个人信用评分模型构建以及个人欺诈评分模型构建
—、个人信用评分概念
个人信用评分又称“消费者信用评分”，是预测信用申请人或现有借款人违约可能性的一种统计方法。它通过对消费者的人口特征、信用历史记录、行为记录、交易记录等大量历史数据进行系统的分析，利用统计方法及其他定量方法挖掘数据中蕴含的行为模式和信用特征，开发出预测性模型，用以对消费者未来的信用行为进行预测。
有很多信用记录会明显影响个人信用评分，如延迟付款额度变化、拖延付款时间的严重程度、信贷账户数目增减、信贷余额变化、账龄、最近的查询记录等。当个人信用评分模型工作时，它会从个人信用档案中抽取不同因素来评价消费者的信用状态，一旦信用记录中有瑕疵出现，评分模型就会度量出瑕疵的大小，直接从现有的分数中扣除, 从而使信用评分的分值减小一些。
信用评分及其自动化的操作加速了整个信贷决策过程，申请人可以更加迅速地得到答复，提高了操作的效率。据美国消费银行协会的最新一份资料，以前不使用信用评分，小额消费信贷的审批平均需要12小时，如今使用信用评分和自动处理程序，这类贷款的审批缩短到15分钟。使用信用分后，60%的汽车贷款的审批可以在1小时内完成。信用卡的审批只要一两分钟，甚至几秒钟。
二、个人信用评分模型构建
(一）“信用评分卡”的概念
在了解个人信用评分模型之前，需要了解“信用评分卡”的概念。在消费者信用评分过程中，信用评分卡是一种表格，由描述借款人状况的各个特征变量的不同取值对应的信用分值所组成。使用信用评分卡可以计算不同借款人的信用评分分值。典型的信用评分卡见表4-1。
□第四章个人征信业务
一个贷款申请人的状况如下：在现岗位工作时间为12个月，租房住，同时拥有活期存款账户和储蓄存款账户，尚无信用卡，职业为销售人员，年龄24岁。因此，通过表中所给的数据，可以算出该人的信用评分分值为：14+19+31 + 11 + 18 + 19 = 112。
(二）建立信用评分模型的过程
一个人信用评分模型的建—立是市场分析人员、风险管理经理、统计—学家、数据库管理人员和计算机程序员等多个领域的专家综合协调的结果。为了保证个人信用评分模型的顺利开发和应用，必须对建模过程的每个部分进行仔细的设计和计划。通常，建立信用评分模型的过程一般包括以下几个部分：
1.明确模型的使用目的
建立个人信用评分模型的第一步是明确模型的使用目的。建立信用评分模型的目的是预测消费者违约的概率，也可以是预测消费者拖欠的概率，或者是贷款的逾期损失以及拖欠、违约及损失的组合。由于建立模型的目的不同，所研究的对象也不同，在使用开发方法、检验手段和处理原则方面也会存在差异。
正是由于上述差异的存在,当一个授信机构使用其他机构的信用审批系统时就需要格外谨慎。
2.数据收集与样本设计
在模型开发过程中，能够收集到用于建立个人信用评分模型的数据是最重要的技术处理环节之一。通常，可供使用的数据越多，模型的预测结果就会越精确。因此，在建117
第四节个人信用评分□
I_i
-fr
118
立个人信用评分模型之前，需要确定有哪些可以使用的数据。
通常技术人员没有必要也不可能将所有数据都用于建模工作，而是按照一定的方法从中抽取部分合格的样本,利用数据质量优秀样本建立起个人信用评分模型，这样可以达到精确预测的目的。建模工作的这一过程被称为“样本设计”。
3.选择建立信用评分模型的工具
建立个人信用评分模型的统计及数学工具很多，通常使用的方法有判别分析法、逻辑回归、分类树法和神经网络方法等。对于技术人员来说，在选择合适的方法时既要考虑到与建立个人信用评分模型的目的有关，也要考虑到与建模所使用的样本有关。
在实际建立个人信用评分模型时，往往将多种方法交叉使用。例如，可以使用“分类树方法”选择变量，以确定变量之间的相互关系，构造出新的变量。再将这些新变量和原始变量一起使用，通过回归的方法构建出预测模型。然后，把预测模型产生的结果与神经网络模型产生的结果进行比较，以确定模型的有效性，并对模型进行改进。
4.模型的验证与检验
建立了个人信用评分模型（或信用评分卡）后，技术人员面临的一个重要的问题是这一模型的应用效果究竟如何。当然，一个个人信用评分模型的有效程度如何，最终需要通过模型在实际应用中的效果来评价。但是，在模型投入实际使用之前，必须对模型的预测能力进行评估，即对模型进行验证和检验。
在对模型进行检验时，经常采用的方法是“保留样本法”，也就是在建立个人信用评分模型时，将样本随机地分成两部分：一部分用于建立模型，另一部分（称为所谓“保留样本”）用来对模型进行检验。如果模型对建模样本和保留样本的预测结果都较好，说明模型总体来说是稳定的，有一定的应用价值。
对个人信用评分模型进行检验的统计方法很多，常用的统计量包括Gini系统、Kolo-
mogorov-Smirnov统计量（简称K - S统计量）、和谐度等。对模型进行评价的总体想法是个人信用评分模型必须尽可能地将高风险授信和低风险授信区别开来。另外，针对某个总体建立起来的个人信用评分模型对该总体的一个子集的预测能力，也是检验模型有效性的一个重要方面。
5.选择临界分值及人工修正
在个人信用评分模型开始运行之前，还需要考虑授信机构所能承受的信用风险的大小。模型本身可以预测某个信用申请人违约的可能性大小，但是并不能确定模型使用者所能承受的总体信用风险的大小。信用申请人的这种承受信用风险的能力取决于授信机构对可能的申请人数量的市场分析、充足资本率要求以及定价、收益目标等因素。确定授信机构所能承受的信用风险即需要确定信用评分卡的临界值，若申请人的信用评分分值在这一临界值之下，则授信机构可以拒绝其申请；若申请人的信用评分分值高于这一临界值，则建议批准其信用申请。
通常，临界分值的确定应该使得信用申请批准比率基本与当前的批准比率保持一致,□第四章个人征信业务
或“坏账率”与当前的“坏账率”相等。
在个人信用评分模型运行之前，还需要确定“人工修正”原则。“人工修正”是指授信部门作出的决策与个人信用评分模型所建议的不一致时所采取的人工修正规则。
6.个人信用评分模型的监测
由于个人信用评分的基本假设之一是未来与现在是相似的，因此一旦信用评分模型投人运行，技术人员就应与先前的系统相比较，评价新模型的运行效果。这样就需要对模型进行监测，通过监测，能够回答如下的一些重要问题：
(1)信用评分卡的使用是如所预期的那样吗？对信用评分卡的人工修正是否保持在一个尽可能低的水平？人工修正有确实的理由吗？最普遍的理由是哪些？
(2)信用评分卡对贷款风险的排序是否与所期望的一致，或者信用评分卡的表现是否出现退化？好、坏客户发生比（或坏客户比率）与我们运行信用评分卡时的预期是否一致？
(3)信用申请人的特征是否发生了变化？是否有更多分值低的消费者申请贷款但是被拒绝了?他们的特征是什么？
(4)账户的信用分值的分布是否发生了变化？
三、个人欺诈评分模型构建
欺诈是信用卡公司面临的一个严峻的问题，包括申请欺诈、信用卡丢失、信用卡被盗、信用卡伪造、信用卡机密信息被盗、账户被窃取等。不管何种欺诈类型，归根结底，都是通过欺诈性的申请或欺诈性的使用信用卡交易来实现的。欺诈风险评分模型包括申请欺诈风险评分模型可交易欺诈风险评分模型。申请欺诈风险评分模型可预测信用卡申请为欺诈的概率，为银行发现和拒绝欺诈性申请提供科学依据；交易欺诈风险评分模型是运用先进的数据挖掘和模型技术来预测信用卡交易为欺诈的概率，为银行发现和拒绝欺诈性交易提供科学依据①。
(一）申请欺诈风险评分模型
申请欺诈是欺诈分子盗取、仿冒他人身份信息，如姓名、性别、出生日期、身份证号码、家庭地址等申请信用卡，给银行带来巨大损失，给被冒名的消费者带来纠纷。在欧美国家，信用卡的申请可以通过电话、信件、互联网等渠道进行，由于无法面对面地核对申请人身份和证件，只要欺诈分子盗取了他人身份信息，就可能成功地得到信用卡。即使有面对面的审核，如果证件是伪造的，也可以进行欺诈性的申请。申请欺诈风险评①陈建.信用评分模型技术与应用北京：中国财政经济出版社，2007。
第四节个人信用评分口
120
分模型，是利用信用局关于消费者身份的某些信息来预测申请为欺诈的概率。
申请欺诈风险评分模型常用的预测信息有：
★申请表填写的地址与信用局档案地址不符；
★申请表填写的地址在信用局档案里第一次存档时间少于90天;★申请表填写的地址在信用局档案里仅为新信用账户所用；★申请表填写的地址在信用局档案里不存在；
