我國個人信用評分的發展趨勢

摘要:隨著經濟的飛速發展和新巴塞爾資本協議在全球迅速推進，我國個人信用評分的重要性日益加強。由于個人信用的動態變化、信用評分目的轉變，采用動態信用評分方法勢在必行。

關鍵詞:信用評分;動態模型;個人信用;風險分析

中圖分類號:F830.49 文獻標識碼:A

信用評估是政府、金融機構、企業界以及學術界都高度關注的問題。信用評分模型作為信用風險管理的基礎和核心，無論是對于建立社會征信體系還是對于金融機構的信貸資產管理，都有著不可替代的作用。在英美，信用機構認為成人平均至少每周接受一次信用評分，個人信用被稱為個人的“第二身份證”。盡管發達國家建立了較為完備信用評價體系，但是因信用而產生的經濟損失問題卻時有發生。近年來，隨著我國經濟的飛速發展，住房按揭、汽車貸款、信用卡等信用消費日益增加，個人信用評分的重要性日益加強。

目前，我國正在積極推進巴塞爾新資本協議(The Basel 2 accord)的實施，并頒布了《新資本協議實施指導意見》，要求大型商業銀行(開行、工中建交、招行和浦發行)，從2010年底起開始實施新協議，其他自愿實施新資本協議的商業銀行可以從2011年后提出申請。我國銀行尤其缺乏對信用風險進行量化的分析能力，缺乏適合中國國情的信用風險量化分析模型，這對于我國商業銀行在國際上的競爭地位是不利的。因此，建立新型的風險管理和評定體系工作已迫在眉睫。信用評分是建立新型風險管理體系，保障銀行業務運作健康流暢的基礎性工作之一。我國在信用評價方面遠遠滯后于發達國家，在銀行新型商業模式、新型風險維度下，銀行業機遇與風險同在，要抓住機遇，規避風險。

一、 個人信用評分發展回顧

信用評分是運用數學優化理論(包括統計方法、運籌方法等)，依照既定原則或策略(損失最小原則或風險溢價原則)，在數據分析決策階段區分不同違約率水平客戶的方法。根據客戶的信用分數，授信者可以分析客戶按時還款的可能性。據此，金融機構可以決定是否準予授信以及授信的額度和利率。

20世紀40年代末，美國一些銀行開始信用評分的試驗，60年代末信用卡的出現使銀行和信用卡發行機構意識到信用評分的重要作用，70年代《平等信用機會法》(the Equal Credit Opportunity Acts， ECOA， 1975，1976)的實施使信用評分在美國被完全接受。信用評分也從最早單憑經驗的方法(Rule of thumb)如“3C”、“5C”、“5P”、“LAPP”等，發展到基于統計學和運籌學的貝葉斯判別、線性判別分析(LDA)、Logistic回歸、遞歸判別、分類回歸樹(CART)、多元自適應樣條回歸、非參數方法、數學規劃方法等，近年來隨著計算機和人工智能的發展，涌現出了很多基于數據挖掘和人工智能的信用評分方法如聚類分析、粗糙集、近鄰方法、神經網絡、支持向量機、專家系統等。

各種方法各有利弊，就相對精度來說，支持大樣本的神經網絡方法和支持小樣本的支持向量機方法效果較好，并且不需要統計假設。為了提高評分準確率，學者們還提出來大量的混合方法，在這里不一一列舉。金融機構和企業在信用風險評估方面投入了大量的人力和財力，開發出了一些較為成功的信用評分系統如KMV模型、CreditMetricsTM、CreditRisk+等。發達國家還有專門從事信用評分的中介機構(如Experian、Equifax、Transunion)和信用評分公司(如FairIsaac)。這些國際權威的評分機構采用了定性分析和定量分析的方法，但是以定性分析為主，定量分析為定性分析服務，不可避免帶有一定的主觀性。

80年代對信用卡客戶進行信用評分的成功，使銀行開始對個人貸款、住房貸款和小額商業貸款進行信用評分。

二、實施動態信用評分的必要性

目前，我國正在積極推進巴塞爾新資本協議的實施。新資本協議提出用標準法和內部評分法處理信用風險。標準法以1988年協議為基礎，通過外部評級機構評分，但對包括中國在內廣大發展中國家來說，在相當大的程度上，使用該法的客觀條件并不存在。發展中國家國內的評級公司數量很少，也難以達到國際認可的標準;已獲得評級的銀行和企業數量有限，評級的成本較高，評出的結果也不一定客觀可靠。因此目前只能采用內部評分法的高級法——銀行自己計算風險要素值。

