一、个人信用评分定义及其原理

个人信用评分是一种预测个人信用风险的数学模型，可以将个人信用风险量化，预测个人未来的信用表现。目前国外较为成熟的个人信用评分模型有 Altman的Z-score模型、FairIsaac的FICO模型等。目前国内的评分模型一般是将个人消费者的年龄、收入、学历等若干信息汇编成不同指标，然后对这些指标进行打分加权进行量化处理，从而对个人消费者的资信情况进行综合评价、信用评级等。

个人信用评分主要是用来解决两个问题，一个是信用申请是否应该被批准；二是排除最好信用与最差信用消费者后的群体如何进行细分。

个人信用评分模型建立在一种假设上，即存在信用良好和信用较差的客户可以用两组分布进行描述，这两种分布都是类似正态分布的钟形曲线。两个分布之间有一个曲线重叠的区域，就是所谓的灰色地带。对处于灰色地带的消费者进行细分，是按照违约人数所占的百分比进行定标的，也就是这组消费者的信用评分值。细分型个人信用评分的任务是，对介于信用最好和信用最差之间的消费者群体进行细分。建立这种数学模型，要求建模的技术非常高，它往往要求数学模型能够细致地将个人信用评分细分成数百上千个档次。［1］

信用极好及信用极差的消费者在整个人群中占比相对较小，占比最大是介于两者之间的人群。因此，建立一个介于两者之间的细致的信用评分模型对授信机构非常重要。

建立一个评分模型一般需经过以下几个阶段：采集数据、整理数据、选取样本、样本分组、选取自变量、建立初级模型、检验、调整模型、模型运行、日常维护、定期调整等。

三、个人信用评分的应用

随着个人消费信贷的发展，个人信用评分技术被高度重视，个人信用评分被广泛应用在商业银行的消费信贷领域。据有关数据统计，个人信用评分技术的预测效果比任何主观判断都科学，使用个人信用评分技术使不良信贷率下降了50%。个人信用评分主要用途有两个：

1.预测信用申请人的预期违约率。商业银行等金融机构可以通过对信用申请人进行信用评分来决定是否批准一份信用申请，从潜在客户群中筛选违约率小的客户。一般商业银行会对信用申请人的进行个人信用评分进行排序，通过对信用风险门槛设置域值来决定是否批准信用申请。

2.预测现有客户的违约率。对已经成为商业银行等金融机构客户的消费者，商业银行有必要对其的信用情况进行跟踪和记录。这主要是通过评分系统来分析借贷、偿还及其他情况，预测他们违约的可能性，同时评分系统也会根据客户各指标的变化情况来对客户的信用等级进行调整。

个人信用评分系统可以提高商业银行授信工作的效率。因为商业银行不需要人工操作来分析是否批准信用申请人的信贷申请，也不需要人工分析违约情况。在国外，信用分及其自动化的操作加速了整个信贷决策过程，申请人可以更加迅速地得到答复，提高了操作的效率。据了解，使用信用分之后，信用卡的审批只要一两分钟，甚至几秒钟，20%～80%的抵押贷款可以在两天之内批复，其中不少贷款项目在4～6小时内完成审批，60%的汽车贷款的审批可以在1小时内完成。据美国消费银行协会最新的一份资料显示，以前不使用信用分，小额消费信贷的审批平均需要12小时，如今使用信用分和自动处理程序，这类贷款的审批缩短到15分钟［2］。同时，个人信用评分可以精确估计消费信贷风险，给授信者提供了一个可靠的技术手段，减少不良贷款。