★申请表填写的地址被信用局记录认定为高风险地址；★申请表填写的地址被信用局记录认定为非住宅性地址；★申请表填写的地址在信用局曾有欺诈活动的记录；★信用局档案中地址为高风险地址；
★信用局档案中地址为非住宅性地址；
★信用局档案中地址曾有欺诈活动的记录；
★信用局记录显示该申请人（姓名或身份证号码）曾被仿冒；★信用记录最早确立的时间在该身份证号码发行之前。
从上述信息可以看到，对申请欺诈的预测主要依赖于信用局的记录，特别是关于地址的记录，这是因为在美国信用卡主要靠信件邮寄到申请表所填写的地址上，一般不存在面对面核对身份的机会。在信用局不存在或不发达的国家，发展这种形式的申请欺诈风险评分模型的数据基础可能不存在或很不充分，对欺诈的发现主要靠人工核对申请表填写的身份信息，如面对面地核对身份证、电话核对身份信息等。
申请欺诈风险评分把申请者按照欺诈风险概率从高到低排列，预测力强的评分模型应该能够做到评分最差的一小部分申请者集中了绝大多数的欺诈申请者，这样，依欺诈风险评分进行决策的成效才比较好，达到通过拒绝尽可能少的申请者来拒绝尽可能多的欺诈申请者的决策目标。如图4-1所示，依评分拒绝2%的最高风险申请者可以拒绝90% 的欺诈性申请。
(二）交易欺诈风险评分模型的开发
交易欺诈风险评分模型是利用信用卡当前交易信息和历史交易行为模式对比来预测当前交易为欺诈的概率的模型，为智能反交易欺诈授权策略（intelligent anti-fraud authorization strategy)提供科学依据，对欺诈风险高的交易可以拒绝授权和展开调查。
交易欺诈风险评分模型的表现变量是“交易为欺诈与否”的二元性显示变量（binary indicator variable)。对于样本中属于欺诈的历史交易，表现变量值为1，非欺诈的交易表现变量值为0。在理想的状态下，银行应该对每一个怀疑性或争议性的信用卡交易进行调查核实欺诈与否，然后把核实为欺诈的交易一一记录在欺诈档案（数据库）里。在实践中，由于数据记录、整理、加工等复杂性，银行往往把核实的第一次欺诈日（confirmed date of first fraud)记录在案，然后模型把第一次欺诈日之后的交易均定义为欺诈。这里面会有误差：如果卡被伪造，欺诈人使用伪造卡，而真实的持卡人也在继续使用该信用卡，那么第一次欺诈日之后的交易就会有一部分是欺诈交易而另一部分是真实交易，这部分真实的交易会被误判为欺诈。为了减少这种误差，也为了提高模型发现欺诈的速度 (speed of detection)，一般来说样本仅保留第一次欺诈日之后若干天或若干次交易并定义为欺诈，而把其他后来的交易排除在
外。在这种定义下，银行准确地记录第一次欺诈日就非常关键。当然，如果银行的数据库系统能翔实地记录每一次核实的欺诈交易，就会提供更准确的表现变量信息。
由于交易欺诈“大海捞针”的特点，即大量的交易中只有极少部分是欺诈性交易，所以交易欺诈风险评分模型往往使用极精细极复杂的模型技术,主要利用机器学习和神经网络模型技术，这需要极大的样本量，样本个数往往达数百万个交易。为了最大限度地提炼交易欺诈的行为特征和模式，在美国和英国，各个银行往往形成一个数据共享团体，把各自分散的数据集中在一起，特别是把欺诈的记录集中在一起，让样本的丰富程度最大化，由专业化公司发展出能充分抓住行业欺诈性交易特征的预测模型，由各银行付费使用。个别超大型银行和信用卡公司自己的样本量也比较丰富，所以能够由内部科研力量或聘请专业化模型公司发展量身定做的客户化交易欺诈风险评分模型。
交易欺诈风险评分模型所用的预测信息主要是来自实时交易授权的信息和历史交易授权的信息，也在一定程度上使用交易登记信息、付款信息和非货币问询信息。交易授权和交易登记的区别在于，交易授权是实时地把相关交易信息和授权要求传送到银行授权系统并实时地接受银行的授权决策，而交易登记时对一定金额以下的交易无须经过银行授权，只需每日汇总后提交银行登记。在美国，所有信用卡交易都是实时授权，而在英国，底线限额以下信用卡交易为交易登记。
常用的预测信息的原始数据元素包括：
(1)信用卡账号；
(2)账户持有人的国家号码和邮政编码；
第四节个人信用评分□
~W
122
(3)商户号码；
(4)商户的国家号码、货币代码和邮政编码；
(5)交易的日期和时间；
(6)交易数额；
(7)交易种类；
(8)商户种类；
(9)密码核对结果；
(10)CVV核对结果；
(11)信用卡过期日；
(12)信用额度和可支配剩余额度；
(13)信用卡使用途径。
信用卡用户每一次用卡交易，都会产生上述数据。通过对信用卡用户交易历史的跟踪，可以提炼和发现信用卡用户的行为模式。如果当前的交易与信用卡用户的历史行为模式差别较大，则欺诈的可能性也较大。因为欺诈者可以盗取信用卡、盗窃信用卡信息、伪造信用卡，但不能完全模仿真实用户的用卡行为模式。而且，欺诈者本身的欺诈用卡行为也往往会表现出一些特征，如密集使用、大额交易、光顾特殊商店等。所以，通过对当前交易信息和历史交易信息的对比，可以提炼出几百个能够在一定程度上区别欺诈性交易与真实性交易的预测变量，然后利用复杂的神经网络模型，通过机器学习把预测信息以函数形式综合在一起，预测每一个交易为欺诈的概率。
交易欺诈风险评分模型预测变量的提炼技术比较复杂，因为它把当前交易和历史上不同时期许多交易的方方面面的信息进行对比，从而判断当前交易是否与历史交易模式一致。
简单的预测变量只运用当前交易的信息。
(1)一维性的变量，例如：
①交易金额；-
②商户种类；
③交易发生地离卡用户家庭住址的距离远近；
④交易发生时间。
(2)二维性的变量，把两种数据元素结合在一起，例如：
①把商户种类和交易金额组合在一起；
②把交易发生的时间与距离远近组合在一起等。
复杂的预测变量把当前信息与历史信息相联系、对比。
(1)以时间为基础的变量，例如：
①过去30分钟交易的次数或平均金额；
②过去1小时、2小时、3小时、半天、1天、2天、1周等时间段交易的次数或平均□第四章个人征信业务
金额；
③当前交易金额与过去若干时间段的交易金额的均值和标准差的对比等。
(2)以事件为基础的变量，例如：
①过去2次、3次、4次、N次交易的平均金额；
②过去2次、3次、4次、N次交易的最大金额；
③当前交易与过去若干次交易金额的均值、标准差以及最大值的对比等。
不仅对金额可以提炼以时间为基础或以事件为基础的变量，对于商户种类、交易距离、交易时间、交易种类、交易方式、交易国家、交易货币等信息均可以提炼类似的变量，如过去1天光临珠宝店的次数以及过去N次交易地点离家庭住址距离的均值、最大值、最小值、标准差等。通过这些复杂的变量，可以捕捉到每个信用卡用户的历史行为模式、当前交易行为与历史行为模式的差距、交易发生的速率和动态。把这些错综复杂的信息以神经网络模型或其他模型技术综合起来，能够有效地预测欺诈的概率大小。
需要指出的是，由于交易欺诈风险评分模型的变量提炼需要相当长的交易历史，涉及的交易量极其庞大，每一次交易的数据量又很大，所以，如何有效地保存、清理、加工这些数据成为一个极大的技术挑战。特别是欺诈风险评分往往是在授权系统里实时贯彻的，数据处理的速度和效率可以对授权系统的表现产生一定的影响。
一般来说，变量的提炼涉及的数据存储有两种方式：一种是把相关的整个交易历史的数据保存起来，精确地按定义来计算变量值。比如，过去10次交易的平均金额。如果把过去10次交易的信息都保留在数据表里，则计算均值是很简单的。这种方式的好处是直观、精确，但它要求相当高的数据存储空间和计算能力，设想一下，如果要计算过去3 年的平均交易额，则意味着需要保存每个账户3年里所有的交易信息并实时计算'从实践上讲，是十分困难的。折中的办法是保留一定的交易历史（如3个月），这样可以在一定程度上缓和对数据存储和计算能力的挑战，但代价是历史信息不完全。当然，随着数据存储技术的不断进步和计算机计算能力的不断增强，数据存储空间和计算能力的限制将不断减少。
另一种方式是把过去的交易信息总结起来，只保留相关的总结性信息，而不保留具体的历史交易信息。比如，为了计算近10次交易的平均金额，我们并不保留最近10次交易的具体记录，而是把上次的该项均值保留起来，与当前交易的金额进行加权平均。以数学公式来表达如下：
X=aX,_l+bV,.
