信用评分概述.docVIP

消費金融信用風險研究—信用評分概述 本中心風險研究小組 丁正中 壹、信用評分的發展歷史(History of credit scoring) 信用源於拉丁語credo，意謂believe)，信用評分(Credit Scoring)Durand在1941年將Fisher(1936)提出的別分析方法(Discriminant Analysis )應用於貸款客戶好壞 Fair及工程師Earl Isaac在舊金山(San Francisco)成立第一家信用評分顧問公司。1960年代信用卡的出現，讓銀行及信用卡發卡機構瞭解到信用評分是非常好用的工具，因每日都有大量的申請案件，在成本及人力考量下，自動化的決策可以節省不少成本及人力，又能維持一定的決策品質，而隨著電腦科技的快速演進，信用評分與決策支援系統(decision support system)結合，使應用層面更廣泛，例如：汽車貸款、信用卡、郵購、直銷、房貸、保單、手機帳戶等皆可透過評分系統作客戶管理。 貳、信用評分原理(The Principle of Credit Scoring) 信用評分基本原理是借由分析技術，由過去的資料來研發能預測未來授信客戶表現的分數，其假設在授信審核時有一些已知的客戶特性(characteristics)，會與授信客戶未來是否準時還款有關連，一旦找出這些關連性，在假設未來情況會與過去相類似的情形下，可以套用現在的資料，作未來的預測。這些假設與早期授信人員大多運用過去授信審核的經驗，判斷授信戶未來是否還款的情形相同，所不同的是現在許多資料可紀錄在資料庫中，藉由軟體及演算法(algorithm)的輔助，可使分析更精確。特別要注意的是，信用評分模式是假設未來情況會與過去相類似(The future will resemble the past)，但未必都是如此，且通常時間經過越久，信用評分模式預測力會越差，所以評分模式建立完成後，會持續監控(monitoring)，以確保評分模式能有效運作。 參、信用評分模式研發步驟(Credit Scoring Model Development Process) 研發信用評分模式，要有熟悉市場分析、風險管理及統計方法的人員，並由資訊部門提供資料庫及程式開發等相關協助，但要是否要自行研發，並沒有標準答案，時間、成本、人員訓練及未來維護都是考量的重點。本中心就先前研發信用卡申請人評分的經驗，大致整理以下研發步驟，或可提供有意自行研發的金融機構作為參考。 一、研究目的及定義(Objective and Good/Bad Definition) 要發展評分模式前，必須先決定研究目的及想要預測的事件，並要有明確定義，未來在應用及解釋上才不致混淆，所以事件定義是經由討論決定，而非分析人員單獨決定。例如：研究目的為預測授信客戶未來一年發生違約的事件，但違約事件有許多不同定義，資料來源也可能不同，許多問題要逐一釐清，討論會變得冗長而沒有效率，所以在討論前，先決定想要達成的目的，請資訊部門提供資料庫中相關的資料，並由分析人員作初步分析，開始討論時會較有效率。值得注意的是，越複雜的定義，資料取得也越困難，所以定義除了要明確，也應盡量簡化。此外，模式未來應用目的不同，定義也可能不一樣，例如：同樣是延遲繳款超過45天的客戶，若模式的目的是在增加獲利或市佔率，較有可能定義為好客戶(Good)，但若目的是減少損失，較有可能定義為壞客戶(Bad)。 二、資料庫與選擇樣本 (Database and Sample Selection) 本中心先前將過期資料保存在磁帶中，造成研究人員在資料擷取時的不便，在去年開始建置資料倉儲(Data Warehouse)，保存所有時點資料狀態，方便日後研究使用，同時可避免佔用線上資料庫資源，降低對日常營運所產生的影響。資料倉儲因資料量龐大，擷取較耗時，建立資料超市(Data Mart)可節省資料擷取的時間，且在設計資料超市欄位時，請資深分析人員提供相關經驗，未來可節省資料整理及轉換的時間。 抽樣(Sampling)可以解決資料量過大的問題，分析時更具效率，但必須掌握研究目標群體(Target Population)特性，避免抽樣時產生偏誤。另外，越大的樣本會有越好的評分結果，這種說法並非完全正確，因通常好客戶多於壞客戶，假設所有條件都相同的情況下，100,000個好客戶與500個壞客戶所建立的評分模式，正確判斷力會低於只有10000個好客戶與3,000個壞客戶所建立的評分模式。將樣本分為發展組樣本(Development Sample)與測試組(Holdout Sample)，模式研發完成後作驗證(Validation)，可避免研究人員選樣的偏差(bias)或忽略了某些重要的因子，造成模式在實際應用時產生落差。 三、