《客户评价》课件.ppt

精选PPT 第二节 消费者信用评分方法 消费者信用评分的定义 信用评分的基本类型 典型的信用评分数学模型（见第二章） 一、消费者信用评分的定义 个人信用评分是个人征信机构、金融机构等授信机构利用数学和统计技术，根据获得的消费者个人信用信息，对消费者的信用价值或者信用消费潜力进行定量化的评估，确定消费者信用等级和信贷限额的一种方法。 个人信用评分是个人征信机构的一种重要产品。 针对不同的应用，信用评分分为：风险评分、收入评分、客户流失（忠诚度）评分、催收评分、信用卡发卡审核评分、房屋按揭贷款发放审核评分、信用额度核定评分等。信用评分不仅为授信部门筛选合格的客户设置了门槛，减少坏账，大大地降低了坏账率；而且也实现了授信部门对消费者授信决策的自动化、标准化，提高了授信工作的效率。 二、信用评分的基本类型 基础信用评分 细分类型的信用评分 信用评分是在一个或数个数学模型的支持下进行的。常用的信用评分是用于预测消费者违约率的，用来预测消费者“准时且足额”偿还信贷的可能性。 1、基础信用评分 用于设置核准信用申请的门槛。基础信用评分的原理是采用排除法，对消费者个人以往的信用记录进行分析，以分析不良信用记录为主，排除信用不良申请人，保留信用优良申请人，预测的是消费者的违约率。排除法将非常可能违约和非常不可能违约的客户分类，设置上15%和下15%的“门槛”分值，属于“是或否”形式的信用评分。 2、细分类型的信用评分  追求样本内的差别最大化。细分类型信用评分的任务是，对介于信用最好和最不好之间的消费群体进行细分，对其将来的违约风险进行预测，使用一种数字或字母系统来表述一个人信用评分的差异，进而区分违约的机率。这种数学模型要求的建模技术非常高，要求数学模型能够细致地将个人信用评分细分成成百上千个档次。 第三节 常用的信用评价模型 企业信用评价模型分为两类，预测模型和管理模型。预测模型用于预测客户前景，衡量客户破产的可能性，Z计分模型和巴萨利模型属于此类。管理模型不具有预测性，它偏重于均衡地解释客户信息，从而衡量客户实力，营运资产分析模型和特征分析模型属于此类。管理模型不像预测模型那样目标专一，能在信用决策中得到广泛应用，同时管理模型具有很大的灵活性，通过适当调整可适用于各种场合。 （一）Z计分模型 Z计分模型通过关键的财务比率来预测机构破产的可能性，由美国著名财务学教授爱德华·奥特曼（Edward Altman）创建。和传统信用评价方法相比，量化的过程使得评价人员的主观性淡化了。但是，模型的难度在于系数的测算。 1、第一代模型 （1）Z1模型——上市公司 Z1=1.2X1＋1.4X2＋3.3X3＋0.6X4＋0.999X5 其中X1=（流动资产—流动负债）/资产总额 X2=未分配利润/资产总额 X3=（利润总额+利息支出）/资产总额 息税前利润 X4=权益市场值/负债总额 X5=销售收入/总资产 对于Z值与信用风险的关系，Altman认为Z小于1.8，风险很大；Z大于2.99，风险很小。该模型主要针对上市机构。 （2）Z2模型——非上市公司 Z2=0.717X1＋0.847X2＋3.107X3＋0.420X4＋0.998X5 其中X4=权益/负债总额，X1、X2、X3、X5含义同上。 Altman认为Z小于1.23，风险很大；Z大于2.9，风险很小。该模型主要针对非上市公司。 账面价值 （3）Z3模型——非制造业 Z3=6.56X1＋3.26X2＋6.72X3＋1.05X4 Altman认为Z小于1.23，风险很大；Z大于2.9，风险很小。该模型主要适用于非制造企业。 2、第二代模型 又称ZETA信用风险模型。主要变量有7个，分别是资产报酬率、收入稳定性、利息倍数、负债比率、流动比率、资本化比率、规模等。 ZETA=a1Ⅹ1+a2Ⅹ2+a3Ⅹ3+a4Ⅹ4+a5Ⅹ5+a6Ⅹ6+a7Ⅹ7 第六章 客户评价 评价企业客户的方法 消费者信用评分方法 常用的信用评价模型  客户评价即由特定的机构或部门根据“公正、客观、科学”原则，按照一定的方法、程序，在对被评价对象进行考察调研和系统分析的基础上，做出有关其信用能力的可靠性、安全性的评价，并以专用符号或简单文字加以表达的一种管理活动。客户评价结果直接影响企业信用政策运用和授信管理行为，是建立科学的授信管理制度的基础。 客户资信评价的主体既可以是专业资信评级机构，也可以是企业信用管理部门。究其对象而言，客户评价包括对企业客户和消费者个人的评价。 客户评价的方法有两大类，即传统评价方法和现代评价方法。传统评价方法，也称为专家打分制度，其核心是“C”要素学说。现代评价方法是以Z模型为代表的建立在关键因素基础上的较为客观的信用评级模型。 第一节 评价企业客户的方法