【文章內(nèi)容簡(jiǎn)介】 業(yè)銀行由于零售業(yè)務(wù)起步較晚、數(shù)據(jù)積累時(shí)間不足等原因，管理手段還比較落后。一是零售業(yè)務(wù)貸款決策主要以人工主觀判斷為主，尚未實(shí)現(xiàn)標(biāo)準(zhǔn)化和自動(dòng)化。目前，我國(guó)商業(yè)銀行零售業(yè)務(wù)的評(píng)分模型建設(shè)落后，審批和回收等工作均采取“逐戶逐筆”的方式，內(nèi)部流程較長(zhǎng)，經(jīng)營(yíng)成本相對(duì)較高，業(yè)務(wù)效率較低。此外，風(fēng)險(xiǎn)評(píng)價(jià)主要依靠專家經(jīng)驗(yàn)，采用人工判定的方式，影響信貸決策的客觀性、準(zhǔn)確性和公正性，且無(wú)法實(shí)現(xiàn)業(yè)務(wù)的自動(dòng)化處理。二是零售業(yè)務(wù)沒有進(jìn)行貸款池劃分，不能計(jì)算各貸款池的風(fēng)險(xiǎn)要素。目前，我國(guó)商業(yè)銀行還沒有按照零售內(nèi)部評(píng)級(jí)法的要求，對(duì)風(fēng)險(xiǎn)類別進(jìn)行進(jìn)一步的細(xì)化，按照業(yè)務(wù)風(fēng)險(xiǎn)特征的同質(zhì)性進(jìn)行分類管理。還不能計(jì)算零售業(yè)務(wù)貸款池的PD、LGD 和EAD 等基本風(fēng)險(xiǎn)要素，各個(gè)貸款池的風(fēng)險(xiǎn)度量還處于空白。三是在評(píng)級(jí)結(jié)果驗(yàn)證和評(píng)級(jí)應(yīng)用等方面還比較落后，尚未成為信貸審批、產(chǎn)品定價(jià)、市場(chǎng)營(yíng)銷、績(jī)效考核的主要手段。如何提升商業(yè)銀行零售業(yè)務(wù)的風(fēng)險(xiǎn)管理水平，關(guān)鍵在于提高零售風(fēng)險(xiǎn)量化水平和實(shí)現(xiàn)零售業(yè)務(wù)處理的自動(dòng)化和標(biāo)準(zhǔn)化。零售內(nèi)部評(píng)級(jí)法的核心就是要求銀行實(shí)現(xiàn)對(duì)零售業(yè)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確量化。因此，商業(yè)銀行應(yīng)該積極推動(dòng)零售業(yè)務(wù)內(nèi)部評(píng)級(jí)法建設(shè)，按照新資本協(xié)議零售內(nèi)部評(píng)級(jí)法的要求，借鑒國(guó)際先進(jìn)銀行最佳實(shí)踐，結(jié)合我國(guó)零售業(yè)務(wù)的特點(diǎn)，建設(shè)滿足我國(guó)零售業(yè)務(wù)需要的信用評(píng)分模型體系，實(shí)現(xiàn)零售業(yè)務(wù)管理的自動(dòng)化和標(biāo)準(zhǔn)化，提高零售業(yè)務(wù)風(fēng)險(xiǎn)管理水平。根據(jù)巴塞爾新資本協(xié)議零售內(nèi)部評(píng)級(jí)法的要求，對(duì)于信用卡產(chǎn)品，銀行可以根據(jù)申請(qǐng)、行為評(píng)分的分段，以及逾期行為等借款人風(fēng)險(xiǎn)特征進(jìn)行風(fēng)險(xiǎn)劃分。針對(duì)我國(guó)商業(yè)銀行零售業(yè)務(wù)特點(diǎn)，改進(jìn)信用評(píng)分卡模型設(shè)計(jì)技術(shù)、量化風(fēng)險(xiǎn)，成為國(guó)內(nèi)商業(yè)銀行實(shí)施巴塞爾協(xié)議零售內(nèi)部評(píng)級(jí)法的起點(diǎn)。二、信用評(píng)分模型簡(jiǎn)介（一）信用評(píng)分卡個(gè)人信用評(píng)分就是通過(guò)分析匯總借款人的各個(gè)信用信息而得出的經(jīng)過(guò)量化的信用等級(jí)。個(gè)人信用評(píng)分也是銀行或其他金融機(jī)構(gòu)利用所獲得的信用申請(qǐng)人的信息，進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)的一種方法和技術(shù)。