商业银行个人信贷信用评分模型的构建与应用.docVIP

商业银行个人信贷信用评分模型的构建与应用 摘要：面对全球经济、金融一体化的现实背景以及随 之而来的白热化竞争态势，个人信贷业务将是我国银行业 目前及未来发展的关键领域。为此，文章首先从借款人、 贷款方案、贷款投向和风险缓释四个要素出发，构建了一 套产品水平的信用评分模型的整体分析框架，并将该框架 具体应用于个人住房贷款产品；在此基础上，考虑到我国 银行业的发展现状与评分模型的可实施性，设计了一个根 据专家判断法的评分结果和定量模型法的评分结果进行相 互校验的混合型个人住房贷款信用评分模型，并基于所收 集的某股份制商业银行的样本贷款数据进行了部分验证工 作，同时指出下一步的研宄方向。关键词：住房贷款信用 评分模型；专家判断法；定量模型法 、引言与文献回顾 从历史的视角来看，我国银行业最初是以对公业务为 主，其特点是机构客户数量较少、资金规模大、参与的银 行业务人员也较少。然而，面对经济全球化和金融国际化 的激烈竞争，特别是随着外资银行的不断进人，极大地加 剧了银行产品和服务竞争的白热化。因此，对私业务，即 个人信贷业务这一发达国家银行的重要基础业务和利润支 柱将成为我国商业银行今后发展的重点领域。个人信贷业 务，例如房贷、车贷、信用卡消费及其他个人消费贷款， 其特点是单笔业务的资金规模小、业务复杂且数量大，因 此如继续沿用传统的人工审批方法，则必将占用银行大量 的业务人员，增加成本，降低效率，从而影响银行竞争力， 同时也不符合全球银行业的发展趋势。 在国外已经发展了 50年的信用评分是以计算机技术为 核心的，以取代人力为特征的大规模自动化处理方法，是 发达国家普遍采用的能够有效控制风险、降低业务人员数 量、极大提高审批效率的商业银行革命性措施之一。因 此，构建个人信贷信用评分模型对银行开展个人消费信贷 业务有重要作用。 最初的信用评分是由评级人员依个人经验进行主观评 价，之后发展到3C评价（品德、能力、担保）和5C评价（品 行、能力、资金、条件和抵押担保）。这些多数是主观、定 性的评价方法。为了降低信用评分中的主观因素，越来越 多的定量评估方法被采用。这些方法主要包括：判别分析、 Logistic回归模型、线性规划法、神经网络法和分类决策 树法。 银行常常采用某种统计方法建立个人信用评分模型， 至于具体采用何种方法则取决于不同方法对不同问题的预 测精度以及建模人员的知识及偏好。线性判别分析是第一 个用于信用评分模型的简单参数回归模型，而Logistic回 归方法则是信用评分的一种常用方法，在预测二分性结果 上，Logist ic是一种准确性最高的技术。此外，其他的一 些学者将一些非参数统计模型，如K一近邻判别、分类树应 用于信用评分。 近年来在信用评分领域也开始尝试引入神经网络方 法，Desai等和Wes t等人都使用神经网络技术来构造个人 信用评分模型。通过实证分析，他们验证了在各种变量间 呈现复杂的非线性关系的情况下，神经网络技术所具有的 明显优势（Desai，19 96； West, 20 00）。 分类树是一种由计算机实现，基于统计理论的非参 识别方法。分类树把贷款申请者进行不断的分类，尽量使 每一类申请者都具有相似的违约风险，并且与其他类别贷 款申请者的违约风险明显不同（石庆焱，XX），分类树方法 充分利用先验信息处理数据间的非同质关系，可有效地对 数据进行分类。该方法虽简单，但具有很高的分类精确度 和分类效率，适合于样本数据量较大的情况。 尽管许多银行通常会采用不同的技术方法来建立个人 信用评分模型，但是在实际信贷决策中将不同的模型结合 起来使用也是一种常用的方法，这样做的目的往往是为了 节省成本。例如，信贷机构利用贷款人申请表中的数据建 立个人信用评分模型，若这一模型有助于对申请人做出批 准与否的贷款决定，就可以仅利用该模型；反之，则还需 使用外部信用评分机构的评分结果对其进行评价(Th omas, XX)。 在个人住房贷款的决策中，许多银行都按“贷款一收 入比”事先对客户进行分类而过滤掉一批申请人，然后在 此基础上再利用信用评分模型进行评分。摩根大通在个人 住房贷款行为评分模型中，则将外部信用评分机构的评分 作为Logistic回归模型的解释变量之一，以提高模型的预 测精度(Mogern，XX)。 关于将不同的评分模型综合起来使用，目前在学术文 献中积累的资料还不多，其中较有影响的是：Zh U， Belling和Overstreet (1999)考察了一组汽车贷款样本的 组合评分问题，他们利用这组样本的申请信息建立了一个 评分模型，并从外部信用评分机构取得了这些客户的外部 信用评分，然后构造了一个组合评分模型，研宄结果表明， 如果组合系数设置得好，组合模型的评分就有可能优于单 个模型的评分。Tian等(XX)