个人信用评分系统

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

个人信用评分系统(Credit Scoring System)

目录

什么是个人信用评分系统

  个人信用评分系统是一套定量评估个人信用风险的应用系统,它通过对个人客户信息进行量化计算得出信用分值,反映个人客户的信用状况。个人信用评分系统广泛地应用于个人信贷信用卡保险理赔等金融业务中,为信用政策的制定、分析、评估、优化提供量化支持。[1]

个人信用评分系统的现实意义[1]

  (1)个人信用评分是世界上普遍采用的评估个人信用风险的方法。在欧美发达国家,信用评分专业公司根据银行的业务需要开发不同的信用评分模型。这是因为每一家银行的业务经营存在差异:从目标客户的选择,到客户服务的水平都可能有所不同,使得各个银行开发模型所依赖的数据不同。实践证明,个人信用风险的管理有三个突破,每次突破都会给银行带来25%左右的利润增长。它们分别是:信用评分、自动化管理系统、决策优化。

  (2)缺少个人信用评分技术成为我国商业银行消费信贷业务发展的瓶颈。目前,我国的信用体系还不完善,银行在无法全面掌握贷款人信用的情况下,不敢承担太大风险。因此,个人信贷不能用企业贷款的方法来进行风险管理,只能靠收集数据,运用数量分析方法(信用评分模型)进行消费信贷风险评估

个人信用评分系统的原理[1]

  个人信用评分是在建立个人信用信息数据库系统的基础上,运用数理统计学的原理,找出可能影响消费者未来信用风险、价值等的各种因素,并分配以不同权重,进而建立起特定的数学模型,并借助计算机信息技术个人信用信息进行量化评估的方法。个人信用评分以一个分数区间来反映个人的信用状况,一般界定为分数越高风险越低或信用越好。

个人信用评分系统的应用情况

  1.国外

  个人信用评估系统是现代社会信用消费的保障和基础。美国既是信用卡的发源地,也是个人信用评分体系最发达的国家之一。一般来讲,美国人经常谈到的“你的得分”,通常指的是你目前的FICO分数。而实际上,Fair Isaac公司开发了三种不同的FICO评分系统,三种评分系统分别由美国的三大信用管理局使用,评分系统的名称也不同。

  FICO评分系统得出的信用分数范围在300~850分之间。分数越高,说明客户的信用风险越小。但是分数本身并不能说明一个客户是“好”还是“坏”,贷款方通常只会将分数作为贷款决策的参考。每个贷款方都会根据自己的贷款策略和标准以及每种产品特定风险来决定可以接受的信用分数水平。FICO评分模型中所关注的主要因素有五类:客户的信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户

  在FICO评分系统中,并不是客户所有的信息都需要考虑,还有一部分信息不能作为评分的依据,以保护客户的隐私不受侵犯或防止客户遭受歧视,这在美国的《公平信用机会法》和《客户信用保护法》中有较为具体的规定。

  2.中国

  中国科学院虚拟经济与数据科学研究中心2010年2月24日在北京发布其2007-2009成果报告称,由该中心常务副主任石勇教授领衔协助中国人民银行成功开发的全国个人信用评分系统,已在各商业银行试用,并将逐步服务全国13亿人口的经济信贷活动,成为中国金融信息化的基础工程。中国人民银行副行长朱民博士当天在发布会上评价说,中国开发的全国个人信用评分系统远远超过国际水平,今年下半年结束试用阶段后,央行会将该系统在各商业银行推广应用。石勇介绍说,中科院虚拟经济与数据科研中心与中国人民银行联合科研团队,历时3年开发成功“基于数据挖掘方法”的全国个人信用评分系统,是根据中国人民银行征信中心个人信用信息基础数据库中采集的个人基本信息信贷信息,为有信贷记录的消费者建立通用风险评分模型,针对消费者在未来一定时期内的违约概率进行预测。

  该评分模型通过人在经济、社会活动中所表现出的职业、工资等数百个变量指标,进行数据挖掘和综合分析,得出个人信用评分,国际标准为350-850分,结合具体国情,中国标准初步确定为350-1000分。石勇称,目前,中科院虚拟经济与数据科研中心已为中国人民银行开发出7组评分模型,将在近期进行模型上线测试运行,如果上线结果表现良好,它将成为中国个人信用评分首个国产应用模型,对推进中国信用体系建设将起到重大关键性作用。

参考文献

本条目对我有帮助3
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目

本条目由以下用户参与贡献

Gaoshan2013,Mis铭,LuyinT.

评论(共0条)

提示:评论内容为网友针对条目"个人信用评分系统"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

MBA智库
打开APP

以上内容根据网友推荐自动排序生成