【文章內(nèi)容簡介】 業(yè)銀行由于零售業(yè)務起步較晚、數(shù)據(jù)積累時間不足等原因，管理手段還比較落后。一是零售業(yè)務貸款決策主要以人工主觀判斷為主，尚未實現(xiàn)標準化和自動化。目前，我國商業(yè)銀行零售業(yè)務的評分模型建設落后，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，經(jīng)營成本相對較高，業(yè)務效率較低。此外，風險評價主要依靠專家經(jīng)驗，采用人工判定的方式，影響信貸決策的客觀性、準確性和公正性，且無法實現(xiàn)業(yè)務的自動化處理。二是零售業(yè)務沒有進行貸款池劃分，不能計算各貸款池的風險要素。目前，我國商業(yè)銀行還沒有按照零售內(nèi)部評級法的要求，對風險類別進行進一步的細化，按照業(yè)務風險特征的同質(zhì)性進行分類管理。還不能計算零售業(yè)務貸款池的PD、LGD 和EAD 等基本風險要素，各個貸款池的風險度量還處于空白。三是在評級結果驗證和評級應用等方面還比較落后，尚未成為信貸審批、產(chǎn)品定價、市場營銷、績效考核的主要手段。如何提升商業(yè)銀行零售業(yè)務的風險管理水平，關鍵在于提高零售風險量化水平和實現(xiàn)零售業(yè)務處理的自動化和標準化。零售內(nèi)部評級法的核心就是要求銀行實現(xiàn)對零售業(yè)務風險的準確量化。因此，商業(yè)銀行應該積極推動零售業(yè)務內(nèi)部評級法建設，按照新資本協(xié)議零售內(nèi)部評級法的要求，借鑒國際先進銀行最佳實踐，結合我國零售業(yè)務的特點，建設滿足我國零售業(yè)務需要的信用評分模型體系，實現(xiàn)零售業(yè)務管理的自動化和標準化，提高零售業(yè)務風險管理水平。根據(jù)巴塞爾新資本協(xié)議零售內(nèi)部評級法的要求，對于信用卡產(chǎn)品，銀行可以根據(jù)申請、行為評分的分段，以及逾期行為等借款人風險特征進行風險劃分。針對我國商業(yè)銀行零售業(yè)務特點，改進信用評分卡模型設計技術、量化風險，成為國內(nèi)商業(yè)銀行實施巴塞爾協(xié)議零售內(nèi)部評級法的起點。二、信用評分模型簡介（一）信用評分卡個人信用評分就是通過分析匯總借款人的各個信用信息而得出的經(jīng)過量化的信用等級。個人信用評分也是銀行或其他金融機構利用所獲得的信用申請人的信息，進行風險預測的一種方法和技術。它是把數(shù)學和統(tǒng)計模式用于個人信貸發(fā)放決策，對個人履行各種承諾的能力和信譽程度進行全面評價，確定信用等級和信貸限額的一種方法。其功能是以個人的信貸申請書和征信報告等資料為基礎信息，對該申請人的信貸風險程度進行分析，并得到數(shù)字量化的結果作為貸款決策的依據(jù)，從而使信貸決策自動化、科學化。從本質(zhì)上講，個人信用評分是一種對個人信用的一種定量化描述，用客觀的方式預測信用行為。它具有減少壞帳，促進決策標準化、業(yè)務自動化以及快速高效的優(yōu)點。（二）信用評分卡優(yōu)勢零售信用評分模型具備以下優(yōu)勢：一是客觀性，評分模型是根據(jù)大量數(shù)據(jù)提煉出來的預測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，評分模型可以保證銀行決策的一致性；三是準確性，評分模型依據(jù)先進的統(tǒng)計學技術，能比較準確地預測出客戶信用表現(xiàn)的概率；四是全面性，評分模型一般是由代表各個信息維度的預測變量組成，比較全面地評估了客戶未來的信用表現(xiàn)；五是效率性，信用評分模型可以在系統(tǒng)內(nèi)實現(xiàn)自動化處理，決策迅速，更適用于數(shù)量巨大的零售業(yè)務。信用評分模型的使用，將有利于銀行提高決策效率，壞賬率明顯減少，收益增加。（三）信用評分卡分類信用評分技術可用來評估對某貸款申請人發(fā)放貸款的風險。其原理是通過對已有的貸款歷史數(shù)據(jù)進行各種定性或定量的分析，以使信用評分能夠充分體現(xiàn)客戶基礎特征對拖欠和違約行為的影響。信用評分卡主要分為三種類型：申請信用評分卡、行為信用評分卡和催收信用評分卡，分別為信用卡業(yè)務提供事前、事中和事后的信用風險控制。申請信用評分卡專門用于對新申請客戶的信用評估。它通過申請人填寫的有關身份資料，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，實現(xiàn)信用卡業(yè)務風險的事前防范。行為信用評分卡是通過對持卡人還款行為的監(jiān)控和預測，實現(xiàn)評估客戶風險的目的。行為信用評分卡可用于信用額度的自動監(jiān)控和調(diào)整、授權以及對壞賬的預測。催收信用評分卡是申請評分卡和行為信用評分卡的補充，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。催收信用評分卡應用于預測和評估對某一筆壞賬所采取的措施的有效性，諸如客戶對電話、信函、上門和司法催收的反應的可能性。這樣，發(fā)卡行可以根據(jù)模型的預測結果，針對不同的拖欠客戶采取不同的催收措施。三、零售客戶評分卡設計流程2008年大公進行一汽財務內(nèi)部評級體系建設項目，在項目中對轎車和卡車客戶建立了個人信用評分卡。這些客戶評分卡為“申請人信用評分”，它可用于幫助信貸審批人員做出是否批準新申請人貸款的決策，并有助于提高審貸人員的審批效率。通過使用評分卡對貸款申請人進行綜合評分，公司審貸人員可較快地了解貸款申請者的整體信用水平。大公采用了目前國際流行的數(shù)據(jù)挖掘技術進行信用評分卡設計。