ 无效
１２ ７
无效 －
７－
－
－
－
－
无效 －
１０ －
－
－
－
－
无效 －
１２ －
－
－
－
－
－
－
－
－
－
－
－
－
库里有需要的数据， 以便形成相关模型参数。 抽样设计会议设计之后， 银行将提供数据， 以 表 ２ 信用评分模型建立过程的分阶段描述
阶段
描述
信贷决策做出之后， 为了检验信贷模型的准 确性， 对于被接受信贷申请的消费者信用账户要 进行跟踪。在决策过程中， 一个重要的假设是所有 的信息都是可靠的， 但是事后的确认可以修正先 前的信息。当事后确认表明原来的决策（ 接受信贷 申请） 是错误的， 就需要对其拒绝或者重新评估。
－ ４６－
《成人高教学刊》２００７ 年第 １ 期
－ ４５－
学科纵横
时应该包括的信息有收集申请人过去信用记录、 本公司信用管理政策、信用得分的计算账户信息 等。在数据录入之后， 还要注意缺失信息的处理。
２． 重复申请和欺诈申请的识别。模型必须对 这两类申请进行识别， 以便与其他申请区分对待。 重复申请是指申请了不止一次的行为， 可以通过 搜索申请档案、检查征信局报告和搜寻已经存在 的消费者档案来识别。潜在的欺诈识别通过内部 档案、征信局欺诈修改信息和其他外部代理实现。
行一起来审查评分卡的结构， 讨论内容有问题的 数据和评分卡的表现及预测力。根据分析会议的 结果， 对评分卡进行最后的改动， 确认后的评分卡 将是银行在信贷决策时使用的评分卡。
由征信局准备的评分卡技术文档内容包括抽 样过程、好坏表现定义、变量分析、评分卡、分数分 布 、评 分 卡 的 有 效 性 检 验 （ 例 如 ， Ｇｉｎｉ 和 ＫＳ 的 统 计值） 和评分使用说明等， 并根据文档内容对银行 工作人员进行相关培训。在所有工作完成后， 征信 局与银行将会办理相应的交接和签字手续， 完整 的评估模型就建立起来了。
表 ３ 银行自定义评分和征信局评分的结合
征信局 ５５０－ ５９０－ ６４０－ ６８０－ ７４０－ ７５０－
自定义
５８９ ６３９ ６７９ ７３９ ７４９ ７８９
０－ １５９
Ｄ３ Ｄ３ Ｄ３ Ｄ２ Ｄ１ Ｄ１
１６０－ １８５ Ｄ３ Ｄ２ Ｄ２ Ｄ１ Ａ１ Ａ１
１８６－ １９９ Ｄ２ Ｄ１ Ｄ１ Ａ１ Ａ１ Ａ２
《成人高教学刊》２００７ 年第 １ 期
用来衡量评分模型以外的因素与评分模型结果的 一致程度。它显示了批准者和拒绝者在给定得分区 间、给定时间或者给定人群中的数目。表 ５ 为最终 得分报告的示例： 如果分类临界线为 ２００ 分， 我们 看到 ２００ 分以下的绝大多数申请者被拒绝， 但是还 有特例者被接受； 而 ２００ 分以上的情况恰恰相反。 其中特例者比率就是一个很好的指标， 它能够衡量 信贷决策在多大程度上偏离了信用得分模型， 如果 这个比率的特例者过大， 那么我们就可以认为评分
以前面住房消费信贷评分决策为例， 银行应 把自定义评分与征信局评分结合， 做出判断。如表 ３ 所 示 ， Ａ 表 示 接 受 （ Ａｃｃｅｐｔｅｄ） ， Ｄ 表 示 拒 绝 （ Ｄｅｃｌｉｎｅｄ） ， 被接受群和被拒绝群内的得分高低 用数字表示。比如， Ａ１ 的得分大于 Ａ２。我们可以 发 现 自 定 义 得 分 ０－ １５９ 和 征 信 局 得 分 ５５０－ ５８９ 的客户质量最差（ Ｄ３） ， 而自定义得分大于 ２２０ 和 征信局得分 ７５０－ ７８９ 的客户质量最好（ Ａ３） 。
确认数据质量以后， 将进行单变量分析， 这是在 模型建立过程中来找到有预测潜力的变量的关键步 骤。所有的变量如果检查无质量问题， 将根据好坏的 定义判断， 被单个地进行分析。这样可以让我们看到 每个变量的预测能力， 以及其分辨好与坏客户的表 现结果， 同时确定变量如何在建立模型时进行分组。
紧接着进行的是评分卡的分析， 征信局与银