由于個人信用的動態變化、銀行評分目的的轉變，靜態評分模型已經不能滿足要求，有必要研究和實施動態信用評分方法。事實上，可以用于信用評分的信息有兩部分，一是申請客戶的個人社會信息，二是客戶的還款和交易信息。目前絕大多數的信用評分是根據申請客戶的個人社會信息進行，也就是所謂的靜態評分，由于沒有充分利用已有信息，必然導致評分不準確。由于評分依據客戶的動態信息，相對于根據客戶申請資料的動態評分，我們稱之為動態信用評分(Dynamic Credit Scoring)，它包含了行為評分(Behavior Scoring)、贏利評分(Profit Scoring)盈利和其它反映客戶動態信息的評分方法。動態評分是根據客戶的當前和最近的信息更新客戶的信用風險評分，描述行為的信息一般是客戶一段時間內(一般是6-12個月)的交易記錄，常用的變量包括賬戶余額(levels of balance)的均值、最小值、最大值、中值，還款次數(credit turnover)、逾期次數(debit turnover)等[1]。有些模型也包含了客戶的個人特征。動態信用評分根據客戶的申請資料和交易記錄(repayment and ordering history)預測客戶的未來表現。貸方可以依據動態信用評分結果決定客戶的信用額、是否派送新產品以及客戶賬戶情況欠佳時如何挽回損失。

(一) 個人信用動態變化

個人信用評分本質上是在表述一個人的違約概率，但利用個人的申請資料得到的評分是一個靜態的、對個人信用情況的一個基本判斷，只適用于對其第一次進行信用消費的申請進行判斷。但得到信用消費許可后，個人的信用情況會不斷變化，這時就要求對其信用消費行為進行跟蹤，不斷追加新信息，并據此得到動態的信用評分。動態信用評分對人信用度的評估要比僅依靠申請資料得出的評估結果準確得多，并且可以預防信用欺詐行為。

我國正處在經濟高速發展的階段，人群特征變化很快。經濟環境、人口結構和生活方式的變化會導致潛在信用消費人群和信用觀念的改變，使得樣本人群的范圍和特質發生變化，使原有評價結果與現實情況不符，因此需要及時調整。如美國花旗銀行注重申請人的住所信息，中國一些銀行注重申請人的婚姻狀況、健康狀況、文化程度等，這些因素會發生變化，尤其是住所、婚姻狀況、健康狀況。基于模型的實證研究也表明這些因素確實在個人信用評分中起重要作用[2]。收入對個人的信用也有影響，對于自由職業者，收入可能會突然變動。動態信用評分還可以通過一定時期的數據，對捏造申請資料的客戶進行識別。

宏觀經濟運行的周期性影響消費者的收入水平，從而影響消費者的信用。經濟衰退時，部分消費者可能因失業靠信用卡貸款維持生計，更多的可能由于工資水平下降或失業無力償還欠款。經濟衰退產生的風險無法通過大數法則化解和分攤，造成銀行壞賬損失普遍上升。受經濟衰退的影響，2000、2001年美國信用卡業平均壞賬率上升0.72%和0.64%。Crook等分別用經濟形勢較好時(1989年)和經濟形勢惡化時(1989)的數據建立模型，對同一組客戶的評分結果差別顯著[3]。經濟形勢不是影響風險行為的唯一因素，1995-1997年美國經濟持續上升，但是客戶違約也大規模提高，Zandi 認為是銀行降低了臨界水平所致。同時，Zandi用包含領取失業救濟在內的經濟形勢變量進行回歸分析，結果表明經濟形勢確實對客戶違約有顯著影響[4]。

(二) 銀行獲利的需要

20世紀90年代以來，金融機構的經營觀念已從風險最小化轉為利潤最大化[5]。違約率和利潤的影響因素不同，實現利潤最大化并不是重新定義客戶的信用好壞就可以實現的。影響違約率的因素有是否接受客戶、信用額、違約恢復(default recovery decision)等，而影響利潤的有市場營銷、服務水平、定價等，盈利評分意味著幾乎所有的銀行決策都要考慮[6]。

考慮某個客戶是否能給貸方帶來利潤時，要用客戶的近期行為估計將來一段時期的信用水平，而不是某個時刻。盈利評分模型要能夠預測客戶的動態分值或拖欠狀態，也要對客戶貸款資產組合有多少會違約進行估計，以便進行信貸損失準備(debt-provisioning)，即準備多少資金來彌補預期損失。

