全球专业中文经管百科,由121,994位网友共同编写而成,共计435,753个条目

個人信用評分

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目錄

什麼是個人信用評分[1]

  個人信用評分是基於個人的基本信息和信用數據,運用數據挖掘技術和統計分析方法,通過對個人信用歷史和信用行為等大量數據系統的分析,挖掘出數據中蘊含的信用行為模式和信用特征,建立當前信用信息和未來信用表現之間的函數關係,並把當前個人信用信息轉化為表徵未來某種信用風險的分值。

個人信用評分的分類[1]

  1.按照模型的數據來源劃分,個人信用評分有以下三種類型

  (1)信用局個人信用評分。信用局是專門收集、彙總個人全方位的信用記錄,並對數據進行加工和整理的機構。基於信用局個人徵信數據開發的、預測消費者未來信用表現的模型常稱為信用局評分模型,所得到的評分則為信用局個人信用評分。

  (2)行業共用評分。以行業內多家機構的集體數據為評分基礎,開發出共用性評分。該評分雖然沒有信用局評分使用的數據全面廣泛,但是不同性質的金融機構組合,得到的評分也具有一定的普適性。

  (3)定製評分。以機構內部自有數據作為評分基礎,根據自身業務量身定做的評分。該評分面向特定業務或者特定風險管理目標,具有較強針對性和準確性。

  2.按照模型所預測的目標劃分,個人信用評分有以下六種類型:(1)風險評分。主要是對違約拖欠或形成壞賬的風險概率進行預測。(2)收益評分。主要是對消費者給信貸機構帶來收益的潛力大小進行預測。(3)流失傾向評分。主要是對現有客戶在未來一定時期內流失的概率進行預測。(4)轉賬傾向評分。主要是對目標客戶貸款餘額從其他銀行轉賬過來的概率進行預測。(5)迴圈信貸傾向評分。主要是對目標客戶或現有客戶利用信用卡賬戶進行迴圈信貸的概率進行預測。(6)欺詐評分。主要對信用卡申請或信用卡交易的欺詐行為概率進行預測。

  此外,按照其他劃分標準,如模型的實證化程度、模型的對象等,信用評分模型還可以劃分為其他許多類別。本文主要討論和研究基於個人徵信數據構建的信用局個人信用評分。

信用局的個人信用評分[1]

信用局個人信用評分的發展

  1.起步時期。信用局個人信用評分的起步晚於企業的信用評級,它的發展得益於數據挖掘的發展。1936年,英國統計學家費雪(Ronald Aylmer Fisher)使用線性決策分析法對鳶尾草分類。雖然費雪的研究主要致力於科學領域,但是該技術分類的思想對個人信用評分的發展產生了重要影響。1941年,戴維·杜蘭德(David Durand)研究把該方法應用於信貸領域。他使用了年齡、性別、居住年限、工作年限、職業資產等變數構建模型,區分貸款的好壞。1946年,美國一家房地產金融公司的總裁E.F.溫特列克(E.F.Won—derlic)開發了一種用於住房貸款審批的信用評分(Credit Guide Score)模型。然而,這種創新的模式並沒有得到董事會的認可,儘管模型很有效,但是一直沒有得到應用。這一時期最有名的領軍人物應該是美國工程師比爾·費爾(Bill Fair)和數學家厄爾·艾薩克(Ear1),他們共同成立了費埃哲公司(現已更名為FICO公司,該公司最後成為美國三大徵信局信用局評分模型的開發者),並於1958年開發了第一個實際應用的信用評分模型。

  2.自動化時期。個人信用評分的發展並不是一帆風順的。雖然FICO公司開發出信用評分模型,但當時銀行家們對完全交由統計規律進行決策心存懷疑,加上評分開發者有時並不能完全解釋各種變數存在的問題,FICO公司開發的模型並沒有立即在銀行業廣泛地應用,而是首先在百貨業得到推廣應用。1963年,FICO公司與MW百貨公司合作,並取得較大成功。接著,其他一些百貨公司也逐漸開始使用評分工具來度量識別個人信用風險,以便於開展業務。直到20世紀60年代中期,由於美國銀行業快速膨脹,導致大量的違約事件發生,對信用評價的迫切需求使得銀行業開始求助於個人信用評分。事實也表明,使用個人信用評分進行輔助決策的銀行違約率下降了50%左右。20世紀70~8O年代,信用評分已應用到個人貸款、小企業貸款、汽車貸款等貸款業務中,但當時還都是手工操作。直到1972年,第一個全自動信用評分系統才誕生。

  3.全面發展時期。個人信用評分在銀行業的成功應用,大大刺激了信用評分的發展,隨著信用體系的形成和發展,信用評分模型的開發也逐步標準化。在演算法方面,最初主要是運用判斷分析(DA)、線性概率分析(LPM)等方法構建模型,隨著對評分精度和準確性要求的加深,評分模型訓練開始主要應用羅諦思克回歸(Logistic regres—sion)。近年來,一些學者和專家開始研究神經網路(NNs)、支撐向量機(SVM)等演算法應用於信用評分模型構建的可能性。1985年前後,FICO公司利用信用局數據開發了第一個信用局評分一“Prescore”。後來,美國三大徵信局分別請FICO公司和MDS公司開發了專屬的信用局個人信用評分。