Z,为当前需要计算的均值，*代表当前，*-1代表上一次，尤“为上一次计算并保留下来的变量值，F,为当前交易的金额，^和6分别为加权比重，6的值越大，则当前交易金额对变量值的影响越大。类似地，可以用这种方式来保存必要的总结性信息，而避免了保存完整交易历史信息的技术困难。这种方式的优点是显然的：对数据存储空间和计算能力的挑战性较低，而且总结性信息以特殊的方式反映了交易历史。这种方式的挑战性123
第四节个人信用评分□
134
在于，如何确定a和6的加权比重，显然，如果权重不合理，则变量值的精确程度可能会成为较大的问题。
不管以何种方式，在提炼出大量的、具备一定预测力的变量以后，可以通过一定的统计手段来选择合适的变量，组建模型，常用的手段如回归分析、神经网络模型、线性规划等。
|四、FICO评分技术介绍
目前应用最广泛的个人信用评分是美国的FICO信用评分。它于20世纪50年代由工程师比尔?费尔（Bill Fair)和数学家法尔?艾萨克（Farl Isaac)发明，目前美国三大信用局Experian、Equifax和Trans Union都使用它对个人信用质量和风险进行量化。
FICO评分主要用于贷款方快速、客观的度量客户的信用风险，缩短授信过程。FICO 信用评分技术的基本思路是将借款人过去的信用历史资料与数据库中全体借款人的信用习惯相比较，检查借款人的发展趋势与经常违约、随意透支、申请申请破产等各种陷入财务困境的借款人发展趋势是否相似。
该模型利用多达100万的大样本数据，首先确定决定消费者信用的指标，再把各个指标分成若干档次以及各个档次的分值，然后计算每个指标的加权，最后得到消费者的总分。FICO信用评分的打分范围是325 ~ 850，得分越高，其信用度也越高。一般来说，如果借款人的信用分达到680分以上,金融机构就可以认为借款人的信用卓著，可以毫不迟疑地同意发放贷款。如果借款人的信用分低于620分，金融机构或者要求借款人增加担保，或者干脆寻找各种理由拒绝贷款。如果借款人的信用分介于620 -680
分之间，金融机构就要作进一步的调查核实，采用其他的信用分析工具，作个案处理①。
美国各种信用分的计算方法中，FICO信用评分的正确性最高。据一项统计显示，信用分低于600分，借款人违约的比例是1/8，信用分介于700 ~ 800分，违约率为1/123，信用分高于800分，违约率为1/1 292。因此美国商务部要求在半官方的抵押住房业务审查中使用FICO信用评分。
FICO评分考虑的主要因素包括：
(1)过去的还款历史
①各种不同账户（如信用卡、零售贷款账户、分期付款账户、住房抵押贷款等）的还款信息；②负面的公共记录信息（如破产、诉讼判决等）；
③拖欠的严重程度；
.①姜琳.美国FIC0评分系统述评.商业研究，2006 (20)。
□第四章个人征信业务
④到期拖欠或催收账户的数量；
⑤最近的拖欠、负面公共记录或催收至现在的时间；⑥按期还款的账户数量。
(2)未偿还信贷的数量
①各类账户中未偿还贷款的数量；
②某些特别类型的账户中未偿还贷款的数量；
③有贷款余额的账户数；
④信用额度使用的比例（某类循环账户的贷款余额占信贷额度的比例）;⑤分期付款贷款中未偿还的比例。
(3)建立信用的时间
①开设信用账户的时间；
②某类特定账户开设的时间；
③账户活动的时间。
(4)新贷款的查询与获取
①近期开设账户的数量，近期开设的各种不同类型账户的比例；②近期信用查询的数量；
③近期不同类型账户开设的时间；
④近期信用查询的时间。
(5)已建立信用的类型
不同类型账户（信用卡、零售货款账户、分期付款、抵押贷款、消费贷款等）的数量。
最新个人信用等级评分表
注1：健康状况 良好=无住院记录；一般=非重大疾病住院记录；差=有重大疾病住院记录 注2：社会信誉指社会知名度、社会职务、影响力等 注3：信用评分的量化指标必须与面谈人员的主观评价相结合，因为评分体系不可能涵盖所有因素，所有这部分得分必须完全由面谈人员根据与贷款申请人的接洽（包括气质、谈吐、素养、礼貌、思路、衣着等）给出。 信用分数对应的信用级别：
说明： 1、A级：表示债务人能够极好的债务安全保障。尽管各种各样的债务保护因素可能发生变化，但这些变化不大可能损害债务人相当稳定的偿债能力。 2、B级：表示债务人能够提供很好的债务安全保障。他们比A级债务人的级别低，只是因为存在其他因素使长期风险比A级债务人稍高。 3、C级：表示债务人能提供较好的债务安全保障。但是，可能存在一些会对将来产生不利影响和损害的因素。 4、D级：表示债务人能够提供必要的债务安全保障。然而从长时期来看，可能缺乏一些保护因素或某些保护因素不可靠。 5、E级：表示债务人债务安全保障是不可靠的。他们承担债务的能力中等，不能很好地保证将来偿还债务，质量的不确定性是这一等级债务的突出特征。 6、F级：表示债务人债务安全保障较差。从长期来看，他们按时偿付债务的能力可能不充足。 评分依据： 一、婚姻状况 已婚且夫妻关系好的客户，会比单身者更具有稳定性， 二、技术职称 是客户工作能力的见证。相对来说，有各等级工程师、经济师、会计师、优秀教 师等职称的借款人，往往信用较好。 三、工作状况 稳定性较高的行业从业人员也可以获得加分。如公务员、教师、医生以及一些效 益好的企业员工，时尚行业和媒体人士由于具有较强的消费能力，评级也会偏上。“餐 饮娱乐业的从业人员，获得高评级的可能性较小。” 四、经济能力 个人收入证明提供详细、收入稳定、收入增长有长远性展望的人士，都会得到比较高的评级。
个人信用评估方法比较分析 摘要：个人信用评估制度是个人信用制度中的一个重要组成部分，建立科学的个人信用评估体系是建立个人信用制度体系的核心问题。随着我国经济的发展和经济运行中不确定性的增强，信用评估在经济中的作用和地位越来越重要。如何建立一个规范化并和国际接轨的个人信用制度体系已成为一个亟待解决的重要课题。本文介绍了个人信用评估的方法及其比较分析。 关键词：信用评估评估模型神经网络评估系统 正文： 一．何谓个人信用评估及其内容 目前的个人信用评级方法，就是在对个人资信状况全面考察的基础上，根据统一的评级指标体系和相应的评级程序，对其在各种商业往来、合作中履行承诺条件的兑现状况，以及信誉程度所进行的全方位评价。此外，还必须实时监控影响个人信用质量的重大事件，及时调整对个人的信用评级结果。一般认为，不同的等级符号代表了不同的违约概率。 1.个人信用评级指标： （1）人基本情况 （2）个人资产规模和质量 （3）个人偿债能力 （3）个人盈利能力
（4）个人信誉状况 （5）个人发展前景 2. 个人信用评级理念 （1）定性与定量分析相结合，以定性分析为主，定量分析作为定性判断的重要依据。定量与定性都量化为分值，并与级别相对应。 （2）注重分析个人信用记录，对个人的信用品质予以重点关注。 （3）注重个人的还贷风险分析--对个人抵押物、固定资产、金融资产、无形资产、个人所在单位及其所处行业均进行深入调查和分析。 （4）注重个人现金流量分析，判断个人偿还债务本息的能力。 （5）进行个人财务报表数据真实性分析，在与个人沟通的基础上采用实际合理的数据。 二．个人信用评估模型的的种类及其比较 当前，我国个人业务的飞速发展使商业银行积累了一定量的数据，商业银行纷纷进行数据集中，建立数据仓库，开始应用数据挖掘技术建立科学的个人信用评估模型，进面建立完善的个人信用评估机制，以降低个人信贷业务成本和风险。但是我国银行业在个人信用评估模型的建立和应用方面仍处于起步阶段，对各种方法建立的个人信用评分模型的准确性和适用性的研究还有待深入。最常用的评估模型有以下几种。 1.神经网络 2.Logistic回归法
