消費金融信用風險研究信用評分概述

1、1消費金融信用風險研究—信用評分概述本中心風險研究小組丁正中壹、信用評分的發(fā)展歷史(Histyofcreditscing)信用源於拉丁語credo，意謂「相信」(believe)，因為借貸雙方彼此信任的關(guān)係而達成交易，但借方為降低損失，在決定借款前，會先評估借款人的風險高低，作為是否借款之參考，而信用評分(CreditScing)便是基於這樣的概念，所發(fā)展出來的風險評估工具。一般認為Dur在1941年將Fisher(1936)提出的鑑別

2、分析方法(DiscriminantAnalysis)應(yīng)用於區(qū)別貸款客戶好壞，為信用評分應(yīng)用之開端。另有一種說法是，在1930年代，郵購公司(maildercompany)為了克服不同的信用分析人員對於信用決策產(chǎn)生不一致情形，引進數(shù)值評分系統(tǒng)，而二次世界大戰(zhàn)發(fā)生後，因大多人都投入戰(zhàn)場，許多信貸公司(financehouse)及郵購公司缺乏專家做信用分析工作，這些公司便要求有經(jīng)驗的人將評估信用的準則寫出來，方便沒有經(jīng)驗的人做貸款決策?？傊?，

3、早期設(shè)計評分卡(Scecard)統(tǒng)計學家，最初的想法，是想仿照在申請保險時，會有一張評分卡，依據(jù)不同年齡及性別，而給予不同的費率，若是銀行在辦理貸款時，也能設(shè)計一張評分卡，依據(jù)貸款客戶的特性，給予不同分數(shù)，作為是否授信的依據(jù)，可以有效節(jié)省核貸的時間，又能達到風險管理的目的。在1950年代，已經(jīng)有人將自動化的信用決策與統(tǒng)計分類技術(shù)結(jié)合，發(fā)展幫助授信決策的模式，但因計算工具的不便，在樣本數(shù)及評分模式設(shè)計上限制頗多。而在此期間，由數(shù)學家Bil

4、lFair及工程師EarlIsaac在舊金山(SanFrancisco)成立第一家信用評分顧問公司。1960年代信用卡的出現(xiàn)，讓銀行及信用卡發(fā)卡機構(gòu)瞭解到信用評分是非常好用的工具，因每日都有大量的申請案件，在成本及人力考量下，自動化的決策可以節(jié)省不少成本及人3發(fā)生違約的事件，但違約事件有許多不同定義，資料來源也可能不同，許多問題要逐一釐清，討論會變得冗長而沒有效率，所以在討論前，先決定想要達成的目的，請資訊部門提供資料庫中相關(guān)的資料，並

5、由分析人員作初步分析，開始討論時會較有效率。值得注意的是，越複雜的定義，資料取得也越困難，所以定義除了要明確，也應(yīng)盡量簡化。此外，模式未來應(yīng)用目的不同，定義也可能不一樣，例如：同樣是延遲繳款超過45天的客戶，若模式的目的是在增加獲利或市佔率，較有可能定義為好客戶(Good)，但若目的是減少損失，較有可能定義為壞客戶(Bad)。二、資料庫與選擇樣本(DatabaseSampleion)本中心先前將過期資料保存在磁帶中，造成研究人員在資料擷

6、取時的不便，在去年開始建置資料倉儲(DataWarehouse)，保存所有時點資料狀態(tài)，方便日後研究使用，同時可避免佔用線上資料庫資源，降低對日常營運所產(chǎn)生的影響。資料倉儲因資料量龐大，擷取較耗時，建立資料超市(DataMart)可節(jié)省資料擷取的時間，且在設(shè)計資料超市欄位時，請資深分析人員提供相關(guān)經(jīng)驗，未來可節(jié)省資料整理及轉(zhuǎn)換的時間。抽樣(Sampling)可以解決資料量過大的問題，分析時更具效率，但必須掌握研究目標群體(TargetP

7、opulation)特性，避免抽樣時產(chǎn)生偏誤。另外，越大的樣本會有越好的評分結(jié)果，這種說法並非完全正確，因通常好客戶多於壞客戶，假設(shè)所有條件都相同的情況下，100000個好客戶與500個壞客戶所建立的評分模式，正確判斷力會低於只有10000個好客戶與3000個壞客戶所建立的評分模式。將樣本分為發(fā)展組樣本(DevelopmentSample)與測試組(HoldoutSample)，模式研發(fā)完成後作驗證(Validation)，可避免研究人