  在應用領域,美國於1995年將信用評分開始應用於抵押貸款。據統計,當時美國40%抵押貸款使用評分決策,隨後也開始應用於無抵押貸款方面,目前75%左右的貸款審批基於評分決策。

  4.我國信用局個人信用評分的發展。我國的徵信體系建設起步較晚,全國性的信用局個人信用評分還沒有推出。但是,1999年7月,在中國人民銀行批准下成立的上海資信公司,試點徵信業務,在美國環聯公司的幫助下開發了個人信用風險評分,並於2002年末推出,可以認為這是我國第一個信用局個人信用評分。2005年深圳鵬元公司推出國內首個個人綜合信用評分——“鵬元800”,目前已經是3.0版本。遺憾的是這兩個公司的信用局評分都是地方的信用局評分,覆蓋面太小。中國人民銀行徵信中心於2006年開始研發信用局個人信用評分。2010年5月,時任中國人民銀行副行長的朱民宣佈模型開發完成,已經通過第三方驗證和商業銀行卡中心進行驗證和測試,進一步測試驗證後,不久將可以推出。

信用局個人信用評分的特點

  信用局個人信用評分除了與商業銀行或其他金融機構開發的個人信用評分一樣,具有準確、一致、易解讀等優點外,還有如下特點:

  1.通用。信用局個人信用評分一般是基於信用局個人徵信數據開發的評分模型。一般情況下,個人徵信數據來源於多家商業銀行、政府或其他商業機構。基於這些數據開發的評分更能夠全面反映個人信用的基本特征,因此,能夠供不同類型的商業銀行和機構用於個人信用評估時的參考。

  2.客觀。信用局徵信資料庫通常都有海量的數據,信用局個人信用評分模型開發所能夠使用的數據量,不僅能充分滿足評分開發過程中所有數據分析的基本要求,而且能夠客觀、全面地反映數據中蘊含的消費者行為規律。

  3.全面。信用局評分目標是預測受評者未來的綜合信用表現,通常綜合考察負債水平、歷史拖欠、信用歷史、信用種類、新開戶情況等多方面信息,一般不具體針對特定機構的特定需求,其覆蓋的信息範圍更為廣泛和全面。

  4.高效。信用局評分以一個簡潔的分數反映徵信機構收集的個人信息資料,既可以嵌入信用報告中,又可以單獨提供給商業銀行或其他金融機構,方便地嵌入到自動審批及管理流程之中,可以大大節省銀行等商業機構分析解讀信用報告的時間,提高信貸效率,降低信貸風險。

信用局個人信用評分應用的意義

  1.信用局個人信用評分的應用可以促進市場經濟健康穩定發展。信用信息在社會生產分配交換消費等活動中發揮著重要的作用。在市場經濟體制下,信用信息不對稱或者缺乏合理評價,道德風險逆向選擇的問題就不可避免,消費者獲得貸款或者其他信貸資源就會變得更加困難,經濟的發展勢必會受到很大的影響,因此,信用信息的可用性和客觀性是市場經濟的基石。信用局個人信用評分對信用信息資源整合併對信用風險進行科學計量,可以使授信者更加精確地界定可以接受的消費信貸風險,有效地分配風險、成本和資源,擴大消費信貸的發放,同時,也使受信方能夠獲得必要的資源,對促進經濟健康穩定發展有重要意義。

  2.信用局個人信用評分是信用體系的核心組成部分。信用體系是市場經濟的核心,信用局個人信用評分是信用體系的核心。信用局個人信用評分對信用數據進行了有效的科學分析,是“信用報告”的精準快照,比起原始的、單純的、粗糙的信用信息而言,它有更高的應用價值。除此之外,徵信局個人信用評分提供了簡單、準確、易於理解的信用信息,更具權威性。它的普遍應用,能夠幫助受評對象瞭解自己的信用狀況並促進和不斷強化自己的信用意識,推動社會信用體系的建設。

  3.信用局個人信用評分是金融機構風險管理的有效工具。信用局信用評分一般是基於多家機構的信用數據進行分析,採用挖掘方法得出的信用行為模式能夠準確全面地預測個人未來的信用表現,能夠精確估計消費信貸的風險。現代信息技術的發展,使得其自動化的操作加速了整個信貸決策過程,申請人也可以更加迅速地得到答覆,提高了操作的效率,同時也降低了授信成本。由於信用局個人信用評分相比起金融機構內部的評分更加獨立、全面和客觀,是金融機構內部評分不可替代的重要工具。

參考文獻

  1. 1.0 1.1 1.2 莊傳禮.我國信用局個人信用評分發展研究(A).金融理論與實踐.2010,8:57~58
本條目對我有幫助6
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

本条目由以下用户参与贡献

Mis铭,Lin,Tracy,寒曦,LuyinT.

評論(共0條)

提示:評論內容為網友針對條目"個人信用評分"展開的討論,與本站觀點立場無關。

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号