■   作者：Naeem Siddiqi

■   翻译：林晶

第一章：概述

在竞争日益激烈和压力不断增长的环境下，收入的获取越来越困难。因此，授信机构以及其他金融机构为了招揽有信誉的新客户，同时降低风险损失，正在进行各种更为有效的尝试。大胆激进的市场营销手段已经导致潜在顾客的规模越来越大；并且对顾客需求快速有效处理的要求，已经使得信贷和保险的申请和审批流程走向自动化。当前，风险部经理正面临着一个严峻的挑战，他需要制定一种风险评估程序，这个程序不仅要能够有效评估客户信誉，而且要保证每一道评估流程低成本的同时确保顾客不会离开。另外，卓越的顾客服务水平要求自动化的评估程序需尽可能提高对信誉较好顾客的授信通过率，并且需尽可能地把信誉不佳的客户排除在外。在保险部门，保持保单的价格与索赔的成本之间对应性的能力至关重要，特别是当保险业的损失在各行业不断增加时，处理不好则可能是致命的。

在客户管理水平上，许多公司通过提供顾客额外的产品和提高服务水平，来争取固有顾客的稳定性。风险部经理此时会刷选出“好顾客（比如低风险）”享受上述的待遇。相反地，对于那些信誉不佳（拒绝付款、欺诈）的客户，风险部经理需设计出策略，不仅可以识别出他们，而且可以尽可能快地降低未来的进一步损失和收回任何已有的欠款。

在此背景下，风险评分是一种强有力的、经验衍生而来的方法。风险评分已经在各行各业里广泛应用，用途包括预测恶意的不支付行为、破产、欺诈、索赔（保险业）和追偿等。评分方法提供了一套较为客观的风险评估方法，同时也是较为稳定的方法，可把评分系统的滥用降到最低程度。

过去，金融机构从少量的资信机构手中获取信用风险评分。这意味着金融机构需提供他们的数据给这些资信机构，然后由这些机构开发出一个用以预测的信用评分模型。然而一些顶级公司拥有自己的内部模型与计分演算函数。在最近几年内，内部信用评分模型的发展趋势已经广泛传播。这主要有以下几个方面的原因。

首先，应用软件的普及，省去了人们在软件高级编程上的沉重投入，方便人们开发评分模型。鼠标的轻轻点击，便可使用复杂的数据挖掘功能。因此，人们得以花费更多的时间用商业数据挖掘技术对问题进行分析，而不是将时间浪费在调整复杂的软件编程中。基于ETL软件（即数据的抽取、转换、装载过程）的“点击”成为可能，使我们在模型的开发和其他数据的挖掘时，数据的准备与抽取效率明显提高。其次，数据的易获得性已经帮我们减轻了收集必要数据的负担，并且把数据翻译成图表将有助于我们进行分析。

一旦以上工具可以应用，对许多中小型机构而言，内部开发就会变成一个可行的选择。工业企业现在可以意识到投资回报率的重要性，因为内部评分模型可以显示出投资回报率高的交易者。经验容易获取，因此维持内部信用评分模型的成本远少于购买模型的成本。内部开发变成可能，使得公司在同一开支下可开发出多种模型（如便于对客户分类的模型）。通过合适的软件和内部资源，评分模型可以很快地被开发出来，这也意味着顾客评分模型可以迅速地投入应用，来使损失降低。

另外，公司拥有丰富的内部数据和特定的商业视角，这可帮助他们开发出更适合自己的评分模型。总体性质的判定对评分系统架构而言，是至关重要的；而且对各种意图的界定也是很关键的。例如，基于投资计划意图的违约概率模型可能将具有中性行为（这些行为被普遍认为是“不良行为”）的客户排除在外，并且从巴塞尔贷款协议角度而言，这些客户很可能出现违约。

好的评分模型可灵活地进行各种试验，且需要对模型的最佳数据和结构进行不断的研发。

内部评分模型（开发）也有助于我们增加对组织架构的了解。通过分析，可揭露较为隐蔽的信息，可有助于更好的理解客户的风险行为和制定更好的发展策略。

总而言之，将关键的模型和样本决策交给“外部专家”是次优的选择，且费用高昂。理想的状况是：金融机构从外购进模型，并将模型融入自己的操作平台，建立一个“新模型”。即使外购模型可能会扰乱公司过去和当前的客户，但“新模型”可以将公司65%的重复客户排除在外。最终，行为好坏的判定将是我们的难题，事实上，行为好的客户也通常具备一些不良行为，至少他们并不可能一直保持这样。

这本书介绍的是风险预测模型的商业发展与应用，是基于计量和数据挖掘原理基础上的分析。计量与数据挖掘方法已经在其他图书上有详细地论述，这里就不再详细论述。本书将涉及到主要理念有：

1. 评分模型商业化，即评分模型的开发与应用被视为是解决商业问题的有效方法。优秀的评分模型不是通过对历史数据进行一连串的计算建立起来的；而是建立在对历史数据的分析上。

2. 评分模型开发过程中的通力协作。即终端用户、专家、测算者、模型操作者等其他相关联的人，应团结一致，致力于将评分模型更加完善。

3. 风险预测的概念，评分模型含有各种不同信息的用以预测的变量。

4. 分析决策可能造成的冲击并提前预防。同未到期的合同一样，决策的出台，通常会对公司造成一系列未知的影响。根据公司的资料，并同其他员工进行合力协作，模型可以帮助用户学会分析决策造成的冲击，并按照风险最小化的原则进行预防。

