基本介紹
- 中文名：信用評分模型
- 外文名：Credit scoring model
- 適用領域：金融、企業、銀行
- 所屬學科：金融學
定義簡介,方法,發展,
定義簡介
信用評分定義
信用評分是指根據客戶的信用歷史資料，利用一定的信用評分模型，得到不同等級的信用分數。根據客戶的信用分數，授信者可以分析客戶按時還款的可能性。據此，授信者可以決定是否準予授信以及授信的額度和利率。雖然授信者通過分析客戶的信用歷史資料，同樣可以得到這樣的分析結果，但利用信用評分卻更加快速、更加客觀、更具有一致性。
信用評分公司與信用管理局
信用評分公司與信用管理局
● 在信用評分領域有兩個非常重要的方面：
利用信用評分模型進行評分: 是指輸入客戶信用資料，通過信用評分模型得到客戶的信用分數，確定客戶的信用等級。
● 基於上述兩個重要方面，在信用評分發展過程中，逐漸產生了提供不同專業服務的公司：
信用評分專業公司: 它們主要根據業務需要開發各種不同的信用評分模型，將模型提供給商業銀行、貸款機構、電信公司、保險公司以及信用管理局等需要信用評分的公司。之所以有這 樣的專業公司存在，主要是因為每一家商業銀行、貸款機構的經營是不同的，從目標客戶的選擇到客戶服務的水平，即使在同一個城市裡，也會有差別，所以開發模 型所依賴的數據是不同的，信用評分模型也因此而各異。
信用管理局: 它們提供客戶的信用資料以及客戶的信用報告。信用管理局通過常年收集、積累數據，建立個人或企業信用資料資料庫，並向金融機構提供消費者個人信用有償調查 報告服務。信用管理局收集的客戶資料主要包括4個方面：身份信息，公共記錄，支付歷史和查詢記錄。信用局的基本工作就是收集個人或企業的信用記錄，建立完 善的數據管理中心，合法地向金融機構提供有償個人信用報告服務。
方法
關鍵部分
在信用評分的過程中，最關鍵的就是信用評分模型的構建。用來產生信用評分的模型不勝枚舉，每一種模型均有其獨特的規則。在此，我們主要介紹信用評分模型的構建方法。
基本原理
信用評分模型的基本原理是確定影響違約機率的因素，然後給予權重，計算其信用分數。信用評分模型的構建，目前最為有效的手段是數據挖掘。下面對數據挖掘的定義進行簡單介紹，並重點描述利用數據挖掘技術構建信用評分模型的步驟和方法。
數據挖掘
數據挖掘定義眾說不一，數據挖掘的關鍵可以被分成三個部分：數據、信息和商業決策，即數據挖掘就是一個從數據中汲取信息，並使用這些信息制訂更好的商業決策的過程。
信用評分模型構建步驟
利用數據挖掘技術構建信用評分模型一般可以分為10個步驟，它們分別是：業務目的確定、數據源識別、數據收集、數據選擇、數據質量審核、數據轉換、數據挖掘、結果解釋、套用建議和結果套用。這些可以形象地表示為（圖一）：
(1) 商業目標確定: 明確數據挖掘的目的或目標是成功完成任何數據挖掘項目的關鍵。例如，確定項目的目的是構建個人住房貸款的信用評分模型。
(2) 確認數據源識別: 在給定數據挖掘商業目標的情況下，下一個步驟是尋找可以解決和回答商業問題的數據。構建信用評分模型所需要的是關於客戶的大量信息，應該儘量收集全面的信 息。所需要的數據可能是業務數據，可能是資料庫/數據倉庫中存儲的數據，也可能是外部數據。如果沒有所需的數據，那么數據收集就是下一個必需的步驟。
(4) 數據篩選: 對收集的數據進行篩選，為挖掘準備數據。在實際項目中，由於受到計算處理能力和項目期限的限制，在挖掘項目中想用到所有數據是不可能實現的。因此數據篩選是必不可少的。數據篩選考慮的因素包括數據樣本的大小和質量。
(5) 數據質量檢測: 一旦數據被篩選出來，成功的數據挖掘的下一步是數據質量檢測和數據整合。目的就是提高篩選出來數據的質量。如果質量太低，就需要重新進行數據篩選。
(7) 數據挖掘: 挖掘數據是所有數據挖掘項目中最核心的部分。在時間或其它相關條件（諸如軟體等）允許的情況下，最好能夠嘗試多種不同的挖掘技巧。因為使用越多的數據挖掘 技巧，可能就會解決越多的商業問題。而且使用多種不同的挖掘技巧可以對挖掘結果的質量進行檢測。例如：在構建信用評分模型時，分類可以通過三種方法來實 現：決策樹，神經分類和邏輯回歸，每一種方法都可能產生出不同的結果。如果多個不同方法生成的結果都相近或相同，那么挖掘結果是很穩定、可用度非常高的。 如果得到的結果不同，在使用結果制定決策前必須查證問題所在。
(8) 結果解釋: 數據挖掘之後，應該根據零售貸款業務情況、數據挖掘目標和商業目的來評估和解釋挖掘的結果。
(9) 套用建議：數據挖掘關鍵問題，是如何把分析結果即信用評分模型轉化為商業利潤。
(10) 結果套用：通過數據挖掘技術構建的信用評分模型，有助於銀行決策層了解整體風險分布情況，為風險管理提供基礎。當然，其最直接的套用就是將信用評分模型反饋到銀行的業務作業系統，指導零售信貸業務操作。
信用風險評分模型構建方法
本文所討論的信用風險評分模型主要是屬於分類模型，所以用到的方法主要有分類分析和分割分析。分類分析主要方法包括：決策樹、神經網路、區別分析、邏輯回歸、機率回歸；分割分析主要方法包括：K-平均值、人口統計分割、神經網路分割。
發展
最早的信用評分
信用評分最早始於1940年代末至1950年代初。
當 時，美國有些銀行開始進行了一些有關信用評分方法的試驗，目的是提供一種可以處理大量信貸申請的工具。1956年，工程師Bill Fair和數學家Earl Isaac共同發明了著名的FICO評分方法，並成立了Fair Isaac公司，成為世界上第一家提供信用評分數學模型的公司。1958年，Fair Isaac公司發布了第一套信用評分系統。
1960年代
1960 年代，相繼出現了許多專門提供客戶信用報告和信用分數的信用管理局，如美國著名的三大信用管理局（Experian, Equifax and TransUnion）。尤其在過去10年中，全球信用評分市場領域得到更加彭勃的發展，出現了許多信用評分公司和信用管理局，同時也極大地提高了銀行對 用戶進行信用評估的準確性、有效性和一致性。
評分高低的影響因素