２． 特征分析报告。特征分析报告所反映的是哪 种特征使得两个样本的申请者在得分上存在显著差 异。例如， 如果新申请者得分在申请者人数稳定性报 告中集中在低分段， 那么通过研究特征分析报告发 现这是由于更多的新申请者在现有地址居住的时间 变短， 人口流动性的增大， 最终导致了得分变低。
３． 最终得分报告。在以上 ２ 个报告的基础上， 最终得分报告反映了当前申请者的得分分布， 它被
１０－ ２０ 年 １７ 投资 １２ 否 １３
３５－ ４４ ２０
大 专 、大 本 ２０
＞２５０， ０００ 元 ４０
５０， ０００－ １０， ０００ 元 ３０ 无效 ８
２００， ０００－ ３００， ０００ 元 ３２
＞２０ 年 １４ 套现 １４ 无效 １２
４５－ ６０ １５
研究生以上 ３０
无效 １０
＞１００， ０００ 元 ４０ － －
４． 决策与确认。在决策过程中， 信用得分、管理 政策和分析师的专业经验是决定信贷与否的三大关 键因素。信用得分系统根据所搜集的申请者信息生 成对每个申请者的综合得分， 以反映他的风险水平。 管理政策是指信用卡发卡公司根据自身风险管理的 需要， 对信用卡申请者提出的要求。专业分析师要做 的工作则是参考信用得分对信贷决策进行调整。灵 活多变的决策参数可以使我们把三大因素进行混 合， 并且重点突出在最能反映商业策略的因素上。
要建立科学的信用评分模型， 银行需要同征 信局合作， 并有明确的分工， 按照一定的流程分阶 段进行， 具体见表 ２ 所示。
在确认项目的起始日期后， 由银行和征信局 召开为期 ３ 个工作日的抽样设计会议。期间， 征信 局首先将熟悉银行的要求， 以此来设计评分卡， 并 讨论评分卡需要客户化的地方 （ 如具体的产品和 不同的决策点） 。然后， 根据所要求定制的评分卡 来描述和决定好账户与坏账户的定义， 并决定定 制评分卡所需要的数据要求， 同时确认银行数据
《成人高教学刊》２００７ 年第 １ 期
学科纵横
表１
年龄（ 岁）
最高
得分
２０
文化程度
最高
得分
３０
拥有房地产价值 最高
得分
４０
首期付款额 最高
得分
４０
有无保险
最高
得分
２０
抵押物价值 最高
得分
４０
申请按揭年限 最高
得分
２０
贷款目的
最高
得分
２０
是否公积金买房 最高
得分
２０
个人住房消费信贷评分模型变量情况表
三、个人消费信贷评估模型的监控
评估模型在投入使用之后， 对其进行监控是达 到商业目的， 实现盈利的重要保障。评分模型的监 控能够帮助银行识别新申请者的特征变化， 提高银 行风险控制和管理的能力， 寻找和捕捉更多的市场 机会。模型的监控主要体现在下面 ６ 个报告中。
１． 申请者人数稳定性报告。申请者人数稳定 性报告帮助银行识别现有申请是否与原有申请在 得分分布上有所差别。表 ４ 为申请人数变动分析 的结果， 变动率为基础样本比率与现在比率的差 额。 其 中 得 分 区 间 在 １２９－ １７９、１８０－ １８９ 和 １９０－ １９９ 的 申 请 者 人 数 分 别 增 加 了 ９． ７％ 、５． ９％ 和 ２． ５％， 而得分区间在 ２００－ ２０９、２１０－ ２１９、２２０－ ２２９ 和 ２３０ － ２７８ 的 申 请 者 人 数 分 别 增 加 了 － ４． ５％ 、 － ６． １％、－ ３． ９％和－ ３． ６％。这表明有更大比例的现 有申请者得分在临界得分以下， 这时候银行应该 降低发放信贷的比例。
＜２５ ５
高中或以下 １０
＜１５０， ０００ 元 ２０
＜２５， ０００ 元 ２０ 有 ２０
＜１００， ０００ 元 ２０
＜１０ 年 ２０ 自住 ２０ 是 １９
２５－ ３４ １０ 中专 １５
１５０， ０００－ ２５０， ０００ 元 ３０
２５， ０００－ ４９， ９９９ 元 ２５ 无 １２
１００， ０００－ １９９， ９９９ 元 ３０