針對一汽財務公司業(yè)務和客戶的特點，大公設計了最適合公司情況的開發(fā)流程，分為8個步驟：業(yè)務目標確定、數(shù)據(jù)抽樣、數(shù)據(jù)質(zhì)量檢驗、數(shù)據(jù)轉換、數(shù)據(jù)挖掘及建模、驗證模型、模型應用和模型跟蹤與反饋。（一）業(yè)務目標確定信用評分的目的是利用現(xiàn)有的樣本數(shù)據(jù)建立模型，利用此模型對未來申請人的信用行為進行預測，從而區(qū)分出好客戶和壞客戶。在建立評分模型時，需要一組已有的客戶樣本，既要知道該組客戶的特征，同時也需要了解他們的信用表現(xiàn)。根據(jù)巴塞爾協(xié)議對違約定義及公司對客戶管理需要，對好壞客戶進行定義。（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。在信用評分卡模型的開發(fā)中，數(shù)據(jù)是框架或信息庫，模型質(zhì)量與底層的數(shù)據(jù)密切相關。從數(shù)據(jù)的來源上看，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)務活動產(chǎn)生的數(shù)據(jù)，如申請人的申請表、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)務問題和對數(shù)據(jù)庫的理解，在收集到的數(shù)據(jù)基礎上采用抽樣的方法，篩選出構建信用評分所需的數(shù)據(jù)。抽樣可以解決數(shù)據(jù)量過大的問題，使分析更具效率，但是必須要把握好目標群體的特性，避免抽樣時產(chǎn)生偏差。（三）數(shù)據(jù)質(zhì)量檢驗數(shù)據(jù)準備是評分模型開發(fā)過程中最重要的步驟之一。無論模型的復雜程度如何，數(shù)據(jù)質(zhì)量是項目成功的關鍵。好的數(shù)據(jù)和有效的技術一樣，決定著模型的結果。在原始數(shù)據(jù)的基礎上，對數(shù)據(jù)進行合并，并創(chuàng)建最終的數(shù)據(jù)集。對建立評分模型所用的數(shù)據(jù)集，進行檢查，以發(fā)現(xiàn)錯誤、異常和缺失值，這是數(shù)據(jù)準備過程中一項耗時、乏味的工作，但卻是一個不可缺少的步驟。（四）分析、選擇和轉換變量有了可靠的數(shù)據(jù)之后，根據(jù)建模需要，還應該對數(shù)據(jù)做相應的轉換。工作內(nèi)容包括多個數(shù)據(jù)庫表之間的匹配整合，變量的構造與派生，對缺失、異常變量進行處理。通過數(shù)據(jù)轉換過程，一方面將數(shù)據(jù)庫格式的信息構造為數(shù)據(jù)挖掘需要格式，另一方面要根據(jù)業(yè)務專家的經(jīng)驗，產(chǎn)生預測能力強的變量，為評分的準確性打下堅實基礎。在準備對最終模型進行處理的過程中，需要使用一些簡單的技術來減少變量的數(shù)量，這樣可以排除那些預測能力低或無預測能力的變量，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)計方法與非統(tǒng)計方法兩種。常用的統(tǒng)計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)計方法有神經(jīng)網(wǎng)絡法、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)挖掘過程中，決策樹用作一個分類的工具去解決大量的分類問題，決策樹使用樹型結構描述知識，樹的構建稱為樹歸納，這個過程用一套預分類的例子來發(fā)展一個決策，一旦這樣的樹被引入，它就被用在預言模式中，把新的記錄分類到預先規(guī)定的種類，當需要考慮許多復雜的信息時，決策樹是作決策的極好工具，它提供有效結構以選擇決策和評估決策的后果。與神經(jīng)網(wǎng)絡、多元統(tǒng)計判別分析等分類方法相比，速度快、精度高、生成模式簡單易用。利用決策樹可以將客戶按照各種特征進行分類，并計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重要性。決策樹的最頂端為根結點、最底端為葉子。每個結點都標示出了結點數(shù)據(jù)量及好壞客戶的占比情況。以圖2第二層左端結點為例，數(shù)據(jù)中共有430人居住面積屬于第2或第3組。在430個客戶中共有305人為好客戶，%。通過對決策樹分析的結果，可以看出影響客戶信用狀況的各因素的相對重要程度。在實際應用中，經(jīng)常會采用邏輯回歸法來創(chuàng)建信用評分模型。邏輯回歸技術具有功能強大、直觀、對過度適應數(shù)據(jù)的風險低等特點。邏輯回歸技術是在數(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，并且其結果可直接產(chǎn)生評分卡，在模式實行上的成本較低、時間短。（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條件、估計方法以及回歸系數(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）模型假設假設客戶違約發(fā)生的概率為P，取值范圍在01之間。由于建立模型時因變量P與自變量 之間存在非線性關系，因此需要對因變量進行相應變換。圖3 違約概率P與自變量之間的非線性關系通過對違約事件P進行l(wèi)ogit轉換（即P ln(P/(1P))，表示為logitP），可使logitP的取值范圍在（∞，+∞）之間，同時使其與自變量線性相關。從而