个人信用评分简述普惠资信2009年07月17日1042一、个人信用评分.docVIP

个人信用评分简述 普惠资信 ? 2009年07月17日 10:42 ? 一、个人信用评分定义及其原理 个人信用评分是一种预测个人信用风险的数学模型，可以将个人信用风险量化，预测个人未来的信用表现。目前国外较为成熟的个人信用评分模型有 Altman的Z-score模型、FairIsaac的FICO模型等。目前国内的评分模型一般是将个人消费者的年龄、收入、学历等若干信息汇编成不同指标，然后对这些指标进行打分加权进行量化处理，从而对个人消费者的资信情况进行综合评价、信用评级等。 个人信用评分主要是用来解决两个问题，一个是信用申请是否应该被批准；二是排除最好信用与最差信用消费者后的群体如何进行细分。 个人信用评分模型建立在一种假设上，即存在信用良好和信用较差的客户可以用两组分布进行描述，这两种分布都是类似正态分布的钟形曲线。两个分布之间有一个曲线重叠的区域，就是所谓的灰色地带。对处于灰色地带的消费者进行细分，是按照违约人数所占的百分比进行定标的，也就是这组消费者的信用评分值。细分型个人信用评分的任务是，对介于信用最好和信用最差之间的消费者群体进行细分。建立这种数学模型，要求建模的技术非常高，它往往要求数学模型能够细致地将个人信用评分细分成数百上千个档次。［1］ 信用极好及信用极差的消费者在整个人群中占比相对较小，占比最大是介于两者之间的人群。因此，建立一个介于两者之间的细致的信用评分模型对授信机构非常重要。 建立一个评分模型一般需经过以下几个阶段：采集数据、整理数据、选取样本、样本分组、选取自变量、建立初级模型、检验、调整模型、模型运行、日常维护、定期调整等。 三、个人信用评分的应用 随着个人消费信贷的发展，个人信用评分技术被高度重视，个人信用评分被广泛应用在商业银行的消费信贷领域。据有关数据统计，个人信用评分技术的预测效果比任何主观判断都科学，使用个人信用评分技术使不良信贷率下降了50%。个人信用评分主要用途有两个： 1.预测信用申请人的预期违约率。商业银行等金融机构可以通过对信用申请人进行信用评分来决定是否批准一份信用申请，从潜在客户群中筛选违约率小的客户。一般商业银行会对信用申请人的进行个人信用评分进行排序，通过对信用风险门槛设置域值来决定是否批准信用申请。 2.预测现有客户的违约率。对已经成为商业银行等金融机构客户的消费者，商业银行有必要对其的信用情况进行跟踪和记录。这主要是通过评分系统来分析借贷、偿还及其他情况，预测他们违约的可能性，同时评分系统也会根据客户各指标的变化情况来对客户的信用等级进行调整。 个人信用评分系统可以提高商业银行授信工作的效率。因为商业银行不需要人工操作来分析是否批准信用申请人的信贷申请，也不需要人工分析违约情况。在国外，信用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。据了解，使用信用分之后，信用卡的审批只要一两分钟，甚至几秒钟，20%～80%的抵押贷款可以在两天之内批复，其中不少贷款项目在4～6小时内完成审批，60%的汽车贷款的审批可以在1小时内完成。据美国消费银行协会最新的一份资料显示，以前不使用信用分，小额消费信贷的审批平均需要12小时，如今使用信用分和自动处理程序，这类贷款的审批缩短到15分钟［2］。同时，个人信用评分可以精确估计消费信贷风险，给授信者提供了一个可靠的技术手段，减少不良贷款。 此外，个人信用评分提高授信工作的客观性。个人信用评分主要是通过计算机完成计算工作，具有客观、一致、高效的特点，有助于克服人为因素的干扰，防止片面性。 四、信用评分介绍 （一）国外信用评分 美国有多种信用分的计算方法，其中美国3大信用局都采取FICO评分。FICO评分是由FairIssac公司开发的一种信用分统计模型，它使用的样本高达100万个。模型所确立的指标包括个人信用、品德、能力资本等5C指标。模型将各个指标分为若干档次并确立各档次的分值，加权各个指标，得出个人信用总分。FICO的打分范围是325-900。一般情况下，如果借款人的信用分超过680分，银行等金融机构认为借款人的信用度非常高，可以毫不犹豫地同意发放贷款；如果借款人的分数低于620分，银行等金融机构会要求借款人提供担保，或者直接拒绝贷款；如果借款人的信用分数介于620-680之间，银行等金融机构会做进一步调查，或采取其他信用分析工具，做个案处理。据统计调查显示，信用分低于600分的借款人违约率为1/8，信用分在700-800分之间的违约率为1/123，信用分高于800分的借款人违约率为1/1292。 FICO评分系统用于预测情况变坏的可能性，它预测的是24个月内消费者逾期90天还款的可能性，评分中关键的要素有以下5个： （1）付款历史，约占评分总值的35%，主要考虑的因素有：①不同种类账户的