銀行管理論文-商業(yè)銀行個(gè)人信貸信用評(píng)分模型的構(gòu)建與應(yīng)用.doc

銀行管理論文-商業(yè)銀行個(gè)人信貸信用評(píng)分模型的構(gòu)建與應(yīng)用摘要：面對(duì)全球經(jīng)濟(jì)、金融一體化的現(xiàn)實(shí)背景以及隨之而來的白熱化競(jìng)爭(zhēng)態(tài)勢(shì)，個(gè)人信貸業(yè)務(wù)將是我國(guó)銀行業(yè)目前及未來發(fā)展的關(guān)鍵領(lǐng)域。為此，文章首先從借款人、貸款方案、貸款投向和風(fēng)險(xiǎn)緩釋四個(gè)要素出發(fā)，構(gòu)建了一套產(chǎn)品水平的信用評(píng)分模型的整體分析框架，并將該框架具體應(yīng)用于個(gè)人住房貸款產(chǎn)品；在此基礎(chǔ)上，考慮到我國(guó)銀行業(yè)的發(fā)展現(xiàn)狀與評(píng)分模型的可實(shí)施性，設(shè)計(jì)了一個(gè)根據(jù)專家判斷法的評(píng)分結(jié)果和定量模型法的評(píng)分結(jié)果進(jìn)行相互校驗(yàn)的混合型個(gè)人住房貸款信用評(píng)分模型，并基于所收集的某股份制商業(yè)銀行的樣本貸款數(shù)據(jù)進(jìn)行了部分驗(yàn)證工作，同時(shí)指出下一步的研究方向。關(guān)鍵詞：住房貸款信用評(píng)分模型；專家判斷法；定量模型法一、引言與文獻(xiàn)回顧從歷史的視角來看，我國(guó)銀行業(yè)最初是以對(duì)公業(yè)務(wù)為主，其特點(diǎn)是機(jī)構(gòu)客戶數(shù)量較少、資金規(guī)模大、參與的銀行業(yè)務(wù)人員也較少。然而，面對(duì)經(jīng)濟(jì)全球化和金融國(guó)際化的激烈競(jìng)爭(zhēng)，特別是隨著外資銀行的不斷進(jìn)人，極大地加劇了銀行產(chǎn)品和服務(wù)競(jìng)爭(zhēng)的白熱化。因此，對(duì)私業(yè)務(wù)，即個(gè)人信貸業(yè)務(wù)這一發(fā)達(dá)國(guó)家銀行的重要基礎(chǔ)業(yè)務(wù)和利潤(rùn)支柱將成為我國(guó)商業(yè)銀行今后發(fā)展的重點(diǎn)領(lǐng)域。個(gè)人信貸業(yè)務(wù)，例如房貸、車貸、信用卡消費(fèi)及其他個(gè)人消費(fèi)貸款，其特點(diǎn)是單筆業(yè)務(wù)的資金規(guī)模小、業(yè)務(wù)復(fù)雜且數(shù)量大，因此如繼續(xù)沿用傳統(tǒng)的人工審批方法，則必將占用銀行大量的業(yè)務(wù)人員，增加成本，降低效率，從而影響銀行競(jìng)爭(zhēng)力，同時(shí)也不符合全球銀行業(yè)的發(fā)展趨勢(shì)。在國(guó)外已經(jīng)發(fā)展了50年的信用評(píng)分是以計(jì)算機(jī)技術(shù)為核心的，以取代人力為特征的大規(guī)模自動(dòng)化處理方法，是發(fā)達(dá)國(guó)家普遍采用的能夠有效控制風(fēng)險(xiǎn)、降低業(yè)務(wù)人員數(shù)量、極大提高審批效率的商業(yè)銀行革命性措施之一。因此，構(gòu)建個(gè)人信貸信用評(píng)分模型對(duì)銀行開展個(gè)人消費(fèi)信貸業(yè)務(wù)有重要作用。