信用贷款评级表.docxVIP

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： 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。 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。 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，应该不断地对模型 的评估绩效进行持续监控以分析模型是否需要进行调整和优化，例如，在银行客户群 发生变化的情况下，我们就应该对所建立