它是把數(shù)學(xué)和統(tǒng)計(jì)模式用于個(gè)人信貸發(fā)放決策，對(duì)個(gè)人履行各種承諾的能力和信譽(yù)程度進(jìn)行全面評(píng)價(jià)，確定信用等級(jí)和信貸限額的一種方法。其功能是以個(gè)人的信貸申請(qǐng)書和征信報(bào)告等資料為基礎(chǔ)信息，對(duì)該申請(qǐng)人的信貸風(fēng)險(xiǎn)程度進(jìn)行分析，并得到數(shù)字量化的結(jié)果作為貸款決策的依據(jù)，從而使信貸決策自動(dòng)化、科學(xué)化。從本質(zhì)上講，個(gè)人信用評(píng)分是一種對(duì)個(gè)人信用的一種定量化描述，用客觀的方式預(yù)測(cè)信用行為。它具有減少壞帳，促進(jìn)決策標(biāo)準(zhǔn)化、業(yè)務(wù)自動(dòng)化以及快速高效的優(yōu)點(diǎn)。（二）信用評(píng)分卡優(yōu)勢(shì)零售信用評(píng)分模型具備以下優(yōu)勢(shì)：一是客觀性，評(píng)分模型是根據(jù)大量數(shù)據(jù)提煉出來(lái)的預(yù)測(cè)信息和行為模式制定的，反映了銀行客戶信用表現(xiàn)的普遍規(guī)律；二是一致性，評(píng)分模型可以保證銀行決策的一致性；三是準(zhǔn)確性，評(píng)分模型依據(jù)先進(jìn)的統(tǒng)計(jì)學(xué)技術(shù)，能比較準(zhǔn)確地預(yù)測(cè)出客戶信用表現(xiàn)的概率；四是全面性，評(píng)分模型一般是由代表各個(gè)信息維度的預(yù)測(cè)變量組成，比較全面地評(píng)估了客戶未來(lái)的信用表現(xiàn)；五是效率性，信用評(píng)分模型可以在系統(tǒng)內(nèi)實(shí)現(xiàn)自動(dòng)化處理，決策迅速，更適用于數(shù)量巨大的零售業(yè)務(wù)。信用評(píng)分模型的使用，將有利于銀行提高決策效率，壞賬率明顯減少，收益增加。（三）信用評(píng)分卡分類信用評(píng)分技術(shù)可用來(lái)評(píng)估對(duì)某貸款申請(qǐng)人發(fā)放貸款的風(fēng)險(xiǎn)。其原理是通過(guò)對(duì)已有的貸款歷史數(shù)據(jù)進(jìn)行各種定性或定量的分析，以使信用評(píng)分能夠充分體現(xiàn)客戶基礎(chǔ)特征對(duì)拖欠和違約行為的影響。信用評(píng)分卡主要分為三種類型：申請(qǐng)信用評(píng)分卡、行為信用評(píng)分卡和催收信用評(píng)分卡，分別為信用卡業(yè)務(wù)提供事前、事中和事后的信用風(fēng)險(xiǎn)控制。申請(qǐng)信用評(píng)分卡專門用于對(duì)新申請(qǐng)客戶的信用評(píng)估。它通過(guò)申請(qǐng)人填寫的有關(guān)身份資料，即可快速、有效地辨別和劃分客戶的優(yōu)劣，防范信用不良的客戶申辦信用卡，提高持卡人的信用水平，實(shí)現(xiàn)信用卡業(yè)務(wù)風(fēng)險(xiǎn)的事前防范。行為信用評(píng)分卡是通過(guò)對(duì)持卡人還款行為的監(jiān)控和預(yù)測(cè)，實(shí)現(xiàn)評(píng)估客戶風(fēng)險(xiǎn)的目的。行為信用評(píng)分卡可用于信用額度的自動(dòng)監(jiān)控和調(diào)整、授權(quán)以及對(duì)壞賬的預(yù)測(cè)。催收信用評(píng)分卡是申請(qǐng)?jiān)u分卡和行為信用評(píng)分卡的補(bǔ)充，特別是在持卡客戶產(chǎn)生逾期貸款或壞賬的情況下建立的。催收信用評(píng)分卡應(yīng)用于預(yù)測(cè)和評(píng)估對(duì)某一筆壞賬所采取的措施的有效性，諸如客戶對(duì)電話、信函、上門和司法催收的反應(yīng)的可能性。這樣，發(fā)卡行可以根據(jù)模型的預(yù)測(cè)結(jié)果，針對(duì)不同的拖欠客戶采取不同的催收措施。