信用評(píng)分管理-資料下載頁(yè)
2025-05-29 01:12本頁(yè)面
【導(dǎo)讀】信用評(píng)分的目的是幫助信用提供者量化和管理包含在提供信用中的金融風(fēng)險(xiǎn)，以便于他們。能夠更好的而且更為客觀的作出借貸決策。在1936年，F(xiàn)isher引入了在一個(gè)總體中的不同群體中進(jìn)行區(qū)別的思想（例如通過(guò)使用物種的身體大小來(lái)區(qū)分鳶。許多年來(lái)，對(duì)于提供貸款的決策都是由信用分析師來(lái)判定的。在第二次世界大戰(zhàn)期間由。于缺乏信用分析師，許多機(jī)構(gòu)要求分析師們寫下他們用于評(píng)價(jià)申請(qǐng)貸款者的信用狀況的評(píng)判規(guī)則（Johnson，世界大戰(zhàn)之后，人們把這兩項(xiàng)事件結(jié)合在一起并且開始考。慮在決定貸款申請(qǐng)者的過(guò)程中使用統(tǒng)計(jì)學(xué)生成模型的優(yōu)勢(shì)。關(guān)的信息并且避免信用分析師或保險(xiǎn)公司的個(gè)人主觀性。量諸如種族、性別、宗教信仰和年齡等都不能包括在信用評(píng)分模型中。些被證實(shí)為對(duì)支付能力有預(yù)測(cè)性的信息才能包括在模型之中。為有效的控制風(fēng)險(xiǎn)。據(jù)討論得知在汽車與抵押。保險(xiǎn)方面的信用鑒定與損失比率之間都有很強(qiáng)的相關(guān)關(guān)系。統(tǒng)計(jì)上的證據(jù)也證明了相對(duì)損失比率（關(guān)于索
【正文】 確的，緊跟著是神經(jīng)網(wǎng)絡(luò)模型和 Logistic 回歸模型。因此，依據(jù)我們的評(píng)價(jià)標(biāo)準(zhǔn)，決策樹模型是最好的（冠軍）預(yù)測(cè)模型，并且能夠用于我們對(duì)信用卡申請(qǐng)者進(jìn)行信用風(fēng)險(xiǎn)的預(yù)測(cè)。但是同樣要注意的是， 決策樹模型比較容易解釋， 就如在圖 6 中所反映的簡(jiǎn)單的規(guī)則證實(shí)的一樣。 中國(guó)最大的資料庫(kù)下載 中國(guó)最大的資料庫(kù)下載 圖 6 信用評(píng)分的局限性 在這里的結(jié)論部分，我們討論一下信用評(píng)分的局限性同樣也是適合的。當(dāng)構(gòu)建信用評(píng)分模型是可能產(chǎn)生的一個(gè)主要的問(wèn)題時(shí)，模型可能建立在一個(gè)有偏的已獲信用準(zhǔn)許的用戶或客戶樣本數(shù)據(jù)基礎(chǔ)上（ Hand， 20xx）。這可能發(fā)生主要是因?yàn)?，那些被拒絕的申請(qǐng)者可 能不會(huì)包含在構(gòu)建模型的數(shù)據(jù)庫(kù)中，因此就沒有機(jī)會(huì)來(lái)確知他們的信用價(jià)值性。因而，樣本將會(huì)是有偏的（也就是不同于一般總體），其中良好的客戶大大的得到了表現(xiàn)。使用這一樣本得到的信用評(píng)分模型通常將無(wú)法在完全的總體中表現(xiàn)良好，因?yàn)橛糜谫?gòu)建模型的數(shù)據(jù)與將模型應(yīng)用到的數(shù)據(jù)存在差異。 建立信用評(píng)分模型時(shí)可能產(chǎn)生的第二個(gè)問(wèn)題是，隨著時(shí)間的過(guò)去，模式在發(fā)生變化。對(duì)于任何預(yù)測(cè)性模型的關(guān)鍵假設(shè)是，過(guò)去或者歷史能夠預(yù)測(cè)未來(lái)（ Berry and Linoff， 20xx）。對(duì)于信用評(píng)分，這就意味著過(guò)去的那些隨后被分成好與壞債權(quán)人的申請(qǐng) 者的特征能夠用于預(yù)測(cè)新的申請(qǐng)者的信用狀況。有時(shí)，隨著時(shí)間流逝客戶特征分布的趨勢(shì)變化是如此快速，以至于需要不斷的更新信用評(píng)分模型來(lái)保持恰當(dāng)性。 