動態信用評分的產品違約評分，即利用客戶對某個貸款產品的反映對信貸產品評分。客戶對某個信貸產品的履行情況是他對另一種產品違約的指示器，這一點最近已經被廣泛接受。這是因為客戶的收支往來賬戶或支票賬戶情況是其經濟狀態的反映，賬戶的情況可以較好地預測其貸款是否能及時歸還。

推行《巴塞爾新資本協議》要求銀行采用自己的模型計量交易對手信用風險敞口。運用動態的信用評分方法是新型風險維度下銀行業務運作響應市場需求的必要舉措。

三、 動態信用評分的主要方法

動態信用評分事實上從1956年FairIsaac公司成立時就已經產生，FairIsaac公司的FICO評分法就是動態信用評分法，主要對個人的支付記錄、信貸欠款額、立信時間、新開信用賬戶情況、信用組合類型等五個因素進行評分。美國三大信用評估機構都使用FICO評分法，該方法先確定刻畫客戶的信用、品德以及支付能力的指標，再把各個指標分成若干個檔次，給出各個檔次的得分，然后計算每個指標的加權，最后得出客戶的總得分。但是FICO評分法對主要影響因素分配權重，其適用性和適用范圍有待商榷，另外，評分因素的選取不一定適合中國國情。

早期的動態信用評分模型是在靜態模型中加入描述行為的變量，在此我們不作詳細說明。基于統計學方法的Markov鏈[7]和生存分析模型[8]分別在20世紀60年代和90年代被提出。最近，基于數據挖掘技術，Hsieh提出了動態評分的自組織神經網絡模型[9]，Lim和Sohn提出了基于聚類方法的動態評分模型(Cluster-based dynamic scoring model)[10]。國內僅是周宗放等構造了多維動態信用評分的空間結構[11]。

Markov鏈模型的兩個關鍵假設是:(1)狀態空間描述了客戶的不同狀態;(2)客戶的行為服從Markov過程。第二個假設使得我們可以用一個簡單的隨機模型計算從每個客戶獲得的期望收益。Markov鏈較多用于描述客戶的貸款拖欠狀態。對所有的客戶假定服從同一個Markov過程太嚴格，因此產生了對客戶細分和詳細定義客戶狀態的策略，以提高Markov性。但是由于轉移概率受賬戶的立信時間、時間段以及外部經濟條件的影響，轉移概率是不穩定的。

Markov 鏈描述了客戶的一系列動態違約狀態，而生存分析是估計客戶違約的時間。Narain是最早提出生存分析的學者之一，隨后在2001年，Stepanova和Thomas、Hand和Kelley發展了這些思想，提出了建立生存分析記分卡，并用于動態評分。生存分析的優點在于:(1)易于處理經過檢查的數據，即客戶在違約前由于各種原因不再借款(如還款、死亡、從別處貸款等);(2)動態信用評分要選擇一個固定時期來度量模型的滿意度，具有不穩定性，生存分析避免了這一點;(3)估計違約時間是計算一個申請者能帶來多少利潤的關鍵步驟;4)易于把經濟形勢變量結合到評分系統。在信用評分中，比例風險模型假定客戶是違約還是提前還款的相對等級是固定的，通過引入依賴于時間的特征可以克服這一缺點。加速壽命模型必須事先假定基準函數的分布。

隨著計算機和人工智能的發展，數據挖掘技術也被應用于動態信用評分。Hsieh、Lin和Sohn分別提出了基于數據挖掘的動態信用評分模型[9-10]，兩者都是先進行聚類，然后分別對各類建立分類器。這也是目前筆者看到的僅有的基于數據挖掘的建立動態信用評分模型的文獻。Hsieh的模型包括兩個階段:第一階段采用了無監督的神經網絡學習算法-自組織圖(self-organizing map)，利用客戶以前的償還記錄和RMF(Recency、Frequency、Monetary)預估器(predicator)作為輸入變量，把客戶分成帶來利潤的主要有三類:循環用戶(revolver user)、交易用戶(transactor user)和便利用戶(convenience user)。第二階段用關聯規則挖掘數據庫的隱含模式，從而獲知不同客戶的不同特征之間聯系，為銀行提供策略。基于聚類方法的動態評分模型，把客戶聚為類;觀測區間被細分為個區間，分別用神經網絡訓練得到個分類器[10]。由于針對不同人群、不同時間段建立分類器，預測精度較高。

