經(jīng)授權(quán)轉(zhuǎn)載自：消金行業(yè)資訊

作者：虞數(shù)

據(jù)調(diào)查,，80%左右的信貸風(fēng)險來自信貸審批環(huán)節(jié)，一旦客戶獲得信貸,，后續(xù)的管理只能控制20%的風(fēng)險,，由此可見科學(xué)的信貸審批風(fēng)險管理是十分重要的。

發(fā)展申請風(fēng)險評分模型,，進(jìn)行科學(xué)的審批風(fēng)險管理來降低壞賬率,，其效益是非常巨大的。如表所示,，如果銀行一年批準(zhǔn)新開戶的信用卡賬戶為100萬張,，假定主觀決策的壞賬率為4%,，通過發(fā)展申請風(fēng)險評分模型進(jìn)行科學(xué)決策，壞賬率降低為3%,，假定平均的單位壞賬額為2萬元,，如用模型決策出的效益就把壞賬額從8億元降低為6億元，減少損失達(dá)2億元之巨,。及時以模型決策僅把壞賬率下降0.5%,，其收益也是1億元之巨。哪怕是壞賬率只下降0.1%,，也可節(jié)約2000萬元的壞賬損失,。

何況單位壞賬可額可能超過2萬元，模型決策的單位壞賬額也會比主觀決策低（因?yàn)橐蕾囆蜎Q策不僅是批準(zhǔn)發(fā)卡與否,，而且包括根據(jù)評分來制定信用額度高低,，風(fēng)險高的客戶給予較低的信用額度，這就降低了單位壞賬額）,。根據(jù)銀行的具體情況,，開發(fā)申請風(fēng)險評分模型進(jìn)行決策的效益會有所不同，但一個共同之處就是效益巨大,，考慮到開發(fā)模型的成本并不高,，其投資回報率是巨大的。

發(fā)展申請風(fēng)險評分模型的數(shù)據(jù)可以分為表現(xiàn)期和觀察期兩個時間段,，如圖所示

表現(xiàn)期：

提煉模型索要預(yù)測的信用表現(xiàn)時期,，對于信用卡而言，一般為6-18個月,，而對于住房貸款而言,，則長達(dá)24-36個月。表現(xiàn)期長（如18個月）的好處是給賬戶較充分的時間來表現(xiàn)其信用狀況,，因?yàn)樵S多高風(fēng)險賬戶在6-12個月內(nèi)往往還沒有把拖欠行為表現(xiàn)出來,，而18個月則比較充分；

當(dāng)然表現(xiàn)期也不宜過長,，過長可能導(dǎo)致信用表現(xiàn)與申請信息之間的聯(lián)系比較弱,，因?yàn)樵谳^長的時間里申請者的貸款資信狀況與申請時的資信狀況之間的變化可能比較大，而且銀行的信貸環(huán)境,、目標(biāo)客戶,、申請群體的變遷也可能比較大，導(dǎo)致歷史數(shù)據(jù)關(guān)系的適用性降低,；表現(xiàn)期短（如6個月）的好處是可以盡快發(fā)展風(fēng)險評分來作為決策依據(jù),，缺點(diǎn)是許多高風(fēng)險客戶的拖欠風(fēng)險尚未充分表現(xiàn)出來,，因此對風(fēng)險的估計不足,。

較短的表現(xiàn)期對于業(yè)務(wù)歷史較短,、亟需發(fā)展風(fēng)險評分來改進(jìn)風(fēng)險管理的銀行比較使用，對業(yè)務(wù)歷史足夠長,、樣本數(shù)據(jù)量足夠多的銀行來說,，應(yīng)該盡可能使用長一些的表現(xiàn)期。

觀察期：

觀察,、提煉與模型所要預(yù)測的表現(xiàn)有一定相關(guān)性的預(yù)測變量的時期,。

申請風(fēng)險評分模型的預(yù)測性信息主要來源于兩個方面：申請表上的信息和信用局的信用歷史記錄。申請者的信息提供了申請人的個人信息和資信信息,，如性別,、年齡、婚姻,、學(xué)歷,、職業(yè)、收入,、房產(chǎn),、在現(xiàn)單位工作時間長短、在現(xiàn)居住地址時間長短等,；信用局的記錄進(jìn)一步反映了該申請人全面的信用歷史記錄,，包括負(fù)面信用歷史信息、現(xiàn)期債務(wù)負(fù)擔(dān),、信用歷史長短,、對新信用的追求、信用的種類等方面的信息,；

這兩方面的信息相互補(bǔ)充,，在信用局不存在或不發(fā)達(dá)的國家，申請表的信息是預(yù)測變量的全部或主要來源,。當(dāng)然,，如果申請人在銀行內(nèi)部還存在其他業(yè)務(wù)關(guān)系，則這種內(nèi)部關(guān)系的數(shù)據(jù)也可以是非常有用的預(yù)測信息,。