最初的信用評(píng)分是由評(píng)級(jí)人員依個(gè)人經(jīng)驗(yàn)進(jìn)行主觀評(píng)價(jià)，之后發(fā)展到3C評(píng)價(jià)(品德、能力、擔(dān)保)和5C評(píng)價(jià)(品行、能力、資金、條件和抵押擔(dān)保)。這些多數(shù)是主觀、定性的評(píng)價(jià)方法。為了降低信用評(píng)分中的主觀因素，越來越多的定量評(píng)估方法被采用。這些方法主要包括：判別分析、Logistic回歸模型、線性規(guī)劃法、神經(jīng)網(wǎng)絡(luò)法和分類決策樹法。銀行常常采用某種統(tǒng)計(jì)方法建立個(gè)人信用評(píng)分模型，至于具體采用何種方法則取決于不同方法對(duì)不同問題的預(yù)測(cè)精度以及建模人員的知識(shí)及偏好。線性判別分析是第一個(gè)用于信用評(píng)分模型的簡(jiǎn)單參數(shù)回歸模型，而Logistic回歸方法則是信用評(píng)分的一種常用方法，在預(yù)測(cè)二分性結(jié)果上，Logistic是一種準(zhǔn)確性最高的技術(shù)。此外，其他的一些學(xué)者將一些非參數(shù)統(tǒng)計(jì)模型，如K近鄰判別、分類樹應(yīng)用于信用評(píng)分。近年來在信用評(píng)分領(lǐng)域也開始嘗試引入神經(jīng)網(wǎng)絡(luò)方法，Desai等和West等人都使用神經(jīng)網(wǎng)絡(luò)技術(shù)來構(gòu)造個(gè)人信用評(píng)分模型。通過實(shí)證分析，他們驗(yàn)證了在各種變量間呈現(xiàn)復(fù)雜的非線性關(guān)系的情況下，神經(jīng)網(wǎng)絡(luò)技術(shù)所具有的明顯優(yōu)勢(shì)(Desai，1996；West，2000)。分類樹是一種由計(jì)算機(jī)實(shí)現(xiàn)，基于統(tǒng)計(jì)理論的非參數(shù)識(shí)別方法。分類樹把貸款申請(qǐng)者進(jìn)行不斷的分類，盡量使每一類申請(qǐng)者都具有相似的違約風(fēng)險(xiǎn)，并且與其他類別貸款申請(qǐng)者的違約風(fēng)險(xiǎn)明顯不同(石慶焱，2004)，分類樹方法充分利用先驗(yàn)信息處理數(shù)據(jù)間的非同質(zhì)關(guān)系，可有效地對(duì)數(shù)據(jù)進(jìn)行分類。該方法雖簡(jiǎn)單，但具有很高的分類精確度和分類效率，適合于樣本數(shù)據(jù)量較大的情況。盡管許多銀行通常會(huì)采用不同的技術(shù)方法來建立個(gè)人信用評(píng)分模型，但是在實(shí)際信貸決策中將不同的模型結(jié)合起來使用也是一種常用的方法，這樣做的目的往往是為了節(jié)省成本。例如，信貸機(jī)構(gòu)利用貸款人申請(qǐng)表中的數(shù)據(jù)建立個(gè)人信用評(píng)分模型，若這一模型有助于對(duì)申請(qǐng)人做出批準(zhǔn)與否的貸款決定，就可以僅利用該模型；反之，則還需使用外部信用評(píng)分機(jī)構(gòu)的評(píng)分結(jié)果對(duì)其進(jìn)行評(píng)價(jià)(Thomas，2002)。在個(gè)人住房貸款的決策中，許多銀行都按“貸款收入比”事先對(duì)客戶進(jìn)行分類而過濾掉一批申請(qǐng)人，然后在此基礎(chǔ)上再利用信用評(píng)分模型進(jìn)行評(píng)分。