个人信用评分

出自 MBA智库百科(https://wiki.mbalib.com/)

　　个人信用评分是基于个人的基本信息和信用数据，运用数据挖掘技术和统计分析方法，通过对个人信用历史和信用行为等大量数据系统的分析，挖掘出数据中蕴含的信用行为模式和信用特征，建立当前信用信息和未来信用表现之间的函数关系，并把当前个人信用信息转化为表征未来某种信用风险的分值。

　　1.按照模型的数据来源划分，个人信用评分有以下三种类型：

　　(1)信用局个人信用评分。信用局是专门收集、汇总个人全方位的信用记录，并对数据进行加工和整理的机构。基于信用局个人征信数据开发的、预测消费者未来信用表现的模型常称为信用局评分模型，所得到的评分则为信用局个人信用评分。

　　(2)行业共享评分。以行业内多家机构的集体数据为评分基础，开发出共享性评分。该评分虽然没有信用局评分使用的数据全面广泛，但是不同性质的金融机构组合，得到的评分也具有一定的普适性。

　　(3)定制评分。以机构内部自有数据作为评分基础，根据自身业务量身定做的评分。该评分面向特定业务或者特定风险管理目标，具有较强针对性和准确性。

　　2.按照模型所预测的目标划分，个人信用评分有以下六种类型：(1)风险评分。主要是对违约拖欠或形成坏账的风险概率进行预测。(2)收益评分。主要是对消费者给信贷机构带来收益的潜力大小进行预测。(3)流失倾向评分。主要是对现有客户在未来一定时期内流失的概率进行预测。(4)转账倾向评分。主要是对目标客户把贷款余额从其他银行转账过来的概率进行预测。(5)循环信贷倾向评分。主要是对目标客户或现有客户利用信用卡账户进行循环信贷的概率进行预测。(6)欺诈评分。主要对信用卡申请或信用卡交易的欺诈行为概率进行预测。

　　此外，按照其他划分标准，如模型的实证化程度、模型的对象等，信用评分模型还可以划分为其他许多类别。本文主要讨论和研究基于个人征信数据构建的信用局个人信用评分。

　　1.起步时期。信用局个人信用评分的起步晚于企业的信用评级，它的发展得益于数据挖掘的发展。1936年，英国统计学家费雪(Ronald Aylmer Fisher)使用线性决策分析法对鸢尾草分类。虽然费雪的研究主要致力于科学领域，但是该技术分类的思想对个人信用评分的发展产生了重要影响。1941年，戴维·杜兰德(David Durand)研究把该方法应用于信贷领域。他使用了年龄、性别、居住年限、工作年限、职业、资产等变量构建模型，区分贷款的好坏。1946年，美国一家房地产金融公司的总裁E.F.温特列克(E.F.Won—derlic)开发了一种用于住房贷款审批的信用评分(Credit Guide Score)模型。然而，这种创新的模式并没有得到董事会的认可，尽管模型很有效，但是一直没有得到应用。这一时期最有名的领军人物应该是美国工程师比尔·费尔(Bill Fair)和数学家厄尔·艾萨克(Ear1)，他们共同成立了费埃哲公司(现已更名为FICO公司，该公司最后成为美国三大征信局信用局评分模型的开发者)，并于1958年开发了第一个实际应用的信用评分模型。

　　2.自动化时期。个人信用评分的发展并不是一帆风顺的。虽然FICO公司开发出信用评分模型，但当时银行家们对完全交由统计规律进行决策心存怀疑，加上评分开发者有时并不能完全解释各种变量存在的问题，FICO公司开发的模型并没有立即在银行业广泛地应用，而是首先在百货业得到推广应用。1963年，FICO公司与MW百货公司合作，并取得较大成功。接着，其他一些百货公司也逐渐开始使用评分工具来度量识别个人信用风险，以便于开展业务。直到20世纪60年代中期，由于美国银行业快速膨胀，导致大量的违约事件发生，对信用评价的迫切需求使得银行业开始求助于个人信用评分。事实也表明，使用个人信用评分进行辅助决策的银行违约率下降了50％左右。20世纪70～8O年代，信用评分已应用到个人贷款、小企业贷款、汽车贷款等贷款业务中，但当时还都是手工操作。直到1972年，第一个全自动信用评分系统才诞生。