三、零售客戶評(píng)分卡設(shè)計(jì)流程2008年大公進(jìn)行一汽財(cái)務(wù)內(nèi)部評(píng)級(jí)體系建設(shè)項(xiàng)目，在項(xiàng)目中對(duì)轎車和卡車客戶建立了個(gè)人信用評(píng)分卡。這些客戶評(píng)分卡為“申請(qǐng)人信用評(píng)分”，它可用于幫助信貸審批人員做出是否批準(zhǔn)新申請(qǐng)人貸款的決策，并有助于提高審貸人員的審批效率。通過(guò)使用評(píng)分卡對(duì)貸款申請(qǐng)人進(jìn)行綜合評(píng)分，公司審貸人員可較快地了解貸款申請(qǐng)者的整體信用水平。大公采用了目前國(guó)際流行的數(shù)據(jù)挖掘技術(shù)進(jìn)行信用評(píng)分卡設(shè)計(jì)。針對(duì)一汽財(cái)務(wù)公司業(yè)務(wù)和客戶的特點(diǎn)，大公設(shè)計(jì)了最適合公司情況的開發(fā)流程，分為8個(gè)步驟：業(yè)務(wù)目標(biāo)確定、數(shù)據(jù)抽樣、數(shù)據(jù)質(zhì)量檢驗(yàn)、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘及建模、驗(yàn)證模型、模型應(yīng)用和模型跟蹤與反饋。（一）業(yè)務(wù)目標(biāo)確定信用評(píng)分的目的是利用現(xiàn)有的樣本數(shù)據(jù)建立模型，利用此模型對(duì)未來(lái)申請(qǐng)人的信用行為進(jìn)行預(yù)測(cè)，從而區(qū)分出好客戶和壞客戶。在建立評(píng)分模型時(shí)，需要一組已有的客戶樣本，既要知道該組客戶的特征，同時(shí)也需要了解他們的信用表現(xiàn)。根據(jù)巴塞爾協(xié)議對(duì)違約定義及公司對(duì)客戶管理需要，對(duì)好壞客戶進(jìn)行定義。（二）選擇最佳的數(shù)據(jù)源，抽取樣本模型的質(zhì)量由數(shù)據(jù)的質(zhì)量決定。在信用評(píng)分卡模型的開發(fā)中，數(shù)據(jù)是框架或信息庫(kù)，模型質(zhì)量與底層的數(shù)據(jù)密切相關(guān)。從數(shù)據(jù)的來(lái)源上看，可以分為內(nèi)部數(shù)據(jù)源或外部數(shù)據(jù)源。內(nèi)部數(shù)據(jù)源是指業(yè)務(wù)活動(dòng)產(chǎn)生的數(shù)據(jù)，如申請(qǐng)人的申請(qǐng)表、審批材料等。外部數(shù)據(jù)包括征信系統(tǒng)的數(shù)據(jù)。根據(jù)業(yè)務(wù)問(wèn)題和對(duì)數(shù)據(jù)庫(kù)的理解，在收集到的數(shù)據(jù)基礎(chǔ)上采用抽樣的方法，篩選出構(gòu)建信用評(píng)分所需的數(shù)據(jù)。抽樣可以解決數(shù)據(jù)量過(guò)大的問(wèn)題，使分析更具效率，但是必須要把握好目標(biāo)群體的特性，避免抽樣時(shí)產(chǎn)生偏差。（三）數(shù)據(jù)質(zhì)量檢驗(yàn)數(shù)據(jù)準(zhǔn)備是評(píng)分模型開發(fā)過(guò)程中最重要的步驟之一。無(wú)論模型的復(fù)雜程度如何，數(shù)據(jù)質(zhì)量是項(xiàng)目成功的關(guān)鍵。好的數(shù)據(jù)和有效的技術(shù)一樣，決定著模型的結(jié)果。在原始數(shù)據(jù)的基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行合并，并創(chuàng)建最終的數(shù)據(jù)集。對(duì)建立評(píng)分模型所用的數(shù)據(jù)集，進(jìn)行檢查，以發(fā)現(xiàn)錯(cuò)誤、異常和缺失值，這是數(shù)據(jù)準(zhǔn)備過(guò)程中一項(xiàng)耗時(shí)、乏味的工作，但卻是一個(gè)不可缺少的步驟。（四）分析、選擇和轉(zhuǎn)換變量有了可靠的數(shù)據(jù)之后，根據(jù)建模需要，還應(yīng)該對(duì)數(shù)據(jù)做相應(yīng)的轉(zhuǎn)換。