由于申請表的信息在申請者填寫申請表時即可全部獲得,，而信用局的信用記錄也可在申請時從信用局提取（如果存在信用局的話）,，所以預(yù)測性信息是在申請時即可獲得的,，這個意義上講，并不需要經(jīng)過一個時期的觀察來獲得這些信息,。

但是,，在申請風(fēng)險評分模型里面常常使用6個月左右的觀察期，其原因是為了獲得足夠多的申請者樣本,，因?yàn)橐粋€月的申請者樣本量可能不夠,，特別是后來表現(xiàn)為“壞”的樣本量可能不夠,，這樣，通過匯集6個月的觀察期里的申請者樣本,，可以獲得模型所需要的比較充分樣本量,。

申請風(fēng)險評分模型的表現(xiàn)變量的定義一般根據(jù)表現(xiàn)期終的信用表現(xiàn)界定如下：

• 3期拖欠以上、呆賬,、破產(chǎn)的賬戶定義為“壞”,；

• 未拖欠或1期拖欠的賬戶定義為“好”；

• 2期拖欠的賬戶定義為“不確定”,，被排除于模型之外,；

• 如果銀行業(yè)務(wù)歷史較短，“壞”的樣本量不足（一般一個模型需要800-1500個“壞”賬戶為樣本）,，則可以把2期拖欠的賬戶也定義為“壞”,；

• 如果按“表現(xiàn)期終”的界定方法“壞”的樣本量不足，也可以把“表現(xiàn)期內(nèi)”最大拖欠達(dá)3期以上的統(tǒng)統(tǒng)定義為“壞”,，即使其在表現(xiàn)期終恢復(fù)到相對“好”的地位,。

如其他任何預(yù)測模型一樣，申請風(fēng)險評分模型需要有與未來信用表現(xiàn)密切相關(guān)的,、已知的信息作為模型的預(yù)測依據(jù),，是為預(yù)測變量、如上所述,，申請風(fēng)險評分模型的預(yù)測變量主要來源于申請表上的信息和信用局信用歷史記錄,。（信用局在中國還處于雛形）

根據(jù)申請表信息提取的預(yù)測變量反映了申請者3個方面的信息：還款能力、還款意愿和穩(wěn)定性,。

第一,，反映申請者未來還款能力的預(yù)測變量

典型的例子如房產(chǎn)狀況、學(xué)歷高低,、收入狀況,、職業(yè)類別等。住房狀況是很能區(qū)分信用風(fēng)險的預(yù)測變量,，一般來說,，擁有房產(chǎn)的申請者，其風(fēng)險要比沒有房產(chǎn)的申請者小得多,。有能力購買住房本身就相當(dāng)程度上說明了申請者的還款能力,。類似的，收入越高,，還款能力越強(qiáng),；學(xué)歷越高，還款能力也越強(qiáng),，因此風(fēng)險較低,。

第二,，反映申請者還款意愿的預(yù)測變量

還款意愿更大程度上是信用局負(fù)面歷史記錄里體現(xiàn)出來的。顯然,，如果申請者歷史上有較多或較嚴(yán)重的拖欠記錄，說明他們的還款意愿比較低,。從申請表上的信息來講,，性別、婚姻狀況等信息一般比較能顯示申請者的還款意愿,。女性的還款意愿一般比男性高,，因此風(fēng)險較低，這是女生的心理特征和生活習(xí)慣所決定的,，也是實(shí)踐中經(jīng)?？吹降摹ｎ愃频?，已婚申請者的還款意愿一般比未婚的高,，因?yàn)橐鸦槿耸康呢?zé)任感一般更強(qiáng)，所以信用風(fēng)險也低一些,。

第三,，反映申請者穩(wěn)定性的預(yù)測變量。

穩(wěn)定性也是預(yù)測信用風(fēng)險的一個重要指標(biāo),，一般來說,，申請者的穩(wěn)定性越高，風(fēng)險越低,。

反映穩(wěn)定性預(yù)測變量的例子有申請者在現(xiàn)單位工作時間長短,、在現(xiàn)住地址居住時間長短等。顯然,，在一個工作單位或一個住址待的時間越長,，穩(wěn)定性越高，壞賬也越低,。

當(dāng)然,，也有一些變量不限于某種類型，而是同時反映幾個方面的信息,，比如年齡,，實(shí)踐中經(jīng)常觀察到的現(xiàn)象是年齡越小，風(fēng)險越高,，其中的原因,，可能是年輕人的還款能力、還款意愿和穩(wěn)定性都相對差一些,。