數學模型在互聯網金融小貸信用評分中的應用

湖北第二師范學院 萬建民

一、信用評分的意義

近年來網絡小貸的發展愈來愈烈，信用評估的重要性，對于公司與個人都非常重要。甚至從近來的發展趨勢看，類似的評分產品已經不局限于征信(金融)，觸角甚至延伸至招聘，婚戀等行業。

通常信用評分類模型都屬于所謂概率類模型，也就是說輸出的結果是一個連續的數值，類似于違約概率的某種變換。把這個數值做相應的調整就可以得到一個分數，常見的范圍如300 到850 之間。對于金融機構來說，可以根據這個分數決定授信與否，授信額度，利率等。當然，具體的決策并不僅僅依賴于一個或幾個簡單的分數，還有很多其他的策略都有可能產生決定性影響。比如說，VIP 用戶和黑名單用戶都會被單獨處理。

對于客戶來說，通過了解自己的信用分數，可以更好地做出決策。如果一個剛畢業不久的年輕人發現自己信用分數很低，那么最好不要去申請那些附加權益很多的信用卡，因為這類信用卡往往是銀行提供給中產以上階層人士使用的，即使申請了，被拒絕的概率很高。而年輕人申請的這個行為和被拒絕的這個結果，都會被記錄在冊。短期內用戶如果想申請其他的信用卡，可能也會受到影響。在這種情況下，比較現實的解決方案是先去申請一張比較容易獲批準的信用卡。比如，較小的金融機構發行的信用卡。通過這張卡，積累一定的信用歷史之后，再去申請更好的卡。另一個例子是，當用戶發現自己信用分數很低時，申請房屋或汽車抵押貸款的利率會比較高。如果用戶稍微忍一忍，積攢一段時間的良好記錄，讓信用分數漲上去，那么就可能會節省大量利息。客戶通過觀察自己的信用分數變化，也可以獲取一些額外的信息。一些互聯網企業推出的信用評分機制，除去風險評價的目的，更有吸引流量的作用，比如說，當用戶的信用分高于一定分數的時候，可以享受某個公司提供的免押金服務，實現了引流的作用。公司也會把用戶的使用數據(有無違約等)回傳給這家信用分數提供商，以更精準地對客戶進行營銷。以上描述的是常見的金融領域的信用評分的意義。

二、信用評分的發展

從行業本身來說，債券發行過程中涉及的中介機構有承銷商(銀行和券商)、會計師事務所、律師事務所、評級公司，這些機構本質上都是中介，提供的都是中介服務，作為賣方當然都得看買方的臉色行事。這些中介提供的服務存在較強的同質性，在一個充分競爭的市場環境下，發行人有充分的選擇權來選擇由誰來為自己服務。不光評級機構角色地位，主承、會計師事務所和律師基本都是，律所本身就是個橡皮章，會計師事務所更是，除非出現重大問題一般都是標準無保留意見，主承在募集說明書中更是有選擇性地陳述發行人的優勢，對于存在的問題或者可能出現的負面問題，往往一筆帶過。而信用評級機構就是在會計師事務所出具的有選擇性呈現的審計報告和主承出具的募集中，發現企業的問題并且也是有選擇性的撰寫評級報告。評級機構在產業鏈中的地位決定了評級機構較弱的話語權。當然評級機構的惡性競爭也導致外部對評級機構的影響不好，東方金城五萬元中標政府評級。

從債券定價來說，說評級機構在債券定價中作為微弱，其實是很不客觀的，除了中石油、中石化等少部分大型央企能夠取得無風險利率外，大部分企業都需要一個判斷的標準量來決定債券價格，而評級機構出具的評級報告就是一個判斷的依據，誠然在大部分評級機構都出局AA+或者AAA 的背景下，很多時候債券定價都流于形式，但各家機構投資者都有自己的內評，都會在市場級別的基礎上做出自己的定價判斷，特別是在市場級別出現A+，A，A-，甚至更低的時候就要更加謹慎了。

從發現風險來說，客觀來說作為中介機構，會承擔相應的責任。國內評級機構都是在問題幾乎要爆發的時候才降級，而且一降就好幾級，幾乎對投資者提前預警起不到任何作用，這也是大家對評級機構最充滿爭議的地方。在當前剛性兌付尚未完全打破的情況下，投資者風險意識沒有完全樹立，買者自負的市場交易原則還需要較長時間才能建立。

以上幾個方面主要提現了信譽積分在國內的發展。

三、評分卡模型

我們通常所接觸到的評分大都用于信貸審批，即申請評分卡A 卡(Application scorecard)。同時，業內還常用的有B 卡(Behavior scorecard)和C 卡(Collection scorecard)，分別用于貸后管理及催收管理。

A 卡是使用最廣泛的，用于貸前審批階段對借款申請人的量化評估;B卡的主要任務是通過借款人的還款及交易行為，結合其他維度的數據預測借款人未來的還款能力和意愿;C 卡則是在借款人當前還款狀態為逾期的情況下，預測未來該筆貸款變為壞賬的概率，由此衍生出滾動率、還款率、失聯率等細分的模型。不同的評分卡，對數據的要求和所應用的建模方法會不一樣，具體會有如下兩個問題。