商业银行个人信贷信用评分模型的构建与应用 刘莉亚 上海财经大学金融学院 摘要：面对全球经济、金融一体化的现实背景以及随之而来的白热化竞争态势，个人信贷业务将是我国银行业目前及未来发展的关键领域。为此，文章首先从借款人、贷款方案、贷款投向和风险缓释四个要素出发，构建了一套产品水平的信用评分模型的整体分析框架，并将该框架具体应用于个人住房贷款产品；在此基础上，考虑到我国银行业的发展现状与评分模型的可实施性，设计了一个根据专家判断法的评分结果和定量模型法的评分结果进行相互校验的混合型个人住房贷款信用评分模型，并基于所收集的某股份制商业银行的样本贷款数据进行了部分验证工作，同时指出下一步的研究方向。 关键词：住房贷款信用评分模型；专家判断法；定量模型法 一、引言与文献回顾 从历史的视角来看，我国银行业最初是以对公业务为主，其特点是机构客户数量较少、资金规模大、参与的银行业务人员也较少。然而，面对经济全球化和金融国际化的激烈竞争，特别是随着外资银行的不断进人，极大地加剧了银行产品和服务竞争的白热化。因此，对私业务，即个人信贷业务这一发达国家银行的重要基础业务和利润支柱将成为我国商业银行今后发展的重点领域。个人信贷业务，例如房贷、车贷、信用卡消费及其他个人消费贷款，其特点是单笔业务的资金规模小、业务复杂且数量大，因此如继续沿用传统的人工审批方法，则必将占用银行大量的业务人员，增加成本，降低效率，从而影响银行竞争力，同时也不符合全球银行业的发展趋势。 在国外已经发展了50年的信用评分是以计算机技术为核心的，以取代人力为特征的大规模自动化处理方法，是发达国家普遍采用的能够有效控制风险、降低业务人员数量、极大提高审批效率的商业银行革命性措施之一。因此，构建个人信贷信用评分模型对银行开展个人消费信贷业务有重要作用。 最初的信用评分是由评级人员依个人经验进行主观评价，之后发展到3C评价(品德、能力、担保)和5C评价(品行、能力、资金、条件和抵押担保)。这些多数是主观、定性的评价方法。为了降低信用评分中的主观因素，越来越多的定量评估方法被采用。这些方法主要包括：判别分析、Logistic回归模型、线性规划法、神经网络法和分类决策树法。 银行常常采用某种统计方法建立个人信用评分模型，至于具体采用何种方法则取决于不同方法对不同问题的预测精度以及建模人员的知识及偏好。线性判别分析是第一个用于信用评分模型的简单参数回归模型，而Logistic回归方法则是信用评分的一种常用方法，在预测二分性结果上，Logistic是一种准确性最高的技术。此外，其他的一些学者将一些非参数统计模型，如K—近邻判别、分类树应用于信用评分。
个人信用等级评定 个人信用等级评定的主要内容包括： （一）信用等级划分标准 与企业信用等级评定相似，个人的信用等级是对个人借款人的还款意愿、还款能力的综合度量，通过基于评估指标体系的积分进行划分，依信用度高低划分AAA、AA、A、BBB、BB和B级： 1.AAA级。综合得分90以上，客户的收入水平很高，偿债意愿很强，社会地位很高，家庭环境非常优越，一般可获得60万元额度的贷款。 2.AA级。综合得分在80分至89分，客户的收入水平高，偿债意愿强，社会地位高，家庭环境非常优越，一般可获得10万的贷款授信额度。 3.A级。测评得分在70至79分之间，客户的收入水平高，偿债意愿较强，社会地位较高，家庭环境比较优越，一般可获得5万元贷款的授信额度。 4.BBB级。得分在60至69分之间，客户的收入水平中等，有偿债意愿，有一定社会地位，家庭环境良好，一般可获得1万元贷款授信额度。 5.BB级。得分在50至59之间，客户的收入水平一般，有一定偿债意愿，社会地位一般，你家庭环境一般，一般只能获得5000元授信额度。 6.B级。得分在49分以下，客户的收入水平较低，偿债意愿不强，社会地位较低，家庭环境较差，一般只能获得3000元授信额度。 （二）信用等级测评方法 1.资格。借款人是否符合贷款对象要求；是否有隐瞒事实套取银行贷款及恶意透支行为；是否遵纪守法以及借款人诚实守信程度、对银行和其他债权人的还款记录等。 2.能力。包括借款人年龄、学历、职业、职务、职称等。 3.收入。包括借款人本人和家庭年收入、家庭人均收入、家庭负债总额、与家庭年收入额比重、月还本付期占家庭月收入的比重等。 4.环境。包括借款人单位的行业性质、经营状况和发展前景、借款人在现职年限等。 5.与银行的关系。包括是否为贷款银行客户、在银行贷款情况、借款人与银行的关系、借款人的信誉记录等。 6.测评指标。
基于电子商务活动的交易主体个人信用评价指标体系及表示规范
————————————————————————————————作者：————————————————————————————————日期：
基于电子商务活动的交易主体 个人信用评价指标体系及表示规范 Transaction Subject Based Upon Electronic Commerce Activity The Specification for Personal Credit Assessment （征求意见稿） 目次 前言.................................................. 错误!未定义书签。 1............................................................................................................................................. 范围1 2.......................................................................................................................... 规范性引用文件1 3..................................................................................................................................术语和定义1 4......................................................................................................................................评价原则2 5......................................................................................................................................评价要素2 6......................................................................................................................................评价指标3 7.............................................................................................................................. 网络信用标识5