摩根大通在個(gè)人住房貸款行為評(píng)分模型中，則將外部信用評(píng)分機(jī)構(gòu)的評(píng)分作為L(zhǎng)ogistic回歸模型的解釋變量之一，以提高模型的預(yù)測(cè)精度(Mogern，2002)。關(guān)于將不同的評(píng)分模型綜合起來使用，目前在學(xué)術(shù)文獻(xiàn)中積累的資料還不多，其中較有影響的是：Zhu，Belling和Overstreet(1999)考察了一組汽車貸款樣本的組合評(píng)分問題，他們利用這組樣本的申請(qǐng)信息建立了一個(gè)評(píng)分模型，并從外部信用評(píng)分機(jī)構(gòu)取得了這些客戶的外部信用評(píng)分，然后構(gòu)造了一個(gè)組合評(píng)分模型，研究結(jié)果表明，如果組合系數(shù)設(shè)置得好，組合模型的評(píng)分就有可能優(yōu)于單個(gè)模型的評(píng)分。Tian等(2002)則提出了一種“兩階段混合神經(jīng)網(wǎng)絡(luò)判別方法”，其做法是先利用線性判別分析方法挑選出對(duì)區(qū)分“好”“壞”客戶有顯著影響的特征變量，建立評(píng)分模型，將這些顯著性特征變量作為神經(jīng)網(wǎng)絡(luò)模型的輸入單元，并將判別分析所得到的對(duì)各樣本的評(píng)分也作為輸入單元之一，然后建立神經(jīng)網(wǎng)絡(luò)模型。他們認(rèn)為，這樣的模型克服了單純使用神經(jīng)網(wǎng)絡(luò)模型的一些缺陷，如可以挑選出有顯著意義的特征變量，從而簡(jiǎn)化了模型的結(jié)構(gòu)；可以更好地給出神經(jīng)網(wǎng)絡(luò)的初始解從而縮短神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間；還可以提高預(yù)測(cè)的精度等。從我國(guó)銀行業(yè)的實(shí)踐來看，信用評(píng)分模型的應(yīng)用還處于初級(jí)階段。由于缺乏有效的歷史數(shù)據(jù)的緣故(某些銀行通過其所建立的數(shù)據(jù)庫(kù)收集了部分歷史數(shù)據(jù)，但數(shù)據(jù)的質(zhì)量較差)，我國(guó)商業(yè)銀行普遍沒有建立起定量信用評(píng)分的模型，大多數(shù)銀行只是根據(jù)自身情況建立了基于專家判斷法的信用評(píng)分模型，但由于此模型的預(yù)測(cè)能力沒有經(jīng)過系統(tǒng)的驗(yàn)證，導(dǎo)致這些模型在實(shí)際業(yè)務(wù)中的應(yīng)用實(shí)效大打折扣。目前，各商業(yè)銀行對(duì)個(gè)人信貸信用風(fēng)險(xiǎn)的評(píng)估主要還是依據(jù)客戶經(jīng)理和專家的經(jīng)驗(yàn)判斷，因此迫切需要構(gòu)建適當(dāng)?shù)男庞迷u(píng)分模型。二、信用評(píng)分模型整體框架的構(gòu)建及其對(duì)個(gè)人住房貸款的應(yīng)用建立一套信用評(píng)分模型的整體分析框架有以下兩個(gè)方面的重要作用：首先，該框架的建立使得評(píng)分模型中所考慮的要素合理化、條理化和清晰化，從而可以以一個(gè)全局性的視角來進(jìn)行模型的具體構(gòu)建工作；其次，由這一框架所確定的完整備選變量集合也可以為銀行有針對(duì)性地收集和存儲(chǔ)個(gè)人信貸數(shù)據(jù)信息提供有益的指導(dǎo)和幫助。