基于數據挖掘的方法的優勢是以數據驅動(data-driven)的，不需要統計假設，評分結果更準確，但是要有大量數據支撐。

四、動態信用評分展望與建議

個人消費信貸業務往往每筆金額不大而筆數繁多，商業銀行審查時費時費力，同時，各家銀行對消費者的審查標準把握不一，也不利于控制風險。面對日益復雜多變的經濟、金融和市場環境以及國際化進程的推進，信用評分必將越來越受重視。目前國內四大國有商業銀行上市、人民銀行的個人信用數據庫的聯網，將對我國的信用評分發展起到積極的推動。

有效的信用評估必然具有多維度和動態的特征，具有較明顯的時效性[11]。因此當前對信用主體進行多維度、動態的信用狀態評估研究具有十分重要的理論和實踐意義，也必將是信用風險管理研究和關注的熱點問題之一。

建立消費者個人信用評級制度在我國的部分地區已有一些實質進展， 像上海、深圳等地的消費者個人信用檔案建設已初具雛形。2002年12月2日，上海資信有些公司推出了全國首個個人信用評分體系，2006年1月，個人信用信息基礎數據庫已在全國正式運行，這對個人信用評分提供了有利條件。

為了加強我國信用風險管理，使之盡快與國際接軌，積極推進巴塞爾新資本協議的實施，當前最緊迫的任務是積極研究探索，借鑒國際上比較成熟的模式，建立起符合我國實際情況的內部評級體系和基于內部評級的信用風險管理系統。本文介紹的方法可以為目前金融機構銀行等金融機構建立內部風險評價體系的理論模型。其次是應做好數據采集，先進的風險評估體系都需要堅實的數據支撐，因此我國應全方位采集信息，建立獨立的信息采集機構。最后是完善個人信用法律。我國現行法律體系涉及個人信用方面的規定較少，少數相關的法律與個人信用銜接不夠，針對性不強。2001年深圳市以政府規章的形式出臺了中國第一個個人信用立法《深圳市個人信用征信及信用評級管理辦法》;2003年后上海市出臺了《上海市個人信用征信管理試行辦法》;2005年8月人民銀行發布了《中國人民銀行個人信用信息基礎數據庫管理暫行辦法》，這些法律和規定對防范和降低商業銀行的信用風險、促進個人信貸業務的發展、保障個人信用信息的安全和合法使用起到了積極作用，但還缺乏信用行業服務規范以及對失信懲戒等方面的法律規定。

參考文獻:

[1] Thomas L C， Ho J， Scherer W T. Time will tell: behavioural scoring and the dynamics of consumer credit assessment[J].IMA Journal of Management Mathematics， 2001，12(1): 89-103.

[2] Huang C L， Chen M C， Wang C J. Credit scoring with a data mining approach based on support vector machines[J].Expert Systems with Applications， 2007，33 (4):847-856.

[3] Crook J N， Hamilton R， Thomas L C. The degradation of the scorecard over the business cycle[J].IMA Journal of Mathematics Applied in Business and Industry， 1992(4):111-123.

[4] Zandi M. Incorporating economic information into credit risk underwriting[M].In: Mays E. (Ed.)， Credit risk modeling， Glenlake Publishing， Chicago， 1998:155-168.

[5] Crook J N， Edelman D B， Thomas L C. Recent development in consumer credit risk assessment[J].European Journal of Operational Research， 2007(183):1447-1465.

[6] Thomas L C. A survey of credit and behavioural scoring: Forecasting financial risk of lending to consumers[J].International Journal of Forecasting， 2000(16):149-172.

[7] Cyert R M， Davidson H J， Thompson G L. Estimation of allowance for doubtful accounts by Markov chains[J].Management Science， 1962(8):287-303.

[8] Narain B. Survival Analysis and the credit granting decision[M].in Credit Scoring and Credit Control ed by Thomas L C， Crook J N， Edelman D B. Oxford University Press， Oxford， 1992:109-122.

[9] Hsieh N C. An integrated data mining and behavioral scoring model for analyzing bank customers[J].Expert Systems with Applications， 2004，27(4): 623-633.

[10] Lim M K， Sohn S Y. Cluster-based dynamic scoring model. Expert Systems with Applications，2007，32(2):427-431.

[11]周宗放，陳林，唐小我.多維動態信用評估的信用狀態空間結構研究[J].系統工程理論與實踐，2007(4):1-8.

(責任編輯:劉春雪)