信用贷款评级表文件.docVIP

兰 州 商 学 院 资信调查与评估论文 题目：信用类消费贷款评级表 学院、系：金融学院 信用管理系 专业方向：经济学 年级、班: 2011 级 信用管理班 学生姓名：李潇娜 指导教师： 周复之 学号： 201102040111 2014 年 5 月 10 日 个人信贷信用评分模型所使用的评分方法也可以分为三类：专家判断法、定量模型 法、专家判断法和定量模型法相结合的方法。专家判断法采用的是一种 “自上而下 ”的 建模方法，主要在没有足够历史数据的情形下使用，这些情形包括：没有建立数据库来 系统地存储已有信贷业务的历史数据、对于新的信贷产品或处于信贷产品的早期等，该 方法的优点是考虑的评估因素比较全，灵活性较高，缺点是在没有得到量化验证的情况 下难以确定模型的预测能力；定量模型法则主要是在有足够历史数据的情形下使用，类 型上可分为 Logistic 回归模型、多元线形回归模型、决策树模型以及神经网络模型等， 该方法的优缺点则刚好与前一方法相反 ；而专家判断法和定量模型法相结合的方法 ( 我们 简称混合模型 ) 则是综合了上述两方法的点，选择这一评级方法，并构建了以下两个模 型：基于专家判断法的评分卡模型和基于定量模型法的 Logistic 回归模型。 1. 评分卡模型。该模型可以通过数学表达式来加以表达，其中： Xi 为第 i 个评 估变量的取值， wi 为对应的权重， N 为评估变量的总个数， Score 为最终的得分值 (越 高越好 )。进一步可依据最终的得分值对个人信贷的风险水平进行等级划分，在该模型 中 Xi ，wi 都是基于个人信贷专家的经验和主观判断来加以确定的。根据前文所构建的 个人住房贷款信用评分模型的分析框架，并通过与个人信贷专家的广泛交流，我们最 终确定了打分卡权重 , 其中：以 100 分为满分，作为第一还款来源的借款人要素占有了 最高的权重，为 50 分；包括住房抵押和担保在内的风险缓释要素作为第二还款来源占 有次之的权重，为 30 分；贷款方案的权重占有剩余的 20 分，结合表 1 给出的收入充 足性和稳定性、借款名誉度和诚信度等各细化要素的具体指标及其取值，就可以基于 该评分卡来对个人住房贷款做出信用评分。 2. 定量 模 型 (1) 定量模型的构建方法。个人住房贷款信用评分定量模型的整个构建流程可以分 为以下几个步骤：①建立指标体系。即给出个人住房贷款信用评分定量模型的使用指 标范围，类似 r ?表 1 的内容。②数据收集。即根据 “ 正常贷款 ” 和“ 不良贷款 ”的定 义，收集包含所有指标在内的个人住房贷款数据样本，此时要考虑到模型的观察期、 表现期的要求，其中：观察期是指在建立信用评分模型时，解释变量的历史观测时段； 表现期是指建立信用评分模型时，被解释变量或违约纪录的观测时段。对于我们所建 立的个人住房贷款信用批准模型来说，其观察期可选为 12 个月，表现期可选为 10? 15 个月。③数据清洗。数据清洗是保证模型分析效果的关键性步骤。不同来源的数据对 同一个概念有不同的表示方法，在集成多个数据来源时，需要消除数据结构上的这种 差异。此外，对于相似或重复记录，需要检测并且合并这些记录，解决这些问题的过 程称为数据清洗过程。数据清洗的目的是检测数据中存在的错误和不一致并加以修 正，由此提高数据的完整性、正确性和一致性。④变量筛选。变量筛选的目的是从整 个指标体系中选择出最终量化模型所需要使用的一组解释变量，其过程大致为：用所 有变量对违约记录进行单变量回归；找出对违约解释能力最强的单个变量，将该变量 与每单个剩余变量组合后进行双因素回归；找出对违约解释能力最强的两个变量，将 这两个变量再与每单个剩余变量进行三因素回归；找出对违约解释能力最强的三个变 量，然后进行四变量回归，直到所选择的变量个数达到预定的违约解释能力为止，一 般来说，最后使用的解释变量个数不超过 15 个.⑤模型估计。对于个人住房贷款信用评 分模型而言，目前应用最广泛的统计模型是 Logistic 回归模型，在已知模型解释变量 的基础上，应用收集的样本数据对所选择的模型进行参数估计，获得各解释变量的权 重系数。⑥模型验证。模型验证可分为定性和定量两个方面，其中：定性验证主要对 模型的解释变量及其权重在经济意义等方面的合理性进行评估；而定量验证则是通过 使用 R0C曲线、 CAP曲线及其度量指标线下面积 AUC、准确率比率 AR等，来对个人住 房贷款信用评分模型的违约区分能力进行统计检验 .⑦模型使用。利用以上建立的模型 对个人住房贷款进行信用评分，进一步可依据计算的信用评分值对个人住房贷款进行 等级划分，如优、良、中、差和违约五个等级，并在此基础上设定不同的风险限额和 贷款定价策略。⑧持续监控。在量化信用评分模型的使用过程中，应