考慮到信用評(píng)分模型的評(píng)估對(duì)象有客戶、產(chǎn)品(住房、汽車貸款等)和賬戶三類，從我國(guó)商業(yè)銀行的實(shí)際需要出發(fā)，本文選擇了產(chǎn)品水平的信用評(píng)分模型作為建模目標(biāo)，構(gòu)建了信用評(píng)分模型的整體框架(見圖1)。信用評(píng)分模型在整體框架上綜合考慮了借款人和債項(xiàng)兩方面因素，其中債項(xiàng)又被劃分成貸款方案、貸款投向和風(fēng)險(xiǎn)緩釋三個(gè)要素，借款人與這三個(gè)要素一起構(gòu)成了整體框架中所考慮的四方面總體要素。對(duì)于不同的產(chǎn)品來說，借款人要素保持不變，而貸款方案、貸款投向和風(fēng)險(xiǎn)緩釋三要素的具體內(nèi)容會(huì)有所不同，在圖l中我們以個(gè)人住房貸款為例給出了這三方面要素的具體內(nèi)容。如果我們將該框架應(yīng)用于其他信貸產(chǎn)品，如個(gè)人汽車貸款和個(gè)人消費(fèi)貸款等，則只需在保持整體框架相對(duì)穩(wěn)定的情況下將這三方面要素的具體內(nèi)容做相應(yīng)的修改即可。在借款人要素中我們考慮了借款人還款能力和還款意愿兩方面內(nèi)容，其中對(duì)于前者，以收入充足性和穩(wěn)定性來度量借款人短期和長(zhǎng)期還款能力；對(duì)于后者，以名譽(yù)度(代表違約的機(jī)會(huì)成本)和誠(chéng)信度(代表歷史信用記錄)來進(jìn)一步加以度量。在貸款方案中我們考慮了貸款本金、期限及還款方式等一些關(guān)鍵要素。由于對(duì)于個(gè)人住房貸款來說，作為貸款投向的房產(chǎn)(圖1虛線方框中的內(nèi)容)和用于風(fēng)險(xiǎn)緩釋的抵押房產(chǎn)是同一個(gè)對(duì)象，因此我們沒有對(duì)此時(shí)的貸款投向要素做單獨(dú)考慮，而是將其合并到風(fēng)險(xiǎn)緩釋中統(tǒng)一考慮。在風(fēng)險(xiǎn)緩釋要素中我們考慮了房產(chǎn)抵押和其他緩釋方式，主要為住房擔(dān)保公司提供的擔(dān)保，而對(duì)于前者又以保值性(代表抵押的充足性)和必要性來進(jìn)一步加以度量。(一)信用評(píng)分模型的具體指標(biāo)。根據(jù)圖1中信用評(píng)分模型的總體要素和細(xì)化要素，我們進(jìn)一步設(shè)計(jì)了各細(xì)化要素中所包含的具體指標(biāo)，并對(duì)各具體指標(biāo)的取值范圍進(jìn)行了匯總，以便在后面具體構(gòu)建模型時(shí)使用(如表1所示)。金融,銀行-飛諾網(wǎng)FENO.CN(二)個(gè)人住房貸款信用評(píng)分模型的構(gòu)建。與公司業(yè)務(wù)評(píng)級(jí)模型相同，個(gè)人信貸信用評(píng)分模型所使用的評(píng)分方法也可以分為三類：專家判斷法、定量模型法、專家判斷法和定量模型法相結(jié)合的方法。