評分具體應用到怎樣的產品。這關系到選擇怎樣的數據、選擇多長的時間窗口，怎樣界定好或壞客戶等等最基礎的問題。對于小額短期利率高的現金貸來說，逾期30 多天已經非常嚴重，催回的可能性非常小，那么相對應的模型會界定M1以上客戶為壞客戶;但對于車輛抵押貸款的借款人來說，考慮到抵押物，還很有可能還款，所以我們可能會選擇界定M2甚至M3 以上的客戶為壞客戶。

是否有足夠且足夠好的建模數據。如果數據本身不具備代表性，數據缺失較多或者數據虛假，那么擬合出來的模型可用性會非常低。同時，在購買數據服務商提供的評分模型的時候，也需要思考這個評分模型與當下業務模式的匹配度:如果用抵押貸款產品的數據做出來的模型，應用在現金貸上則不準確。

四、評分卡模型在金融中的具體應用

（一）貸前審批及核額

這是最常用的應用場景之一。金融機構可根據借款人的評分進行是否發放貸款以及發放多少貸款的決策。申請信用評分、申請欺詐評分、收入預測模型等都是可以在這個階段進行應用的評分模型。具體應用方式則與各個機構的風險偏好及產品模式相關。一般來說，貸前流程中有以下幾個節點可以用到評分模型:準入、授信核額、放款或提款。

（二）準入

準入在貸前流程中是放在較前位置的風控節點。為了保證一定的審批效率，金融機構通常會將人工審批以及系統審批相結合，對某個分數線以上的申請者直接通過，即直接準入;同時對某個分數線以下的申請者直接否決。中間地帶的待定客戶則由人工審批進一步判斷和篩選，或是結合信用評分以外的更多信息進行二次判斷，通常情況下是電核及補充材料和信息。這種應用方式還牽涉到兩種審批情況:"高端否決"以及"低端否決"，在設定最低分數線的情況下，人工審批可以對自動審批的結果進行修正。陳建在《信用卡評分模型技術與應用》中寫道：“過多的低端否決可能導致信貸資產質量的嚴重下降，而過多的高端否決可能導致信貸機會的流失。”

（三）授信核額

客戶準入后，需要給予不同資質和需求的客戶以不同的額度。通過評分預測出的還款能力越強、還款意愿越高以及欺詐可能性越小的客戶，給予更高的額度，這個邏輯非常直接，在此不再贅述。在這個環節，能夠反饋客戶資產及收入情況的信用評分，將較為適用。

（四）放款/提款

放款環節，是真正把資金貸出去的節點。客戶通過審批獲得額度之后，提款環節需要確認:提款的是否是客戶本人(欺詐類評分)；提款時客戶資信和負債是否發生了不良變化(綜合信用評分，多頭負債類評分等，尤其是多平臺、跨機構的綜合評分)；審批時是否為有條件通過，該條件是否仍然成立(準入審批時可能存在某些信息無法獲取，可后置在這個環節進行再次審批，獲得補充信息后作為入參計算評分)。

（五）貸后管理

發放貸款或者給予授信額度之后，申請人正式成為了借款人。隨著時間的推移，借款人自身的信用情況、還款能力在不斷變化，申請階段時點的信息很可能不再適用;而其積累在本平臺的還款行為提供了一個很好的補充信息。這為行為評分模型、還款預測模型等提供了數據原料。

一方面，評分可用于對借款人在本平臺的信貸周期的信用風險變化監控，對不同分數段的客群，調整貸款額度、調整利率、調整還款提醒及其頻率、進行差異化催收等。行為評分類(B 卡)及催收評分類(C 卡)都是在貸后環節使用的評分模型。

另一方面，評分廣泛用于資產結構分析和客群管理。評分作為一個簡單易用的工具，在管理成千上萬不同客戶的時候有了有了統一的標準。

信用評分像是為風控人員提供了一個監控變化的風向標，通過這個抽象的風險指標去監控異常，進而挖掘具象的風險問題，調整策略和進行針對性管理。

（六）風險定價和收益管理

微觀上，信用評分作為一個決策鍵，在每一筆貸款審批和管理中輔助進行迅速的審批和風險識別。宏觀上，或者說從整體的資產管理維度，信用評分是進行風險定價及收益管理的重要工具。

由于每一評分區間的客戶都對應著相應的損失率，使得分客群定價成為了可能。對于評分較低、風險較高的人群，使用較高利率覆蓋壞賬成本;對于評分較高、風險較低的客群，使用較低利率或者其他更優惠的產品條件留住客戶。這也就是平時所說的風險定價。

另外，對于商業銀行來說，在監管資本計量要求下，需要進行信用風險量化，確認計算風險資產函數公式的變量。信用評分模型的結果可應用于其中貸款違約率(Probability of Default，PD)、違約損失率(Probility of Default)等的指標計算。

其實，評分模型在金融機構當中的應用遠遠不只是評價客戶是否能夠按時還款以及計算風險損失。評分模型將不同年齡、職業、收入、學歷等的客戶進行了"標準化"，成為一種重要的管理工具，在各個維度發揮著重要作用。