工作內(nèi)容包括多個(gè)數(shù)據(jù)庫(kù)表之間的匹配整合，變量的構(gòu)造與派生，對(duì)缺失、異常變量進(jìn)行處理。通過(guò)數(shù)據(jù)轉(zhuǎn)換過(guò)程，一方面將數(shù)據(jù)庫(kù)格式的信息構(gòu)造為數(shù)據(jù)挖掘需要格式，另一方面要根據(jù)業(yè)務(wù)專家的經(jīng)驗(yàn)，產(chǎn)生預(yù)測(cè)能力強(qiáng)的變量，為評(píng)分的準(zhǔn)確性打下堅(jiān)實(shí)基礎(chǔ)。在準(zhǔn)備對(duì)最終模型進(jìn)行處理的過(guò)程中，需要使用一些簡(jiǎn)單的技術(shù)來(lái)減少變量的數(shù)量，這樣可以排除那些預(yù)測(cè)能力低或無(wú)預(yù)測(cè)能力的變量，從而使創(chuàng)建的模型更加有效。（五）數(shù)據(jù)挖掘及建模建立模型可采用的方法很多，主要有統(tǒng)計(jì)方法與非統(tǒng)計(jì)方法兩種。常用的統(tǒng)計(jì)方法包括判別分析法、回歸法、邏輯回歸法、分類樹法等；非統(tǒng)計(jì)方法有神經(jīng)網(wǎng)絡(luò)法、線性規(guī)劃法等。決策樹也是數(shù)據(jù)挖掘中最常用的方法之一。在數(shù)據(jù)挖掘過(guò)程中，決策樹用作一個(gè)分類的工具去解決大量的分類問(wèn)題，決策樹使用樹型結(jié)構(gòu)描述知識(shí)，樹的構(gòu)建稱為樹歸納，這個(gè)過(guò)程用一套預(yù)分類的例子來(lái)發(fā)展一個(gè)決策，一旦這樣的樹被引入，它就被用在預(yù)言模式中，把新的記錄分類到預(yù)先規(guī)定的種類，當(dāng)需要考慮許多復(fù)雜的信息時(shí)，決策樹是作決策的極好工具，它提供有效結(jié)構(gòu)以選擇決策和評(píng)估決策的后果。與神經(jīng)網(wǎng)絡(luò)、多元統(tǒng)計(jì)判別分析等分類方法相比，速度快、精度高、生成模式簡(jiǎn)單易用。利用決策樹可以將客戶按照各種特征進(jìn)行分類，并計(jì)算不同類型客戶的違約概率。另一方面還可以分析變量的相對(duì)重要性。決策樹的最頂端為根結(jié)點(diǎn)、最底端為葉子。每個(gè)結(jié)點(diǎn)都標(biāo)示出了結(jié)點(diǎn)數(shù)據(jù)量及好壞客戶的占比情況。以圖2第二層左端結(jié)點(diǎn)為例，數(shù)據(jù)中共有430人居住面積屬于第2或第3組。在430個(gè)客戶中共有305人為好客戶，%。通過(guò)對(duì)決策樹分析的結(jié)果，可以看出影響客戶信用狀況的各因素的相對(duì)重要程度。在實(shí)際應(yīng)用中，經(jīng)常會(huì)采用邏輯回歸法來(lái)創(chuàng)建信用評(píng)分模型。邏輯回歸技術(shù)具有功能強(qiáng)大、直觀、對(duì)過(guò)度適應(yīng)數(shù)據(jù)的風(fēng)險(xiǎn)低等特點(diǎn)。邏輯回歸技術(shù)是在數(shù)據(jù)中找到一條誤差最小化的線性路徑的一種理想技術(shù)，并且其結(jié)果可直接產(chǎn)生評(píng)分卡，在模式實(shí)行上的成本較低、時(shí)間短。（１）邏輯回歸模型邏輯回歸模型是非線性模型的一種，其主要應(yīng)用于因變量為二分類變量的情況，如違約/不違約，發(fā)病/未發(fā)病等。由于因變量為二分類變量，因此邏輯回歸模型在模型假設(shè)條件、估計(jì)方法以及回歸系數(shù)的解釋等方面與傳統(tǒng)多元回歸模型存在著較大的差別。圖2 決策樹例圖（２）模型假設(shè)假設(shè)客戶違約發(fā)生的概率為P，取值范圍在01之間。由于建立模型時(shí)因變量P與自變量 之間存在非線性關(guān)系，因此需要對(duì)因變量進(jìn)行相應(yīng)變換。圖3 違約概率P與自變量之間的非線性關(guān)系通過(guò)對(duì)違約事件P進(jìn)行l(wèi)ogit轉(zhuǎn)換（即P ln(P/(1P))，表示為logitP），可使logitP的取值范圍在（∞，+∞）之間，同時(shí)使其與自變量線性相關(guān)。從而