專家判斷法采用的是一種“自上而下”的建模方法，主要在沒有足夠歷史數(shù)據(jù)的情形下使用，這些情形包括：沒有建立數(shù)據(jù)庫(kù)來系統(tǒng)地存儲(chǔ)已有信貸業(yè)務(wù)的歷史數(shù)據(jù)、對(duì)于新的信貸產(chǎn)品或處于信貸產(chǎn)品的早期等，該方法的優(yōu)點(diǎn)是考慮的評(píng)估因素比較全，靈活性較高，缺點(diǎn)是在沒有得到量化驗(yàn)證的情況下難以確定模型的預(yù)測(cè)能力；定量模型法則采用的是一種“自下而上”的建模方法，主要是在有足夠歷史數(shù)據(jù)的情形下使用，類型上可分為L(zhǎng)ogistic回歸模型、多元線形回歸模型、決策樹模型以及神經(jīng)網(wǎng)絡(luò)模型等，該方法的優(yōu)缺點(diǎn)則剛好與前一方法相反；而專家判斷法和定量模型法相結(jié)合的方法(我們簡(jiǎn)稱混合模型)則是綜合了上述兩方法的優(yōu)點(diǎn)，因此本文選擇這一評(píng)級(jí)方法，并構(gòu)建了以下兩個(gè)模型：基于專家判斷法的評(píng)分卡模型和基于定量模型法的Logistic回歸模型。1.評(píng)分卡模型。該模型可以通過數(shù)學(xué)表達(dá)式來加以表達(dá)，其中：Xi為第i個(gè)評(píng)估變量的取值，wi為對(duì)應(yīng)的權(quán)重，N為評(píng)估變量的總個(gè)數(shù)，Score為最終的得分值(越高越好)。進(jìn)一步可依據(jù)最終的得分值對(duì)個(gè)人信貸的風(fēng)險(xiǎn)水平進(jìn)行等級(jí)劃分，在該模型中Xi，wi都是基于個(gè)人信貸專家的經(jīng)驗(yàn)和主觀判斷來加以確定的。根據(jù)前文所構(gòu)建的個(gè)人住房貸款信用評(píng)分模型的分析框架(參見圖1)，并通過與個(gè)人信貸專家的廣泛交流，我們最終確定了如圖2所示的打分卡權(quán)重，其中：以100分為滿分，作為第一還款來源的借款人要素占有了最高的權(quán)重，為50分；包括住房抵押和擔(dān)保在內(nèi)的風(fēng)險(xiǎn)緩釋要素作為第二還款來源占有次之的權(quán)重，為30分；貸款方案的權(quán)重占有剩余的20分，結(jié)合表1給出的收入充足性和穩(wěn)定性、借款名譽(yù)度和誠(chéng)信度等各細(xì)化要素的具體指標(biāo)及其取值，我們就可以基于該評(píng)分卡來對(duì)個(gè)人住房貸款做出信用評(píng)分。2.定量模型(1)定量模型的構(gòu)建方法。個(gè)人住房貸款信用評(píng)分定量模型的整個(gè)構(gòu)建流程可以分為以下幾個(gè)步驟：建立指標(biāo)體系。即給出個(gè)人住房貸款信用評(píng)分定量模型的使用指標(biāo)范圍，類似于表1的內(nèi)容。數(shù)據(jù)收集。即根據(jù)“正常貸款”和“不良貸款”的定義，收集包含所有指標(biāo)在內(nèi)的個(gè)人住房貸款數(shù)據(jù)樣本，此時(shí)要考慮到模型的觀察期、表現(xiàn)期的要求，其中：觀察期是指在建立信用評(píng)分模型時(shí)，解釋變量的歷史觀測(cè)時(shí)段；表現(xiàn)期是指建立信用評(píng)分模型時(shí)，被解釋變量或違約紀(jì)錄的觀測(cè)時(shí)段。對(duì)于我們所建立的個(gè)人住房貸款信用批準(zhǔn)模型來說，其觀察期可選為12個(gè)月，表現(xiàn)期可選為1015個(gè)月。數(shù)據(jù)清洗。數(shù)據(jù)清洗是保證模型分析效果的關(guān)鍵性步驟。不同來源的數(shù)據(jù)對(duì)同一個(gè)概念有不同的表示方法，在集成多個(gè)數(shù)據(jù)來源時(shí)，需要消除數(shù)據(jù)結(jié)構(gòu)上的這種差異。此外，對(duì)于相似或重復(fù)記錄，需要檢測(cè)并且合并這些記錄，解決這些問題的過程稱為數(shù)據(jù)清洗過程。