5. 评分模型是决策辅助工具。评分模型应被用来更好地为决策的制定服务。模型的开发不是制定一个复杂的让人难以理解和执行的模型出来。其必须是明晰地且可管理的。

根据每个公司的特定情形，特定的模型开发可能各不相同。因此，评分模型应被作为指导方法，而不是既定准则。

评分模型：总述

风险评分模型，同其他预测模型一样，是用来评估申请者或顾客风险水平的工具。然而它并不提供每一个申请者的信誉的好坏，而是提供申请者在既定分值下信誉是好是坏的几率或者概率。概率或分值的确定通常需要考虑各种因素，如预期的验收比率、利润率、客户流失率和损失率。

最简单的评分模型，通常包括一组用来预测客户信誉的特征值。例如，表1.1列出了评分模型的小部分。

表1.1 评分模型（部分）

特征	属性	分数
年龄	.->23	63
年龄	23->25	76
年龄	25->28	79
年龄	28->34	85
年龄	34->46	94
年龄	46->51	103
年龄	51->.	105
信用卡	VISA卡、美国运通、无	80
信用卡	支票卡、万事达、其他卡	99
EC_CARD	0	86
EC_CARD	1	83
收入	.->500	93
收入	500->1550	81
收入	1550->1850	75
收入	1850->2550	80
收入	2550->.	88
地位	“E”.”T”.”U”	79

特征值一般从可获得的数据库中选取，例如从人口统计数据库（如年龄、工作时间、邮政编码）、现有关系数据库（如银行工作时间、产品编号、支付行为、索赔）、信用局数据库（咨询、交易、犯罪、公开信息）、房地产数据库等等。

属性值（年龄属于特征值，而“23-25岁”属于属性值）是基于统计分析上给予的界定，一般会考虑进各种因素，例如性格和性格与工作之间的关联性。评分模型上每个属性值对应分数的总和就是申请者的得分。

表1.2列出了评分模型开发过程中的一部分管理信息。表格中的标红的信息是想告诉我们：

1. 在245-250分值范围内，信誉转差的边际概率为1.2%。即分值在245与250之间的申请者将会有1.2%的人信誉转差。

2. 信誉变差的累积率指的是分值在245以上的所有申请者信誉变差的概率是0.84%。

3. 245分值的验收比率是17%，也就是说，申请者中有17.44%的人分值高于245。

基于对上述表格的分析，公司便可制定决策，例如拒绝分值在200以下的申请者，或者对高风险者收取更高价格。“信誉差”通常是指具有负面行为/状况，如破产、欺诈、犯罪、销账/注销和负净资产。

风险评分模型，也包含验收比率和既定风险水平对应的潜在收入/利润等信息，可被用来制定新的申请策略，以确保最大化利润和最小化坏账。其中对高风险申请者的一些策略如下：

1. 对风险太高者可拒绝提供信贷或服务

2. 对信用卡或信用贷款安排较低的初始信用额度

3. 抵押贷款或汽车贷款时，要求申请者提高首期支付款和存款规模

4. 制定更高的贷款利率

5. 支付更高的保费

6. 要求申请者提供定金

7. 提供分散的服务而不是一条龙的服务

8. 列入具有潜在欺诈行为的“监视名单”

相反地，针对高分值申请者，可以给予优惠利率和更高的信用额度，并提供更好的服务，如金卡/白金卡，或者额外的产品。

在制定“尽职调查”政策时，风险评分也可以起到作用。例如，我们可以无需房地产、收入证明或证券的估值信息，便可对分值高者（分值低者）直接批准（拒绝）申请。

先前例子反映的是申请阶段的风险评分模型。风险评分模型同样可用在既有的客户上。关于这一点，公司一般使用客户的行为资料来预测客户产生负面行为的概率。对不同的客户可采取的策略如下：

1. 提高优质服务和额外产品

2. 增加信用贷款和信用卡的额度

3. 对活跃客户提高信用限额

4. 降低潜在的欺诈交易

5. 在客户转贷/续保时，提供优惠

6. 决定是否对已经到期的信用卡重新发卡

7. 提前确定交叉销售的资格

8. 直接压缩不良客户的额度或利用收账公司回收款项

9. 暂停或撤销语音服务和信贷便利

10. 列入“监视名单”

除了用在申请者（申请模型）或既有客户（行为模型）上，根据数据的类型，风险评分模型还可分为不同的种类。如客户化模型是基于一组排外的客户数据所开发出的。例如，ABC公司利用自己客户的数据开发出客户化模型来预测破产风险。他可以利用内部数据或信用局的数据来开发模型，但必须是公司客户的数据。

再者，通用或共享模型是指数据来源于多家债权方的模型。例如，四家小银行，由于没有任何一家有足够的数据建立起自己的模型，于是决定集中四家的汽车贷款数据。然后，他们可以建立和共享模型，也可以根据自己的资产组合的特性定制符合自己的模型。基于行业数据和信用局数据的模型，是通用化模型。

风险评分模型，除了被用来评估风险外，还可以再其他操作领域有效应用。例如：

1. 使决策制定过程合理化。也就是说，高风险者申请资料被分配至经验丰富的员工以进一步分析，而低风险者申请资料则分配给新员工。这可在分支机构、信贷决策部门和收账部门里应用

2. 缩短申请时间

3. 评估合并资产组合的质量

4. 优化资金配置

5. 设定资产证券化的价格

6. 比较来自不同渠道/区域/供应商业务的质量

因此，债权人根据风险评分模型可较为客观地制定决策。结合商业意识和预测模型，风险部经理可使风险管理变得更加有效和可控。

根据新巴塞尔资本协议的要求，信用评分模型将在大型机构中发挥重要的作用。这也将推动价值评估方法和评分模型的发展。尤其是可能引起一些重大变化，如“信誉差”的界定，以及同违约率（PD）、违约风险暴露（EAD）和违约损失率(LGD)密切相关的目标预测方法的改变。