　　3.全面发展时期。个人信用评分在银行业的成功应用，大大刺激了信用评分的发展，随着信用体系的形成和发展，信用评分模型的开发也逐步标准化。在算法方面，最初主要是运用判断分析(DA)、线性概率分析(LPM)等方法构建模型，随着对评分精度和准确性要求的加深，评分模型训练开始主要应用罗谛思克回归(Logistic regres—sion)。近年来，一些学者和专家开始研究神经网络(NNs)、支撑向量机(SVM)等算法应用于信用评分模型构建的可能性。1985年前后，FICO公司利用信用局数据开发了第一个信用局评分一“Prescore”。后来，美国三大征信局分别请FICO公司和MDS公司开发了专属的信用局个人信用评分。

　　在应用领域，美国于1995年将信用评分开始应用于抵押贷款。据统计，当时美国40％抵押贷款使用评分决策，随后也开始应用于无抵押贷款方面，目前75％左右的贷款审批基于评分决策。

　　4.我国信用局个人信用评分的发展。我国的征信体系建设起步较晚，全国性的信用局个人信用评分还没有推出。但是，1999年7月，在中国人民银行批准下成立的上海资信公司，试点征信业务，在美国环联公司的帮助下开发了个人信用风险评分，并于2002年末推出，可以认为这是我国第一个信用局个人信用评分。2005年深圳鹏元公司推出国内首个个人综合信用评分——“鹏元800”，目前已经是3.0版本。遗憾的是这两个公司的信用局评分都是地方的信用局评分，覆盖面太小。中国人民银行征信中心于2006年开始研发信用局个人信用评分。2010年5月，时任中国人民银行副行长的朱民宣布模型开发完成，已经通过第三方验证和商业银行卡中心进行验证和测试，进一步测试验证后，不久将可以推出。

　　信用局个人信用评分除了与商业银行或其他金融机构开发的个人信用评分一样，具有准确、一致、易解读等优点外，还有如下特点：

　　1.通用。信用局个人信用评分一般是基于信用局个人征信数据开发的评分模型。一般情况下，个人征信数据来源于多家商业银行、政府或其他商业机构。基于这些数据开发的评分更能够全面反映个人信用的基本特征，因此，能够供不同类型的商业银行和机构用于个人信用评估时的参考。

　　2.客观。信用局征信数据库通常都有海量的数据，信用局个人信用评分模型开发所能够使用的数据量，不仅能充分满足评分开发过程中所有数据分析的基本要求，而且能够客观、全面地反映数据中蕴含的消费者行为规律。

　　3.全面。信用局评分目标是预测受评者未来的综合信用表现，通常综合考察负债水平、历史拖欠、信用历史、信用种类、新开户情况等多方面信息，一般不具体针对特定机构的特定需求，其覆盖的信息范围更为广泛和全面。

　　4.高效。信用局评分以一个简洁的分数反映征信机构收集的个人信息资料，既可以嵌入信用报告中，又可以单独提供给商业银行或其他金融机构，方便地嵌入到自动审批及管理流程之中，可以大大节省银行等商业机构分析解读信用报告的时间，提高信贷效率，降低信贷风险。

　　1.信用局个人信用评分的应用可以促进市场经济健康稳定发展。信用信息在社会生产、分配、交换和消费等活动中发挥着重要的作用。在市场经济体制下，信用信息不对称或者缺乏合理评价，道德风险和逆向选择的问题就不可避免，消费者获得贷款或者其他信贷资源就会变得更加困难，经济的发展势必会受到很大的影响，因此，信用信息的可用性和客观性是市场经济的基石。信用局个人信用评分对信用信息资源整合并对信用风险进行科学计量，可以使授信者更加精确地界定可以接受的消费信贷风险，有效地分配风险、成本和资源，扩大消费信贷的发放，同时，也使受信方能够获得必要的资源，对促进经济健康稳定发展有重要意义。

　　2.信用局个人信用评分是信用体系的核心组成部分。信用体系是市场经济的核心，信用局个人信用评分是信用体系的核心。信用局个人信用评分对信用数据进行了有效的科学分析，是“信用报告”的精准快照，比起原始的、单纯的、粗糙的信用信息而言，它有更高的应用价值。除此之外，征信局个人信用评分提供了简单、准确、易于理解的信用信息，更具权威性。它的普遍应用，能够帮助受评对象了解自己的信用状况并促进和不断强化自己的信用意识，推动社会信用体系的建设。

　　3.信用局个人信用评分是金融机构风险管理的有效工具。信用局信用评分一般是基于多家机构的信用数据进行分析，采用挖掘方法得出的信用行为模式能够准确全面地预测个人未来的信用表现，能够精确估计消费信贷的风险。现代信息技术的发展，使得其自动化的操作加速了整个信贷决策过程，申请人也可以更加迅速地得到答复，提高了操作的效率，同时也降低了授信成本。由于信用局个人信用评分相比起金融机构内部的评分更加独立、全面和客观，是金融机构内部评分不可替代的重要工具。