隨著《商業(yè)銀行資本管理辦法》的頒布,，各家商業(yè)銀行均以節(jié)約資本為目的開展巴塞爾協(xié)議Ⅲ（以下簡稱“巴三”）項目。在商業(yè)銀行設法輕資本運營的同時,，互聯(lián)網金融橫向介入,，使原本已經競爭激烈的市場更加血腥。本文就商業(yè)銀行信用卡業(yè)務零售信用評分的發(fā)展、應用以及未來作一簡單闡述,。

信用評分模型的發(fā)展歷程

商業(yè)銀行在開展信貸業(yè)務初期,，主要應用政策、制度,、流程來控制風險,，但隨著業(yè)務規(guī)模的擴張，尤其是零售業(yè)務規(guī)模的擴大,，傳統(tǒng)的以人工經驗為基礎的審批模式已不適用,，人力成本的上升也讓銀行承受著巨大的成本壓力。各銀行除需嚴格控制審批成本外,，還需提高業(yè)務處理效率,，才能獲得客戶的認可；同時,，量化的預測風險,，做出正確的審批判斷也至關重要。在此背景下,，依靠數(shù)據挖掘和統(tǒng)計分析方法開發(fā)的各類信用評分模型（以下簡稱“評分模型”）在批量化,、標準化、高效化等方面占有巨大的優(yōu)勢,。尤其是在信貸業(yè)務過程中,，風險評分模型對未來壞賬預測的準確性已經遠超出傳統(tǒng)的經驗審批。信用評分模型項目作為巴三項目的基礎,，也逐漸在各行推廣實施,。

評分模型建設的基本情況

商業(yè)銀行發(fā)展初期主要的經營工作集中在對公信貸業(yè)務和個人抵押信貸業(yè)務上，此類業(yè)務可以短時間內實現(xiàn)規(guī)模增長,，審批主要以人工經驗以及抵質押品情況來決定,。隨著銀行規(guī)模的逐漸擴張，業(yè)務線條的完善,，零售信貸業(yè)務逐漸向規(guī)?；⑿☆~化,、批量化發(fā)展,，信用卡業(yè)務是其中一項典型的小額貸款業(yè)務。盡管利用統(tǒng)一的授信標準進行管理,，但是依賴人工經驗的審批方式處理信用卡業(yè)務在效率及風險把控能力上存在較大的缺陷,。由于規(guī)模巨大，信用卡業(yè)務在各行中都是首先啟動信用評分模型的建設,。先期,，商業(yè)銀行大都選擇專家經驗的申請評分模型,，同時引入決策引擎等先進的管理工具，配套調整原有的審批政策和審批流程,，在部分程度上實現(xiàn)審批自動化,。

通過一段時間的應用，銀行內部對評分模型的應用積累了一定經驗,，對應用決策引擎進行流程化處理的業(yè)務模式逐漸適應,。同時，數(shù)據量的積累使得銀行具備了建立數(shù)據驅動模型的能力,。加之巴三項目實施第一階段就要求對所有客戶進行定量的風險分析,。這時，以自有數(shù)據驅動的評分模型建設應運而生,。數(shù)據驅動的評分模型建設將帶來以下成果：

一是由專家評分模型轉為數(shù)據驅動的評分模型，預測能力將大幅提升,。具有超過5年數(shù)據長度和大于500個有效違約客戶的數(shù)據時,，數(shù)據驅動的評分模型能夠有效提高評分模型的群體穩(wěn)定性指標（PSI）、柯爾莫格洛夫-斯米爾諾夫指標（K-S）等各項指標,，為巴三達標打下堅實的基礎,。同時足量的交易、表現(xiàn)數(shù)據積累,，能夠開發(fā)信用卡業(yè)務相關的申請,、行為、催收三類評分模型,，并按照一定的維度進行客戶細分,，極大地提高了單個模型的預測能力，總體上更能夠區(qū)分“好壞客戶”,。

