个人信用评分模型构建及个人欺诈评分模型构建.doc

个人信用评分模型构建以及个人欺诈评分模型构建—、个人信用评分概念个人信用评分又称“消费者信用评分”，是预测信用申请人或现有借款人违约可能性 的一种统计方法。它通过对消费者的人口特征、信用历史记录、行为记录、交易记录等 大量历史数据进行系统的分析，利用统计方法及其他定量方法挖掘数据中蕴含的行为模 式和信用特征，开发出预测性模型，用以对消费者未来的信用行为进行预测。有很多信用记录会明显影响个人信用评分，如延迟付款额度变化、拖延付款时间的 严重程度、信贷账户数目增减、信贷余额变化、账龄、最近的查询记录等。当个人信用 评分模型工作时，它会从个人信用档案中抽取不同因素来评价消费者的信用状态，一旦 信用记录中有瑕疵出现，评分模型就会度量出瑕疵的大小，直接从现有的分数中扣除, 从而使信用评分的分值减小一些。信用评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。据美国消费银行协会的最新一份资料，以前不使用信用评分， 小额消费信贷的审批平均需要12小时，如今使用信用评分和自动处理程序，这类贷款的 审批缩短到15分钟。使用信用分后，60%的汽车贷款的审批可以在1小时内完成。信用 卡的审批只要一两分钟，甚至几秒钟。二、个人信用评分模型构建(一）“信用评分卡”的概念在了解个人信用评分模型之前，需要了解“信用评分卡”的概念。在消费者信用评 分过程中，信用评分卡是一种表格，由描述借款人状况的各个特征变量的不同取值对应 的信用分值所组成。使用信用评分卡可以计算不同借款人的信用评分分值。典型的信用 评分卡见表4-1。□第四章个人征信业务一个贷款申请人的状况如下：在现岗位工作时间为12个月，租房住，同时拥有活期 存款账户和储蓄存款账户，尚无信用卡，职业为销售人员，年龄24岁。因此，通过表中 所给的数据，可以算出该人的信用评分分值为：14+19+31 + 11 + 18 + 19 = 112。(二）建立信用评分模型的过程一个人信用评分模型的建—立是市场分析人员、风险管理经理、统计—学家、数据库管理 人员和计算机程序员等多个领域的专家综合协调的结果。为了保证个人信用评分模型的 顺利开发和应用，必须对建模过程的每个部分进行仔细的设计和计划。通常，建立信用 评分模型的过程一般包括以下几个部分：1.明确模型的使用目的建立个人信用评分模型的第一步是明确模型的使用目的。建立信用评分模型的目的 是预测消费者违约的概率，也可以是预测消费者拖欠的概率，或者是贷款的逾期损失以 及拖欠、违约及损失的组合。由于建立模型的目的不同，所研究的对象也不同，在使用 开发方法、检验手段和处理原则方面也会存在差异。正是由于上述差异的存在,当一个授信机构使用其他机构的信用审批系统时就需要 格外谨慎。2.数据收集与样本设计在模型开发过程中，能够收集到用于建立个人信用评分模型的数据是最重要的技术 处理环节之一。通常，可供使用的数据越多，模型的预测结果就会越精确。因此，在建117第四节个人信用评分 □I_i-fr118立个人信用评分模型之前，需要确定有哪些可以使用的数据。通常技术人员没有必要也不可能将所有数据都用于建模工作，而是按照一定的方法 从中抽取部分合格的样本,利用数据质量优秀样本建立起个人信用评分模型，这样可以 达到精确预测的目的。建模工作的这一过程被称为“样本设计”。3.选择建立信用评分模型的工具建立个人信用评分模型的统计及数学工具很多，通常使用的方法有判别分析法、逻 辑回归、分类树法和神经网络方法等。对于技术人员来说，在选择合适的方法时既要考 虑到与建立个人信用评分模型的目的有关，也要考虑到与建模所使用的样本有关。在实际建立个人信用评分模型时，往往将多种方法交叉使用。例如，可以使用“分 类树方法”选择变量，以确定变量之间的相互关系，构造出新的变量。再将这些新变量 和原始变量一起使用，通过回归的方法构建出预测模型。然后，把预测模型产生的结果 与神经网络模型产生的结果进行比较，以确定模型的有效性，并对模型进行改进。4.模型的验证与检验建立了个人信用评分模型（或信用评分卡）后，技术人员面临的一个重要的问题是 这一模型的应用效果究竟如何。当然，一个个人信用评分模型的有效程度如何，最终需 要通过模型在实际应用中的效果来评价。但是，在模型投入实际使用之前，必须对模型 的预测能力进行评估，即对模型进行验证和检验。在对模型进行检验时，经常采用的方法是“保留样本法”，也就是在建立个人信用评 分模型时，将样本随机地分成两部分：一部分用于建立模型，另一部分（称为所谓“保 留样本”）用来对模型进行检验。如果模型对建模样本和保留样本的预测结果都较好，说 明模型总体来说是稳定的，有一定的应用价值。对个人信用评分模型进行检验的统计方法很多，常用的统计量包括Gini系统、Kolo-