此外，个人信用评分提高授信工作的客观性。个人信用评分主要是通过计算机完成计算工作，具有客观、一致、高效的特点，有助于克服人为因素的干扰，防止片面性。

四、信用评分介绍

（一）国外信用评分

美国有多种信用分的计算方法，其中美国3大信用局都采取FICO评分。FICO评分是由Fair&Issac公司开发的一种信用分统计模型，它使用的样本高达100万个。模型所确立的指标包括个人信用、品德、能力资本等5C指标。模型将各个指标分为若干档次并确立各档次的分值，加权各个指标，得出个人信用总分。FICO的打分范围是325-900。一般情况下，如果借款人的信用分超过680分，银行等金融机构认为借款人的信用度非常高，可以毫不犹豫地同意发放贷款；如果借款人的分数低于620分，银行等金融机构会要求借款人提供担保，或者直接拒绝贷款；如果借款人的信用分数介于620-680之间，银行等金融机构会做进一步调查，或采取其他信用分析工具，做个案处理。据统计调查显示，信用分低于600分的借款人违约率为1/8，信用分在700-800分之间的违约率为1/123，信用分高于800分的借款人违约率为1/1292。

FICO评分系统用于预测情况变坏的可能性，它预测的是24个月内消费者逾期90天还款的可能性，评分中关键的要素有以下5个：

（1）付款历史，约占评分总值的35%，主要考虑的因素有：①不同种类账户的付款信息；②公共记录和收账事项；③迟付、未付（坏账）以及公共纪录、收账纪录的细节；④多少账户显示没有逾期付款。

（2）债务总额，约占评分总额的30%，这方面主要考虑如下因素：①所有账户的债务总额；②不同类型账户的债务额；③在某些特定类型账户上是否有余额；④多少信用账户有余额；⑤信用卡及其他信用账户中的信用限额有多少被使用；⑥与最初的借款额相比较，分期付款账户还有多少没有偿还。

（3）信用记录的时间长短，这一方面大概占15%，一般来说，较长的信用历史有助于提高评分。这方面考虑因素如下：①信用账户建立多长时间；②专门信用账户建立的时间；③使用特定账户的时间。

（4）新的信用申请，约占10%，考虑因素有：①有多少新账户，各是哪些类型；②开的新账户有多长时间；③最近提出了多少信用申请，反映在信用记录报告的查询记录中；④授信机构查询信用记录以来时间的长短；⑤在逾期付款后，最近是否有良好的信用记录。

（5）使用信用的种类是否是健康的组合，约占10%。［3］

目前FICO信用分的计算方法至今未向社会完全公开，Fair&Issac公司目前仅公布了其评分模型的主要决策因素和大致权重。对此，Fair&Issac公司称，完全公开评分的细节将会导致客户以故意的作为来操纵建立在客观统计基础上的个人信用评分，从而彻底摧毁个人信用评分系统的根基。

（二）国内信用评分介绍

20世纪90年代中后期，我国信用经济开始发展起来，国内商业商业银行为了控制风险，开始借鉴国外的信用评分方法，结合我国实际情况，开始设计开发自己的信用评分方法。商业银行选取的指标一般包括个人身份基本情况、个人职业情况、家庭收入情况及已银行关系等。商业银行一般将所选取的指标量化，赋予不同的分值进行处理，从而对个人的还款能力、资信状况作出综合评价，并给予相应的信用等级。

随着我国征信业的发展，国内各征信机构也陆续推出个人信用评分。目前国内个人信用评分运作较为成熟的主要有上海资信的个人评分系统和深圳鹏元的个人综合信用评分。2002年11月25日上海资信开通了自己的个人信用评分系统。上海资信根据预测目标不同，将个人信用评分分为：风险评分、价值评分、响应评分、流失评分、催收评分、欺诈评分、破产评分等。2006年3月，上海资信使用最新的征信数据和建模技术推出了新的个人信用评分——个人信用管理评分。

上海资信的个人信用管理评分是用来预测消费者在未来2年内发生超过60天以上拖欠或逾期的可能性。如被确认为欺诈或没有使用银行和电信产品的消费者以及当前有超过60天以上拖欠的消费者不能进行评分。

表1：个人信用管理评分的分数范围

2005年深圳鹏元推出国内首个个人综合信用评分——“鹏元800”，“鹏元800”信用评分指标包括个人基本信息、银行卡信息、银行个人贷款信息、缴纳社保信息、信用报告查询信息、公共缴费信息等。其中银行信用卡信息和银行个人贷款信息是影响个人信用信息的重要变量。