數(shù)據(jù)清洗的目的是檢測(cè)數(shù)據(jù)中存在的錯(cuò)誤和不一致并加以修正，由此提高數(shù)據(jù)的完整性、正確性和一致性。變量篩選。變量篩選的目的是從整個(gè)指標(biāo)體系中選擇出最終量化模型所需要使用的一組解釋變量，其過程大致為：用所有變量對(duì)違約記錄進(jìn)行單變量回歸；找出對(duì)違約解釋能力最強(qiáng)的單個(gè)變量，將該變量與每單個(gè)剩余變量組合后進(jìn)行雙因素回歸；找出對(duì)違約解釋能力最強(qiáng)的兩個(gè)變量，將這兩個(gè)變量再與每單個(gè)剩余變量進(jìn)行三因素回歸；找出對(duì)違約解釋能力最強(qiáng)的三個(gè)變量，然后再進(jìn)行四變量回歸，直到所選擇的變量個(gè)數(shù)達(dá)到預(yù)定的違約解釋能力為止，一般來說，最后使用的解釋變量個(gè)數(shù)不超過15個(gè)。模型估計(jì)。對(duì)于個(gè)人住房貸款信用評(píng)分模型而言，目前應(yīng)用最廣泛的統(tǒng)計(jì)模型是Logistic回歸模型，在已知模型解釋變量的基礎(chǔ)上，應(yīng)用收集的樣本數(shù)據(jù)對(duì)所選擇的模型進(jìn)行參數(shù)估計(jì)，獲得各解釋變量的權(quán)重系數(shù)。模型驗(yàn)證。模型驗(yàn)證可分為定性和定量?jī)蓚€(gè)方面，其中：定性驗(yàn)證主要對(duì)模型的解釋變量及其權(quán)重在經(jīng)濟(jì)意義等方面的合理性進(jìn)行評(píng)估；而定量驗(yàn)證則是通過使用ROC曲線、CAP曲線及其度量指標(biāo)線下面積AUC、準(zhǔn)確率比率AR等，來對(duì)個(gè)人住房貸款信用評(píng)分模型的違約區(qū)分能力進(jìn)行統(tǒng)計(jì)檢驗(yàn)。模型使用。利用以上建立的模型對(duì)個(gè)人住房貸款進(jìn)行信用評(píng)分，進(jìn)一步可依據(jù)計(jì)算的信用評(píng)分值對(duì)個(gè)人住房貸款進(jìn)行等級(jí)劃分，如優(yōu)、良、中、差和違約五個(gè)等級(jí)，并在此基礎(chǔ)上設(shè)定不同的風(fēng)險(xiǎn)限額和貸款定價(jià)策略。持續(xù)監(jiān)控。在量化信用評(píng)分模型的使用過程中，應(yīng)該不斷地對(duì)模型的評(píng)估績(jī)效進(jìn)行持續(xù)監(jiān)控以分析模型是否需要進(jìn)行調(diào)整和優(yōu)化，例如，在銀行客戶群發(fā)生變化的情況下，我們就應(yīng)該對(duì)所建立的模型進(jìn)行適當(dāng)調(diào)整。此外，由于所建立的信用批準(zhǔn)模型一般是預(yù)測(cè)貸款批準(zhǔn)后1015個(gè)月的違約表現(xiàn)，那么可以將實(shí)際情況與預(yù)測(cè)情況進(jìn)行對(duì)比，計(jì)算實(shí)際的違約率。通常在國(guó)外先進(jìn)銀行中，它們會(huì)批準(zhǔn)一些信用評(píng)分低于最佳截止點(diǎn)的客戶得到貸款，以檢驗(yàn)在1015個(gè)月內(nèi)這些客戶是否會(huì)如預(yù)測(cè)的那樣發(fā)生違約。對(duì)信用評(píng)級(jí)量化模型的監(jiān)控和維護(hù)是非常重要的，因?yàn)樗?