Ａ Ｂ Ｃ Ｄ Ｅ １项 目 本月 累计 本年计划 占收入计划（％） ２１消费税３２５３２５４１４３７．８４３２增值税２２３２２３２６４３８．４４４３营业税 ２４５２４５３０８７７．９４５４专项调节税３３３３３３４３９２７．５８６５个人所得税２６０２６０３０１８８．６１７６证券交易税１７０１７０１８９２８．９９８７遗产税 １０６１０６１４３９７．３７９８土地增值税６５６５６３５１０．２４１０９企业所得税 １８７１８７２１６３８．６５１１其中：集体 ７５７５９０２８．３１１２私营５７５７６３７８．９５１３其他 ５５５５６２４８．８１１４１０城乡维护建设税２０７２０７２０３７１０．１６１５１１车船税２６９２６９１８８４１４．２８１６１２房产税１６５１６５１７６４９．３５１７１３屠宰税１３８１３８２６１９５．２７１８１４资源税 １２６１２６１８３０６．８９１９１５土地使用税４９４９１０８０４．５４２０１６印花税 １２０１２０２４９３４．８１２１１７滞纳金及补税罚款１７１７３９６４．２９２２ 收入合计 ３００５３００５３７５１５８．０１ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! １引言 １．１个人征信相关概念 个人征信，是指第三方中介机构（即征信机构）把分散在不同授信机构、司法机构、行政机构等社会各个方面的个人信用信息通过合法手段进行采集、加工、存储到一个或若干个数据库中，进而形成个人信用档案，让授信机构在授信决策时能方便、快捷地查询到完整、真实的信用信息和信用评分。个人征信体系是一个庞杂的系统，它由一 整套个人征信制度和方法，以及个人征信主体、手段和产品构成，是与个人征信有关的业务和活动的总称，主要包括个人信用信息基础数据库、征信相关的法律法规、征信服务机构、信用产品市场、政府监督管理和诚信教育６个方面内容。其中建立标准化的个人信用信息基础数据库系统是个人征信体系建设的核心，开发有效可靠的信用等级评估产品、建立个人信用评估机制是个人征信体系建设的目标，这将有助于对个人进行客观、科学的信用状况分析，是降低银行信贷风险、稳定金融秩序、促进经济增长的关键所在。 １．２国内外征信业发展现状 从国际经验看，征信系统的构建主要有３种模式，而这３种模式的共同特点是都建有集中管理的全国性甚至跨国性数据库。（１）美国模式：也称市场型模式，其信用体 个人征信系统数据仓库与信用评估模型的构建 黄岚１，张晓晖２，殷树友２ （１．吉林大学计算机科学与技术学院，长春１３００１２； ２．长春金融高等专科学校，长春１３００２２） ［摘要］建立、健全个人征信体系有助于降低信贷风险、稳定金融秩序和促进经济增长。随着个人信用信息数据量的增多以及对数据分析需求的加大，构建个人信用信息数据仓库，利用多维数据分析和数据挖掘等技术，开发信用评估等增值产品将会是个人征信体系发展的必经之路。 ［关键词］个人征信系统；数据仓库；信用评估；信贷风险决策；数据挖掘；智能算法［中图分类号］Ｆ８３０．５８９ ［文献标识码］Ａ ［文章编号］１６７３－０１９４（２００７）０６－００６０－０５ ［收稿日期］２００７－０３－２３ ［基金项目］吉林省科技发展计划项目资助（２００５０６０３－２） ［作者简介］黄岚（１９７４－），女，江西临川人，吉林大学计算机科学与技术学院副教授，博士，主要从事计算机应用研究工作。 运行上述程序得到的结果如下表４所示。 表４ 某市税务局税收数据汇总表 中国管理信息化 ＣｈｉｎａＭａｎａｇｅｍｅｎｔＩｎｆｏｒｍａｔｉｏｎｉｚａｔｉｏｎ ２００７年６月第１０卷第６期 Ｊｕｎ．，２００７Ｖｏｌ．１０，Ｎｏ．６
评级技术基础规范之六编码：P-J-B-0006 信用评级模型 （2012年11月版）
信用评级模型 （2012年11月版1） 信用评级模型是以企业经营和财务信息、行业信息、宏观经济信息和市场信息为基础，运用统计分析、专家打分等手段，以量化方式测算受评对象信用风险的评级分析工具，是评级方法在数理统计操作层面的具体表现形式，也是信用评级机构评级技术的重要组成部分。中债资信通过学习、吸收国内外评级模型设计理念，并在征求专家顾问团信用风险建模领域专家意见的基础上，确定了目前采用的评级模型类型。中债资信评级模型力求体现中国企业信用风险特点，减少评级过程中的主观判断因素，提高评级结果的客观性、一致性和准确性。中债资信目前可使用的建模数据主要是发债企业数据和来自商业银行的信贷数据（以下简称“信贷数据”），发债企业数据包括经营数据和财务数据，但没有违约率数据；信贷数据包括借款企业的违约数据和大部分财务数据，但没有企业经营数据。基于可获得数据源及其质量，中债资信目前的评级模型为分行业的打分卡模型和二元选择模型。 一、经营与财务指标相结合的打分卡模型 以发行债券企业作为统计样本，以发债企业数据和信贷数据为主要数据源，选择合适的经营指标和财务指标，分行业建立打分卡模型。按照中债资信工商企业主体评级方法总论，对工商企业进行评级时，首先以经营风险和财务风险的综合平衡确定受评企业自身的个体信用等级，然后考虑外部支持等因素对企业自身个体级别进行调整，最终确定受评企业的信用等级。由于在同一行业内，不同经营风险程度的企业所能容忍的财务政策激进程度不同，因而经营风险对信用等级的影响程度存在显著差异。因此，在本评级模型中依据受评企业经营风险程度的高低对经营风险和财务风险赋以可变权重。此外，依据短板原理的评级思想，对弱势因素给予更高的权重以放大其对最终评级结果的影响。由于体现这一影响的调整过程具有明显的主观性，因此将此类调整以及其他难以量化的因素归类于模型外考虑因素。 在具体的模型设计中，相对应的采取分层建模思路：首先以线性加和形式得到经营风险模块得分和财务风险模块得分；然后根据经营风险得分情况确定两模块权重的分配，加权平均得到总分；最后根据其它难以量化的因素进行调整，得到最终对应级别。 具体模型形式如下： 1 2011年10月形成初稿并对外披露，2012年11月修订并正式发布。 - 1 -
个人信用评级指标 一、个人指标 个人指标主要描述个人的特征，从这些借款人的基本信息中，银行可以间接地了解到借款人的还款能力与还款意愿。个人指标主要包括： 1、年龄。年龄与借款人的收入能力和可支配财富有关。20岁以下的借款人，受其工作经验、学历程度等因素的影响，收入水平普遍较低，信用度最低，发生能力风险的可能性极大；20-30岁的借款人，随着工作经验和工作能力的不断提高，收入逐步上升，信用度随之提高；30-45岁的借款人，工作经验和工作能力处于人生的巅峰时期，收入水平最高、还款能力最强，发生能力风险的可能性最小；45-55岁的借款人，职业和收入相对稳定，随着年龄的增加，收入呈减少趋势，发生能力风险的可能性逐渐回升；55岁以上的借款人，大多数已离开工作岗位，收入水平下降，发生能力风险的可能性较大。 2、性别。一般认为女性的违约风险较小于男性。在我国，女性的法定退休时间比男性早5年，从实际情况看，女性在30-40岁的年龄区间收入水平最高，在35岁左右达到峰值；男性在35-45岁的年龄区间收入水平最高，在40岁左右达到峰值。因此，银行在能力风险分析中要考虑到性别的因素，适当加以调整。 3、婚姻状况。用于考察个人生活的稳定性。一般认为结婚的人生活更稳定，工作更勤奋，且大部分情况下，一个家庭有双份收入。有无子女也会影响到婚姻的稳定性，一般分为以下几种情况考虑：未婚、已婚无子女、已婚有子女、离异、其他。 4、受教育程度。按常规，受教育程度与收入水平成正比，受教育程度越高谋生手段越多，可工作的领域越广，则借款人的还款能力越强。包括：博士、硕士、大学、大专、高中专、初中及以下。 5、健康状况。良好的健康状况是稳定收入的保证，包括很好、良好、一般、差、很差。 6、单位类型。能体现收入稳定性和收入水平，便于评估借款人的还贷能力。我国目前的单位类型包括：机关事业单位、社会团体、国有企业、三资企业、上市公司、民营、私营、个体户和其他等。 7、行业情况。体现未来收入稳定性与收入水平。 8、职位或职称。体现收入水平和社会地位，这与薪酬制度有关。 9、就业年数及在现单位工龄。反映就业稳定性及收入能力。