鹏元800 是通过建立数学模型对个人信用信息进行统计分析，以预测未来一段时间内借款人违约的可能性，并用一个分数综合反应个人信用状况，信用分区间为320-800，分数越高，借款人的违约率越低。信用评分分为A-F6个等级，每80分为一等级，其中A级为“720分到800分，表示可正常放贷；B级为640分以上，也可正常放贷；C级及D级为480分-640分，表示可放贷但优惠条件不如B级和A级；E级为480分以下，表示放贷有有较大风险；F级为320-400分，表示此类人贷款几乎100%违约。在改体系中，每个分数对应一个违约率，800分对应违约率为1.73%，320分对应的违约率为100%。目前，“鹏元800”个人信用评分已被深圳多家银行作为放贷的风险参考。

个人信用评分系统不一定由个人征信机构自己开发的，征信机构可以委托专业的个人信用评分系统开发机构进行开发。目前，全球比较著名的的信用评分系统开发机构有Fair Isaac、CCN、MDS等。上海资信的个人信息评分系统就是利用澳大利亚TUA公司开发的信用评分模型。

（三）国内外信用评分比较

目前我国个人征信机构缺乏权威性的个人信用评分系统，上海资信、深圳鹏元虽已建立自己的个人评分系统，但由于其信用评分系统的建立是以本地居民的数据为样本，是否适用于全国还需要检验。而在美国，Fair&Issac公司的FICO信用评分得到美国个人征信机构的普遍使用。

我国信用评分的指标的选取及权重与国外评分有不同，如我国大多数商业银行的评分系统对个人的基本情况权重赋值太高，对反映债务和信用状况的指标赋值相对较低。在评分指标的关注方面也与外国商业银行略有不同，如职业情况方面来看，国外银行看重的是工作的稳定情况，而国内银行更看重借款人的职位、职称及职业发展前景。

目前在变量的选择、权重的分配、模型的调整上，国外的专业机构有相对较为成熟的经验。我国个人征信机构由于成立时间较短，经验相对较浅，未来需要通过总结、调试、跟踪、分析等措施，对个人信用评分模型的建模工作进行探索，不断优化建模工作。

此外，当前我国的信用评估很大部分是在银行内部评估，信息采集的范围一般仅限于银行内部信息，信息覆盖面相对较窄。随着我国个人征信业的发展，个人信用评估应该由专业的独立的第三方征信机构来完成。

五、个人信用评分变化的影响因素

个人信用评分主要是消费者个人信用行为的反映，它会随着消费者各项记录的变化而发生变化。一般消费者使用信用工具或者是工作状况发生了变化，变化情况会被录入到个人征信数据库，会改变个人信用评分模型的输出，导致个人信用评分值发生变化。

此外，消费者的年龄、受教育程度、职称、工作年限、住房的性质及居住年限的变化都会影响消费者信用分值的变化。一般个人受教育程度越高评分值成正比；职业稳定且职称较高所对用的信用评分值也会较高；拥有住房的比租用房子的信用评分高。

六、结语

在信息迅速膨胀的今天，从海量的数据中提取、发现可以用于决策的数据规律，就得依靠先进的数据处理理论和评估方法，尽可能排除决策中人的主观意志，这是将来个人信用评分模型发展的重要方向。

此外，目前的国内外的主要信用评分模型是根据个人违约风险进行排列，并没有将宏观经济的变化引入个人评分模型中。个人的贷款违约率同宏观经济的变化有很大关联。因此，在建模的过程中，可以将影响经济变化的相关变量加进去，或者建立不同经济时期的个人信用评分模型。

七、附件

附件1：美国FICO信用评分表

资料来源：钟楚男《个人信用征信制度》中国金融出版社，2001

附件2： 国内某商业银行信用卡个人信用评分表

第一层

第二层

1.自然情况

2.职业情况

3.与银行关系

资料来源：肖成华，《新世纪个人信用评估》，中华工商联出版社，2001.1