另一個(gè)在預(yù)測(cè)性模型中比較流行的問(wèn)題是，模型中重要變量或?qū)傩缘娜笔В?Avery et al.,20xx）。信用評(píng)分模型主要使用的是個(gè)人支付與信用歷史的信息數(shù)據(jù)。這可能并不足以評(píng)價(jià)一個(gè)人的信用價(jià)值性。在本文的展示性信用評(píng)分模型中，某申請(qǐng)者的信用等級(jí)被預(yù)測(cè)為壞的，如果他或她的屬性與壞的客戶的觀察得到的特征相似。但是，信用違約可能是由那些諸如雇用狀況和現(xiàn)在的經(jīng)濟(jì)狀況等未觀 察到的（未測(cè)量的）特征所驅(qū)使的。進(jìn)一步，信用評(píng)分的準(zhǔn)確度比較關(guān)鍵的依賴于用于購(gòu)建模型的數(shù)據(jù)與構(gòu)建得到的模型被用到的數(shù)據(jù)情況。同樣，信用評(píng)分報(bào)告中流行的錯(cuò)誤既會(huì)使得客戶處于損失狀態(tài)，而且也使得信用提供者處于金融風(fēng)險(xiǎn)中（ Collins， 20xx）。 與上面談到的相關(guān)的是，信用評(píng)分的使用必須要求在客戶的信用得分得到計(jì)算之前，單個(gè)客戶擁有足夠的信用歷史和活動(dòng)。然而，那些擁有還沒有收集到任何信用活動(dòng)的新的申請(qǐng)者的債權(quán)人可能就不能夠使用信用評(píng)分來(lái)評(píng)價(jià)這些客戶的信用價(jià)值。據(jù)報(bào)道已經(jīng)發(fā)生了類似保險(xiǎn)的新申請(qǐng)者立刻被拒絕的 例子（ Eldred，20xx）。 中國(guó)最大的資料庫(kù)下載 中國(guó)最大的資料庫(kù)下載 信用評(píng)分其中一個(gè)結(jié)果是，終端用戶出現(xiàn)在技術(shù)上變得非常依賴的可能性，他們縮減了謹(jǐn)慎判斷的需求，并且在一些特殊情況下才運(yùn)用他們的知識(shí)。在其他情形下，終端使用者無(wú)意識(shí)的應(yīng)用超過(guò)必需的資源來(lái)作用于全部的資產(chǎn)組合。這會(huì)陷入自我完成預(yù)言的風(fēng)險(xiǎn)（ Lucas， 20xx）。在美國(guó)，出現(xiàn)了新的行業(yè)，他們致力于幫助借款者通過(guò)重新整理資金來(lái)提升評(píng)分（ Timmons， 20xx），而不僅僅是遵循簡(jiǎn)單的規(guī)則：準(zhǔn)時(shí)支付賬單并且保持低額的債務(wù)。如此的得分 “打磨 ”行動(dòng)可能扭曲信用違約的模式。 最后，在保 險(xiǎn)領(lǐng)域，批評(píng)家們斷言信用信息會(huì)被誤用，并且在某些場(chǎng)合會(huì)變成唯一的決定性的，并且可能是對(duì)那些無(wú)法用于設(shè)定保險(xiǎn)費(fèi)率的種族和收入數(shù)據(jù)的替代品。但是，當(dāng)存在與種族和收入高度關(guān)聯(lián)的信用信息的其他的屬性是這是不可避免的。在信用評(píng)分中，用戶會(huì)抱怨信用評(píng)分是有歧視的。通常，少數(shù)民族比白人申請(qǐng)者的信用得分低。評(píng)分行業(yè)代表聲稱這是因?yàn)橛绊懡杩钫邼M足融資契約能力的因素諸如收入、財(cái)產(chǎn)、教育和雇傭情況在美國(guó)并不是依據(jù)種族或民族血統(tǒng)而平等分布的（ Wasserman， 20xx）。在觀察到的與未觀察到的屬性之間存在某種關(guān)系。 除了上面 強(qiáng)調(diào)的局限性之外，毫無(wú)疑問(wèn)的是，信用評(píng)分將繼續(xù)會(huì)成為在客戶借貸中預(yù)測(cè)信用風(fēng)險(xiǎn)的主要工具。需要正視的是，適當(dāng)?shù)厥褂眯庞迷u(píng)分的企業(yè)組織將贏得重要的戰(zhàn)略優(yōu)勢(shì)以及超過(guò)競(jìng)爭(zhēng)對(duì)手的競(jìng)爭(zhēng)優(yōu)勢(shì)。
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1