工作年限越短，收入的积累状况越差，反之，积累的收入较多。在现单位工龄越长如10年以上，借款人的就业稳定性越高，未来流动的可能性很小，信用度越高。在本职位工作年限较短如1以下的申请人提供前单位工作相关情况。 10、住房情况。一般认为住房情况可以反映借款人的稳定性，自有住房对应于较低的违约风险，并且必要时，可以作为抵押资产。住房情况一般包括：自置无按揭、自置有按揭、共有住宅、与父母同住、租用、集体宿舍、其他。 （二）经济指标 经济指标能够直接反映贷款申请人的还款能力! 主要包括： 1、个人月收入。这是反映借款人还款能力最直接的，也是最有效的指标。显然，个人月收入越高"收入的来源越稳定，还贷能力越强，违约风险越小。可以结合授信银行当地的经济水平划分为低收入、中等收入和高收入三个阶层。 2、家庭月收入。可以从另一个侧面反映还款能力。大部分情况下，个人代表家庭借款"因此还款来源可能来自家庭收入，这样"家庭月收入越高，则违约的风险越小。 3、家庭人均月收入，由于可能存在家庭成员多而导致家庭总的高收入，这个指标可以消除这种情况对银行审查的误导。 4、金融资产。包括股票、债券、存款、外汇、金银等，具有增值潜力和较强的变现能力，是充当质押或还款的有效来源。借款人持有的金融资产越多，说明其经济实力越强，还款能力越强。 5、其他资产。如遗产、自有车辆、除现住房外的其他房产等。可以考察借款人除第一收入来源以外的收入或者可支配财产。另外可以考察借款人的可抵押资产。 6、主要指商业保险。反映借款人抵抗意外事件的能力。我国居民投资理财型保险的可以认为具有较好的还款能力和意愿。 （三）信用指标 信用指标直接从过去的各种表现和行为反映借款人的还款意愿。主要包括： 1、是否有不良信用记录。主要考察借款人有无向银行贷款长期不还；有无信用卡透支久欠不还；有无
邮局订阅号：８２－９４６３６０元／年技术创新 金融电子 《ＰＬＣ技术应用２００例》 您的论文得到两院院士关注 徐向阳：讲师 基于聚类的个人信用评分模型研究 ＲｅｓｅａｒｃｈｏｎＰｅｒｓｏｎａｌＣｒｅｄｉｔＳｃｏｒｉｎｇＭｏｄｅｌｂａｓｅｄｏｎＣｌｕｓｔｅｒｉｎｇ （１．河南公安高等专科学校；２．河南师范大学）徐向阳 １ 葛继科 ２ Ｘｕ，ＸｉａｎｇｙａｎｇＧｅ，Ｊｉｋｅ 摘要：信用卡公司是一个服务性的金融企业，如何提高在服务过程中的服务质量，改进服务方法，使公司的决策更为准确及时，是信用卡公司追求的一个目标。本文介绍了神经网络方法及数据挖掘技术在信用卡公司对用户评分中的应用，对比分析了几种个人信用评分模型建模方法的特点，建立了一种决策树－神经网络个人信用评分模型，并针对该模型提出了一种近邻聚类算法，该算法在信用评分应用中可以得到较理想的结果。关键词：信用评分；神经网络；分类；聚类；决策树中图分类号：ＴＰ１８３ＴＰ３０１．６文献标识码：Ａ Ａｂｓｔｒａｃｔ：Ａｃｒｅｄｉｔｃｏｍｐａｎｙｉｓａｎｅｎｔｅｒｐｒｉｓｅｔｏｏｆｆｅｒｓｅｒｖｉｃｅｓｔｏｃｕｓｔｏｍｅｒｓ；ｉｔｉｓａｔａｒｇｅｔｆｏｒｃｒｅｄｉｔｃｏｍｐａｎｉｅｓｈｏｗｔｏｉｍｐｒｏｖｅｔｈｅｑｕａｌｉｔｙｏｆｓｅｒｖｉｃｅｓａｎｄｈｏｗｔｏｅｎｒｉｃｈｔｈｅｗａｙｓｏｆｓｅｒｖｉｃｅｓ，ａｎｄｈｏｗｔｏｍａｋｅｄｅｃｉｓｉｏｎｍｏｒｅｃｏｒｒｅｃｔｌｙａｎｄｊｕｓｔｉｎｔｉｍｅ．Ｔｈｉｓｐａｐｅｒｄｅ－ｓｃｒｉｂｅｓｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｔｈｅｃｒｅｄｉｔｃａｒｄｃｏｍｐａｎｙｆｏｒｄａｔａｍｉｎｉｎｇａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｔｅｃｈｎｏｌｏｇｙｗｈｉｃｈａｐｐｌｙｆｏｒｐｅｒｓｏｎａｌｃｒｅｄｉｔｓｃｏｒｉｎｇ．Ｃｏｎｔｒａｓｔｅｄａｎｄａｎａｌｙｚｅｄｓｏｍｅｏｆｐｅｒｓｏｎａｌｃｒｅｄｉｔｓｃｏｒｉｎｇｍｏｄｅｌ，ａｎｄｃｏｎｓｔｒｕｃｔｅｄａｄｅｃｉｓｉｏｎ－ｎｅｕｒａｌｎｅｔｗｏｒｋｐｅｒｓｏｎａｌｃｒｅｄｉｔｓｃｏｒｉｎｇｍｏｄｅｌ．Ａｔｌａｓｔ，ｉｔｇｉｖｅｓａＶｉｃｉｎａｇｅ－ＥｘｔｅｎｄｅｄＣｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ａｎｄａｎａｌｙｚｅｄｉｔｓｕｓａｂｉｌｉｔｙａｎｄｕｔｉｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ＣｒｅｄｉｔＳｃｏｒｉｎｇ，ＮｅｕｒａｌＮｅｔｗｏｒｋ，Ｃｌａｓｓｉｆｉｃａｔｉｏｎ，Ｃｌｕｓｔｅｒｉｎｇ，ＤｅｃｉｓｉｏｎＴｒｅｅ 文章编号：１００８－０５７０（２００６）０９－３－０２２９－０３ １引言 随着信用卡的出现和发展，银行及其他信用卡的发卡机构认识到了信用评分的作用及重要性。由于每天申请信用卡的人数众多，无论从经济的角度还是从人力的角度，发卡机构都不可能完全依赖人工对申请进行审批，必须有一套比人工主观判断具有更好预测能力的自动信用评分系统。 信用评分本质上是模式识别中的一类分类问题，将企业或个体消费者划分为能够按期还本付息（即＂好＂客户）和违约（即＂坏＂客户）两类。具体做法是根据历史上每个类别（如期还本付息、违约）的若干样本，从己知的数据中找出违约及不违约者的特征，从而总结出分类的规则，建立数学模型，用于测量借款人的违约风险（或违约概率），从而为消费信贷决策提供依据。 近几年，随着市场竞争的加剧以及计算机技术的发展，一些非参数统计方法以及人工智能模型逐渐被引入到个人信用评分模型中，如神经网络、专家系统、基因算法等均被应用到信用评分卡的开发之中。这些方法的引入在一定程度上克服了传统分析方法的综合分析能力差、缺乏整体概括能力的缺点，弥补了评价结果的一些不足。 神经网络技术（ＮｅｕｒａｌＮｅｔｗｏｒｋ，ＮＮ）是一种对数据分布无任何要求的非线性技术，它能有效解决非正态分布、非线性的信用评分问题，但它存在解释性差、训练样本集大和训练效率低等缺点。利用基于聚类的 分类信用评分方法可以有效克服神经网络技术在信用评分中存在的问题。 ２国内外常用信用评估方法 随着信贷业务需要，国内越来越多的金融机构以业务对象的个人信用记录作决策参考，或附以一些评分方法，但毕竟以主观经验为主。 国外已经有人做了大量的工作。提出了各种评估 模型：有ＦＩＣＯ评分模型、 神经网络模型、贝叶斯分析模型等等。采用了各种数学的、统计学的、信息学的方法等等。取得了一定的效果，特别是ＦＩＣＯ评分模型，更是在西方发达国家成为信用评分事实上的标准。 ２．１标准数理统计模型 表１美国不同行业常用信用评分模型 基于标准数理统计理论的信用评分模型是对大量的个人消费贷款的历史信用数据进行科学的归纳、总结、计算而得到的量化分析公式。在美国，不同的行业有不同的信用评分模型来帮助专业人士进行信用风险管理，如表１所示。 信用评分模型的关键是科学合理地选出信用变 ２２９－ －