二是建設風險數(shù)據集市,。如果在全行體系下建立信用評分模型，可以充分整合行內個貸,、小微,、零售等多部門數(shù)據，實現(xiàn)數(shù)據收集與交叉應用,，有效提高風險預警能力,。

三是批量化的審批作業(yè)模式。經過業(yè)務梳理,，能夠實現(xiàn)流程化,、標準化、批量化的審批模式,；通過審批節(jié)點拆分,、人員崗位分離的分配方法，使得人員配備、崗位設置,、審批流程更為標準,、科學、高效,。多節(jié)點劃分模式,，已基本滿足未來幾年的業(yè)務發(fā)展需要，如果功能變更等需求,，僅需在部分節(jié)點上改動即可,，具有較強的擴展性。

四是建設報表體系,，實現(xiàn)監(jiān)控管理,。通過報表監(jiān)控，能夠清楚的了解評分模型的運行情況,，同時對業(yè)務中的規(guī)則運行情況也能夠進行后端評價,，如自動審批線的設定等，為后期評分及策略調整打下數(shù)據基礎,。

五是培養(yǎng)內部團隊,，在模型開發(fā)、策略制定,、流程梳理方面,，提高了自有員工的業(yè)務能力。

六是評分模型的建設信用卡業(yè)務發(fā)展帶來了活力,，使得信用卡業(yè)務向自動化,、智能化全面邁進。

對信用評分模型建設的認識

評分模型建設一般周期較長,，無論是專家評分模型還是數(shù)據驅動的評分模型,，考慮上實施周期，需要近一年的時間,。同時其中業(yè)務過渡也要經歷很長的周期,，在開發(fā)與實施的過程中將面臨不同的問題?？傮w來看,，各行遇到的問題均有自己的特點，這與企業(yè)架構,、人員配置,、業(yè)務目標息息相關。下面簡單談一下筆者對此的認識,。

因地制宜,，落地實施為根本,。從評分模型建設中可以發(fā)現(xiàn)，評分模型本身只是項目中的一個重要組成部分,，配套的實施應用才能充分發(fā)揮其的最大功效,。如果僅擁有不足三年的數(shù)據積累，同時系統(tǒng)又不夠完善,，則開發(fā)數(shù)據驅動的評分模型存在較大的風險,，模型穩(wěn)定性將不足以支持業(yè)務持續(xù)開展。所以采用專家經驗的評分模型既符合實際需要,，又在一定時期內具備穩(wěn)定性,。同時運用自有客戶進行數(shù)據驗證以及校準，使得模型切合自行業(yè)務,，在實施,、投產過程中項目難度也較為適中。同時上線后定期進行監(jiān)控,，確保評分模型的適用性,。

對于積累足夠數(shù)據的銀行，數(shù)據驅動的評分模型能夠更好地適應業(yè)務發(fā)展,，同時結合行內自身系統(tǒng)建設規(guī)劃,，分步驟進行落地實施,，逐步在貸前,、貸中、貸后三個環(huán)節(jié)充分利用各類評分模型,，達到全流程數(shù)據決策的目的,。

數(shù)據為基礎驅動力。評分模型是在統(tǒng)計學基礎上,，結合業(yè)務經驗,，得出的具有普適性的工具。因此數(shù)據積累就成了重中之重,。在開發(fā)中過程中可發(fā)現(xiàn),，由于對數(shù)據的重視程度不足，部分關鍵信息收集上出現(xiàn)了遺漏或缺失,，對后期模型建設產生了重大影響,。因未來模型的準確性完全取決于數(shù)據收集的全面性，筆者建議,，在業(yè)務開展過程中,，盡早實現(xiàn)系統(tǒng)化（如征信報告電子化、黑名單電子化等）,，如果無法進行系統(tǒng)化,，應第一時間對數(shù)據進行記錄（如各類清單資料）,。如在實際業(yè)務中發(fā)現(xiàn)，傳統(tǒng)歐美經驗認為,，自有房產客戶普遍信用較好,；而數(shù)據分析顯示，國內擁有房貸的客戶才更注重信用,，風險更低,。

