《信用评分管理_》.docVIP

信用评分 信用评分通常正式的定义为一种统计或定量方法，用于预测贷款申请者或现存借款人将发生违约或拖欠的概率（Mester，1997）。信用评分的目的是帮助信用提供者量化和管理包含在提供信用中的金融风险，以便于他们能够更好的而且更为客观的作出借贷决策。关于信用评分的发展可以总结如下。在1936年，Fisher引入了在一个总体中的不同群体中进行区别的思想（例如通过使用物种的身体大小来区分鸢尾的两个种类）。在1941年，Durand（他在美国国民经济研究局工作）意识到Fisher 的判别分析能用来区分好的或者坏的贷款。 许多年来，对于提供贷款的决策都是由信用分析师来判定的。在第二次世界大战期间由于缺乏信用分析师，许多机构要求分析师们写下他们用于评价申请贷款者的信用状况的评判规则（Johnson，1992）。 然后利用这些规则来帮助进行信用决策。世界大战之后，人们把这两项事件结合在一起并且开始考虑在决定贷款申请者的过程中使用统计学生成模型的优势。在二十世纪六十年代，伴随着信用卡的诞生，银行与其他信用卡发行组织意识到了信用评分的优势。当人们开始应用信用卡的数量逐渐增长的时候，能够自动化信用准许过程的问题就变得非常急迫。使用信用评分的企业也意识到了这些预测违约的评分比起任何决策方法都要来的好（Myers，1963）。 这些评分同样帮助企业组织减少拖欠费率。1975年在美国通过了同等信用机会法案（The Equal Credit Opportunity Acts）， 这在1976年被标记为重要事件：法案意味着接受对信用评分来便利于借贷决策，同时保护消费者的利息收入以防止不公平的发生率。在二十世纪八十年代，　对信用卡的信用评分的成功促使银行开始使用信用评分用于其它的目的（比如个人贷款申请）。在二十世纪直接营销的发展同样也导致了信用评分方法的使用来增加广告战略的回应率。在最近这些年里，信用评分已经开始用于家庭贷款、小型商业贷款、保险申请和续订。同时对于这方面的关注也开始从减少贷款应用的拖欠转向了从客户获利方面的增长（Thomas，2000）。 信用评分的好处信用评分具有很多好处，不仅仅对借款者如此，对贷款者同样如此。举例说明之，由于信用评分模型提供了关于用户信用价值的客观分析从而可以帮助简化判别。这可是使得信用提供者仅仅关注于与信用风险相关的信息并且避免信用分析师或保险公司的个人主观性。在美国，在同等信用机会法案下， 显著的判别变量诸如种族、 性别、宗教信仰和年龄等都不能包括在信用评分模型中。只有本质上是非判别性的信息和那些被证实为对支付能力有预测性的信息才能包括在模型之中。信用评分同样可以帮助我们增加贷款申请过程的速度与一致性，并且允许借款过程的自动化。同样的，其大大简化了信用评价过程中人工干预的必要以及分发信用的成本（Barefoot，1995）。凭借信用评分的帮助，金融机构在很短时间里能够量化提供特别申请者与信用关联的风险。Leonard（1995） 研究了加拿大的银行，发现在使用了信用评分之后，用于处理消费贷款申请的时间由原来的九天缩短为三天。那么处理贷款申请节省下来的时间就可以用于从事更为复杂的问题。Banaslak and Kiely（2000）总结出在信用评分的帮助下，金融机构能够制定更快、更好和更高质量的决策。此外，信用评分能够帮助金融机构确定利息率，这些他们将对他们的用户收费并且对资产组合定价（Avery et al.，2000）。高风险用户将被提供更高的利息率，反之亦然。基于用户的信用评分，金融机构也能够确定对用户设定信用限度（Sandler et al.,2000）。 这些都可以帮助金融机构更为有效的和有利的管理他们的账户。作为扩展，利润评分则能用于在一系列产品中最大化利润（Thomas，2000）。与上面谈到的相关，信用评分模型实现了次一级借贷行业的发展，在这里，次一级的消费者具有不足的信用记录并且不符合信用承诺与风险。他们可能因为信用缺陷、信用历史记录的缺失或者在确认他们的收入等方面无法满足传统金融业务的要求（Quittner，2003）。在次一级借贷的发展中，其中一个最主要的因素已经自动化的认购，其允许次一级抵押贷款能够进行打包然后作为投资性有价证券来销售。在这一市场专门金融机构的初始成功已经驱动更多的金融机构进入次一级借贷市场，期望伴随着信用评分技术的前进而增长（Perin，1998）。最后，由于技术方面的发展，更为智能的信用评分模型得到了发展。相应的，信用卡提供者能够使用由模型得到的信息来明确表示更好的策略，然后更为有效的使用这些资源。Lucas（2000）报告称，收获率（recovery rate）从1997年的9.1%，1998年的12.1%上升到1999年平均15.