基于层次分析法的个人信用评估体系 李立兵，曾志伟 河海大学，南京（210098） E-mail：libing_li2004@https://www.doczj.com/doc/9c11006485.html, 摘要：本文在层次分析法的基础上建立个人信用的评价指标体系对个人信用进行评估。关键词：层次分析法，评估指标体系，个人信用评估 从古到今，信用都不是孤立的概念，它必须依附于当时的经济、政治和文化背景，个人信用，是自然人个人的信用，是个人的无形资产，信用资产质量好，拥有良好的信用记录，则意味着更多的发展机会，更高的发展效率。个人信用问题已经是我国经济体制改革和发展中不可回避的重要问题。但是我国的个人信用体系还不完善，基本上属于空白。目前我国居民个人信用资料缺乏，他们能提供的信用证明文件只有身份证和户籍证明、所在单位的工作证明；在个人储蓄实名制实施以后，又增加了个人存单和实物资产。国内虽然已有相关机构对个人的信用进行评估，但是由于在评估定位、评估要素的选取以及评估手段方面的不足，使得个人信用评估结果的可信度大大降低。如何建立科学的个人信用评估方法、如何建立一个规范化并和国际接轨的个人信用评估制度体系已成为一个亟待解决的重要课题。本文选取个人资质评价指标情况、个人资产评价指标、家庭评价指标及个人的信用历史等一系列的指标，利用层次分析法来建立个人信用评估体系，对个人信用进行评估。 1. 层次分析法概述⑴、⑵、⑶ 层次分析法（Analytical Hierarchy Process，ＡＨＰ）是美国匹兹堡人学教授A. L. Saaty 于20世纪70年代提出的一种系统分析方法。它是一种能将定性分析与定量分析相结合的系统分析方法。其解决问题的基本思路和基本原理是：首先，把要解决的问题分层系列化，即根据问题的性质和要达到的目标，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层聚类组合，形成一个递阶的、有序的层次模型。然后，对模型中每一层次因素的相对重要性，依据人们对客观现实判断给予定量表述，再利用数学方法确定每一层次全部因素相对重要性次序的权值。最后，通过综合训算各因素相对重要性的权值，得到最低层(方案层)相对最高层(总日标)相对重要性次序的组合权值，以此作为评价和选择方案的依据。 层次分析法处理问题的基木步骤简述如下：①确定评价目标，再明确方案评价的准则。根据评价目标、评价准则构造递阶层次结构模型。递阶层次结构模型一般分为3层：目标层、准则层和方案层；②应用两两比较法构造所有的判断矩阵。具体如下： 1.1 建立判断矩阵 对本级的要素进行两两比较来确定判断矩阵A的儿素，a ij是要素a i对a j的相对重要性其值是由专家根据资料数据以及自己的经验和价值观用判断尺度来确定判断尺度表示要素要素a i对a j相对重要性的数量尺度。采用的判断尺度见表１。
商业银行个人信贷信用评分模型的构建与应 用 摘要：面对全球经济、金融一体化的现实背景以及随之而来的白热化竞争态势，个人信贷业务将是我国银行业目前及未来发展的关键领域。为此，文章首先从借款人、贷款方案、贷款投向和风险缓释四个要素出发，构建了一套产品水平的信用评分模型的整体分析框架，并将该框架具体应用于个人住房贷款产品；在此基础上，考虑到我国银行业的发展现状与评分模型的可实施性，设计了一个根据专家判断法的评分结果和定量模型法的评分结果进行相互校验的混合型个人住房贷款信用评分模型，并基于所收集的某股份制商业银行的样本贷款数据进行了部分验证工作，同时指出下一步的研究方向。 关键词：住房贷款信用评分模型；专家判断法；定量模型法 一、引言与文献回顾 从历史的视角来看，我国银行业最初是以对公业务为主，其特点是机构客户数量较少、资金规模大、参与的银行业务人员也较少。然而，面对经济全球化和金融国际化的激烈竞争，特别是随着外资银行的不断进人，极大地加剧了银行产品和服务竞争的白热化。因此，对私业务，即个人信贷业务这一发达国家银行的重要基础业务和利润支柱将成为我国商业银行今后发展的重点领域。个人信贷业务，例如房贷、车贷、信用卡消费及其他个人消费贷款，其特点是单笔业务的资金规模小、业务复杂且数量大，因此如继续沿用传统的人工审批方法，则必将占用银行大量的业务人员，增加成本，降低效率，从而影响银
行竞争力，同时也不符合全球银行业的发展趋势。 在国外已经发展了50年的信用评分是以计算机技术为核心的，以取代人力为特征的大规模自动化处理方法，是发达国家普遍采用的能够有效控制风险、降低业务人员数量、极大提高审批效率的商业银行革命性措施之一。因此，构建个人信贷信用评分模型对银行开展个人消费信贷业务有重要作用。 最初的信用评分是由评级人员依个人经验进行主观评价，之后发展到3C评价(品德、能力、担保)和5C评价(品行、能力、资金、条件和抵押担保)。这些多数是主观、定性的评价方法。为了降低信用评分中的主观因素，越来越多的定量评估方法被采用。这些方法主要包括：判别分析、Logistic回归模型、线性规划法、神经网络法和分类决策树法。 银行常常采用某种统计方法建立个人信用评分模型，至于具体采用何种方法则取决于不同方法对不同问题的预测精度以及建模人员的知识及偏好。线性判别分析是第一个用于信用评分模型的简单参数回归模型，而Logistic回归方法则是信用评分的一种常用方法，在预测二分性结果上，Logistic是一种准确性最高的技术。此外，其他的一些学者将一些非参数统计模型，如K—近邻判别、分类树应用于信用评分。 近年来在信用评分领域也开始尝试引入神经网络方法，Desai等和West等人都使用神经网络技术来构造个人信用评分模型。通过实证分析，他们验证了在各种变量间呈现复杂的非线性关系的情况下，神
第六章信用评价体系学习目标： 1. 了解信用评价的特点和地位； 2. 了解信用评价指标和标准； 3. 掌握个人和企业信用评价的方法； 4. 对构建科学的信用评价体系问题进行相关思考。学习重点： 掌握个人和企业信用评价的方法 学习难点： 信用评价指标和标准 第一节信用评价概述 一、信用评价的特点 （一）全面性 （二）公正性 （三）监督性 （四）服务性 二、信用评价的作用 （一）信用评价在市场经济中的作用 （二）信用评价对企业的作用 （三）信用评价对个人的作用 三、信用评价方法 （一）“5C”评价法 （二）“5W”评价法 （三）CAMPARI评价法 四、信用评价流程 （一）确定评价目标 （二）确定评价指标体系 （三）收集数据 （四）进行评价 （五）提出信用报告 第二节信用评价机构一、信用评价机构的作用 （一）信用评价机构的信用风险度量作用 （二）信用评价机构的风险检测作用 （三）信用评价机构的信用风险预警作用 （四）信用评价机构的信用资源整合作用 二、信用评价机构的工作程序 三、国际信用评价机构简介 四、我国信用评价机构的发展现状
第三节信用评价指标及标准一、信用评价指标体系的设计 （一）信用评价指标的分类 （二）信用评价指标的设计原则 二、信用评价标准 （一）计划（预算）标准 （二）历史标准 （三）客观标准 （四）经验数据标准 三、个人信用评价指标体系的设计 （一）个人信用评价指标 （二）个人信用评分表的编制 （三）个人信用评价标准 （四）个人信用评价中应注意的问题 四、企业信用评价指标体系的构建 （一）管理者基本素质评价指标 （二）企业基本素质评价指标 （三）财务状况评价指标 （四）企业创新能力指标 （五）企业成长和发展能力指标 第四节信用评价的技术与方法一、个人信用评价方法 （一）主观判断法 （二）信用记分制 （三）模型评价法 二、企业信用评价方法 （一）A记分模型 （二）Z记分模型 （三）营运资产信用评价模型
商业银行个人信用评分系统的优化研究 随着经济和技术的快速发展,各类信用消费纷纷涌现,信用社会逐渐形成,我国步入了信用时代。在这一时代背景下,商业银行的个人信贷产品种类也不断丰富,个人消费信贷规模迅速增长,如何开展有效的个人信用评分,做好信用风险管理就显得尤为重要。 个人消费信贷所带来的个人信用风险具有分散性、普遍性、非系统性等特点,已经成为商业银行最难控制管理的风险之一。个人信用评分系统通过充分挖掘历史信用样本的有效信息,对影响个人消费信贷中个人信用的主客观因素进行综合考察,能够对个人信用风险做出预测判断,是指导商业银行个人信用风险管理的重要工具之一。 因此,本文以商业银行个人信用评分系统为研究对象,阐明了个人信用评分系统在促进信贷资源有效配置上的重要作用,并以此为出发点,提出个人信用评分系统的优化目标,有针对性地对个人信用评分系统进行优化。本文从商业银行个人信用评分系统构成的角度总结并梳理了国内外的相关研究,在此基础上对相关概念进行了界定,明确了个人信用评分系统的优化目标,运用博弈论分析了商业银行个人信贷业务中的博弈关系,进而从理论层面明确了个人信用评分系统优化的关键问题,包括缺少宏观指标及指标冗余问题、拒绝推论及样本容量问题、信用评分模型的选择问题、违约损失及信用等级问题,针对这些关键问题,全面地优化了个人信用评分系统。 首先,针对个人信用评分指标体系中存在的缺少宏观指标及指标冗余问题,本文从形成有效且完善的信用评分指标体系的角度出发,分析了影响个人信用的主要因素,提出了影响个人信用的宏观经济因素,并基于结构方程模型验证了宏