業(yè)務開展，穩(wěn)定很重要,。以北京銀行為例,，一期項目雖然開發(fā)的是專家經驗的評分模型，驗證也僅運用北京地區(qū)數(shù)據進行,。但實際上運用3年后模型仍未發(fā)生較大退化,，同時在異地分行的申請上，評分模型仍能夠產生很好的效果,。二期項目的數(shù)據分析也顯示,，在我行的發(fā)卡地區(qū)上，模型無較大差異,，能夠通用,。商業(yè)銀行除新業(yè)務外，大部分傳統(tǒng)業(yè)務的政策不會發(fā)生較大的變化,，故在一定經濟周期內,，評分模型大體穩(wěn)定，僅需要對個別變量進行微調即可,。

數(shù)據與業(yè)務兼得的精英團隊,。項目開發(fā)中，如果希望縮短進度,，需要挑選精英團隊,，同時熟悉系統(tǒng)與業(yè)務。開發(fā)評分模型需要進行數(shù)據分析,、模型設計,、數(shù)據準備、細分分析,、模型確定,、模型驗證等眾多環(huán)節(jié)，任何一點都是業(yè)務和數(shù)據結合的關鍵點,。尤其是針對小銀行以及城商行,，人員不具備建模條件的情況下，主要依賴第三方咨詢公司,，這樣更需要行方核心人員的充分介入,。

評分模型開發(fā)人員參與開發(fā),。在整個項目中，并不是評分模型開發(fā)完畢項目就結束,，評分模型的部署實施同樣關乎項目的成敗,。模型的實施基本上是對開發(fā)的重現(xiàn)，每一點都至關重要,，反復的確認需求細節(jié),，才能夠保證項目事實準確。筆者建議此處需要模型開發(fā)人員全程參與,，保證質量,。

客戶化評分模型未來的發(fā)展趨勢

目前，國內外評分模型建設項目,，大部分仍采用傳統(tǒng)的費埃哲評分體系,，也就是利用邏輯回歸，針對的變量或衍生變量進行模型建設,，目標變量明確,，基本上包含是否違約、是否適合營銷,、是否符合特定維度要求等,。費埃哲評分體系在應用中有著方法通用，建模過程標準化,、流程化,，部署應用較為簡單等諸多優(yōu)點，同時模型穩(wěn)定性較好,，故深受商業(yè)銀行的青睞,。

但隨著互聯(lián)網應用技術的發(fā)展,，獲取數(shù)據的廣度和深度不斷加大,，很多變量對風險的預測能力非常微弱，但是如果收集足夠多的變量,，其預測能力將出現(xiàn)質的飛躍,。在模型建設方面，國內外互聯(lián)網公司已經開始摒棄傳統(tǒng)的邏輯回歸模型,，進而采用機器學習方法,，從而開發(fā)出強大的預測模型。

隨著依托大量征信數(shù)據的中征信數(shù)字解讀即將投入使用,，以騰訊,、阿里為后臺數(shù)據的第三方征信評分也逐步完善。自有評分體系尚未完善的銀行,，可以充分借助第三方評分來迅速擴大自身規(guī)模,，同時積累自身數(shù)據,，以達到開發(fā)自有評分的目的。由于無法獲知這些評分的具體計算方法,，建議在進行充分數(shù)據驗證后再確定是否應用,，或進行部分測試后再大規(guī)模應用。

信用評分模型的未來,，就是信貸業(yè)務的未來,，從國外的發(fā)展來看，做大,、做強并不是銀行的競爭力,，做精做細才能夠實現(xiàn)利潤最大化。金融危機的發(fā)生對傳統(tǒng)的信貸風控手段提出了重大的挑戰(zhàn),，巴三的出現(xiàn)正是為了防范這種全球性風險,。作為巴三的根基，評分模型是否準確決定了信用風險,、市場風險、操作風險的衡量是否準確,。相信未來微信,、微博等大量的非結構化數(shù)據將逐漸進入模型變量，從而使風險無處遁形,。