信用评分卡介绍.docVIP

信用评分卡 信用评分是指根据银行客户的各种历史信用资料，利用一定的信用评分模型，得到不同等级的信用分数，根据客户的信用分数，授信者可以通过分析客户按时还款的可能性，据此决定是否给予授信以及授信的额度和利率。 虽然授信者通过人工分析客户的历史信用资料，同样可以得到这样的分析结果，但利用信用评分却更加快速、更加客观、更具有一致性。 一、引进信用评分卡的目的及意义 1、由于业务具有笔数多、单笔金额小、数据丰富的特征，决定了需要对其进行智能化、概率化的管理模式。信用评分模型运用现代的数理统计模型技术，通过对信用历史记录和业务活动记录的深度数据挖掘、分析和提炼，发现蕴藏在纷繁复杂数据中、反映消费者风险特征和预期信贷表现的知识和规律，并通过评分的方式总结出来，作为管理决策的科学依据。 2、目前国内大多数银行信用卡部门采取人工审批作业形式，审批依据是审批政策、客户提供的资料及审批人员的个人经验进行审批判断，存在以下问题： （1）信审人员对申请人所提交申请资料真实性的认定基本依赖于受理申请资料的的职业操守和业务素质，审批人员对申请人资料的核实手段基本依赖于，对申请核准与否基本依赖于自己的信审业务经验，授信审查成本高、效率低而又面临很大的欺诈风险，这种状况很难应对大规模业务需要。　　（2）审批决策容易受主观因素影响、审批结果不一致，审批政策调控能力相对薄弱。　　（3）不利于量化风险级别，无法进行风险分级管理，影响风险控制的能力及灵活度，难以在风险与市场之间寻求合适的平衡点。　　（4）审批效率还有较大提升空间。 3、信用评分卡具有客观性，它是根据从大量数据中提炼出来的预测信息和行为模式制定的，反映了信用表现的普遍性规律，在实施过程中不会因审批人员的主观感受、个人偏见、个人好恶和情绪等改变，减少了审批员过去单凭人工经验进行审批的随意性和不合理性。 4、信用评分卡具有一致性，在实施过程中前后一致，无论是哪个审批员，只要用同一个评分卡，其评估和决策的标准都是一样的。 5、信用评分卡具有准确性，它是依据大数原理、运用统计技术科学地发展出来的，预测了客户各方面表现的概率，使银行能比较准确地衡量风险、收益等各方面的交换关系，找出适合自己的风险和收益的最佳平衡点。 6、运用信用评分卡可以极大地提高审批效率。由于信用评分卡是在申请处理系统中自动实施，只要输入相关信息，就可以在几秒中内自动评估新客户的信用风险程度，给出推荐意见，帮助审批部门更好地管理申请表的批核工作，对于业务批量巨大、单笔业务金额较小的产品特别适合。 二、信用评分模型的简介 信用评分模型的类型较多： 在客户获取期，建立信用局风险评分，预测客户带来违约风险的概率大小； 在客户申请处理期，建立申请风险评分模型，预测客户开户后一定时期内违约拖欠的风险概率，有效排除了信用不良客户和非目标客户的申请； 在帐户管理期，建立催收评分模型，对逾期帐户预测催收策略反应的概率，从而采取相应的催收措施。 三、信用评分卡的开发 信用评分模型开发流程包括模型的设计与规划、样本的选择、预测变量的选择和确定、模型的制定、模型效果的评估和检验、模型的实施、模型表现的跟踪和监控等。 1）建立开发目标、方法及业务问题的定义　　开发目标： 1、确保决策的一致性，减少人工干预，提高信贷政策的执行力； 2、准确反映并量化客户的风险级别，用科学的方法管理风险以控制和减少信贷损失； 3、提高市场竞争能力，在控制可接受的风险水平的同时争取更多优质客户，有效地提高市场占有率； 、实现审批流程自动化，减少运营成本。模型建立方法：建立模型可采用的方法很多，业内通常使用逻辑回归方法建立申请评分模型。 　　好、坏客户定义：好、坏客户的定义必须与银行总体政策、管理目标一致，综合考虑风控策略、催收策略、业务历史、样本数量的需要，如定义曾经有90天以上逾期不良记录的客户为坏客户；定义满12个月，未出现90天以上逾期记录的客户为好客户。 （2）确定数据源，选取样本　　数据来源：内部信用卡核心系统数据库和其它相关业务系统；　　样本总数量：选取某地区从2004年1月开始2006年6月的所有申请人，总数120，000人（包括好、坏客户及拒绝的申请客户）；　　样本空间： 坏客户样本空间：2004年8月至2006年2月之间开户的客户； 好客户样本空间：2004年6月至2005年5月之间开户的客户； 被拒绝客户样本空间：2005年7月至2006年6月之间申请被拒绝的客户。 　　（3）数据抽取、清理和整理，建立数据集　　这一步是开发申请评分模型中最重要、最耗时的步骤之一。数据质量好坏是决定开发的模型成功的关键因素。在确定数据来源后，由于需要采集的数据资料来源不一，数据量大，抽取时耗时较多，就需要在原始数据的基础上，根据业务需求、数据性质、结构