观经济因素对个人信用的影响,提取了有效的宏观经济指标;设计了PSO-CFS算法对个人信用指标体系进行属性约简,解决指标冗余问题,提高了系统的评分精度,同时也有利于商业银行有针对性地进行信用调查和管理。其次,针对个人信用评分样本集中存在的拒绝推论及有效样本容量不足两个关键问题,本文从构建具有代表性的个人信用评分样本集的角度出发,提出采用案例推理方法引入拒绝样本来解决拒绝推论问题,并针对案例推理方法中案例检索和案例重用假设的不合理性,对案例推理方法进行了优化,设计了优化的案例推理模型,提高了案例推理对拒绝推论问题的解决能力;采用蒙特卡洛模拟生成有效的信用样本,增加样本集中有效样本的数量,进而构建了更能代表样本总体的个人信用评分样本集。 再次,针对个人信用评分模型中存在的模型的选择和优化问题,本文从建立精确的个人信用评分模型的角度出发,对现有的多种单一模型进行研究分析,阐明各个单一信用评分模型的优点及局限性,并在此基础上建立基分类器池;分别以精度、差异度和误判损失率为选择标准,考虑基分类器之间的互补性和差异性,设计全局搜索算法输出最优分类器子集;通过比较,选择了行为知识空间法作为基分类器的融合方法,最终根据商业银行信用风险管理需求实现最优组合模型的输出。最后,本文针对个人信用评分系统应用中存在的忽略违约损失及缺少信用等级细分这两个关键问题,对个人信用评分中的违约损失率进行了界定,明确了个人信用评分中违约损失率的计算方法,以“信用等级越高,违约损失率越小”为基本原则,构建了基于违约损失率的信用等级划分模型,并以我国商业银行个人信用样本集中的样本进行了实证,建立了9级个人信用等级模型,对各个级别的贷款用户特征进行了总结,简单阐明了商业银行对于不同等级客户所应采取的主要信用风险管理策略,完成了对贷款申请者信用等级的有效细分,加强了系统在
个人信用评分模型构建以及个人欺诈评分模型构建 —、个人信用评分概念 个人信用评分又称“消费者信用评分”，是预测信用申请人或现有借款人违约可能性的一种统计方法。它通过对消费者的人口特征、信用历史记录、行为记录、交易记录等大量历史数据进行系统的分析，利用统计方法及其他定量方法挖掘数据中蕴含的行为模式和信用特征，开发出预测性模型，用以对消费者未来的信用行为进行预测。 有很多信用记录会明显影响个人信用评分，如延迟付款额度变化、拖延付款时间的严重程度、信贷账户数目增减、信贷余额变化、账龄、最近的查询记录等。当个人信用评分模型工作时，它会从个人信用档案中抽取不同因素来评价消费者的信用状态，一旦信用记录中有瑕疵出现，评分模型就会度量出瑕疵的大小，直接从现有的分数中扣除, 从而使信用评分的分值减小一些。 信用评分及其自动化的操作加速了整个信贷决策过程，申请人可以更加迅速地得到答复，提高了操作的效率。据美国消费银行协会的最新一份资料，以前不使用信用评分，小额消费信贷的审批平均需要12小时，如今使用信用评分和自动处理程序，这类贷款的审批缩短到15分钟。使用信用分后，60%的汽车贷款的审批可以在1小时内完成。信用卡的审批只要一两分钟，甚至几秒钟。 二、个人信用评分模型构建 (一）“信用评分卡”的概念 在了解个人信用评分模型之前，需要了解“信用评分卡”的概念。在消费者信用评分过程中，信用评分卡是一种表格，由描述借款人状况的各个特征变量的不同取值对应的信用分值所组成。使用信用评分卡可以计算不同借款人的信用评分分值。典型的信用评分卡见表4-1。 □第四章个人征信业务 一个贷款申请人的状况如下：在现岗位工作时间为12个月，租房住，同时拥有活期存款账户和储蓄存款账户，尚无信用卡，职业为销售人员，年龄24岁。因此，通过表中所给的数据，可以算出该人的信用评分分值为：14+19+31 + 11 + 18 + 19 = 112。 (二）建立信用评分模型的过程 一个人信用评分模型的建—立是市场分析人员、风险管理经理、统计—学家、数据库管理人员和计算机程序员等多个领域的专家综合协调的结果。为了保证个人信用评分模型的顺利开发和应用，必须对建模过程的每个部分进行仔细的设计和计划。通常，建立信用评分模型的过程一般包括以下几个部分：
59 中国信用卡 2009.3一、个人信用评分系统概述 1．个人信用评分的现实意义 （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。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水平都可能有所不同，这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，每个突破都会给银行带来较大的利润增长。这三个突破是信用评分、自动化管理系统和决策优化。 （2）缺少个人信用评分技术是制约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）进行消费信贷的风险评估。 2．个人信用评分的原理 个人信用评分是建立在个人信用信息数据库系统的基础上，运用数理统计学原理，找出可能影响消费者未来信用风险和价值的各种因素，并配以不同权重，进而建立特定的数学模型，并借助计算机技术对个人信用信息进行量化评估的方法（即数理统计+模型+计算机+文化内涵）。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。 二、个人信用评分系统的现状及其原因分析 1．个人信用评分系统的现状 按照党中央、国务院的指示，中国人民银行于2006年组织建成了全国统一的企业和个人信用信息基础数据库。到2007年底，该数据库分别为全国13 700多万户企业和近6亿自然人建立了信用档案。现在贷款买房买车，或者是申请信用卡，商业银行都会查看申请人的信用档案，了解申请人的信用记录。个人信用数据库已经为各金融机构累计提供了超过1亿人次的个人信用报告查询服务，而这一数据是逐渐累积起来的。2007年最后一个月，个人信用数据库平均日查询量为30多万笔，其中最高一天近60万笔。但总体而言，由于我国个人信用数据的收集汇总才刚刚开始，建立和完善个人信用评估体系还存在诸多亟待解决的问题。 2．目前存在的主要问题 一是缺乏与个人信用评估相关的资料。目前，个人信用信息基础数据库已基本实现全国联网，但这只是各商业银行历史信用数据的汇集，没有包含工商、税务、法院、保险等信息，不能保障信用数据的完整性。 二是缺乏对个人信用信息的综合有效评价。我国的个人信用管理起步比较晚，目前还处在个人信用信息的汇总阶段，没有建立科学的评估标准和评估方法，缺乏对评估指标及其权重的理论和实证研究。 三是缺乏专业的个人信用评估机构。由于我国的金融市场体系是银行主导型，中国人民银行在建立健全信用评 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而计算得出信用分值，以反映个人客户的信用状况。一般而言，信用分数越高的客户信用风险越低，信用分数越低的客户信用风险越高。个人信用评分系统广泛应用于个人信贷、信用卡、保险理赔等金融业务中，为信用政策的制定、分析、评估和优化提供量化支持。 个人信用评分系统应用现状与展望 中国人民银行南京分行营业管理部 尤晓明