办卡心得与信用评分计算

办卡心得与信用评分计算（共4篇）

篇1：办卡心得与信用评分计算

办卡心得与信用评分计算

一般来讲银行批卡会对客户作一次综合信用评分，分值越高批卡的可能性越大，下面是中行的评分标准，其他银行大同小异。一般总分８０分以上会批金卡，６５分会批普卡，白金卡另外有其他条件不包含在综合评分之内，不过联名卡可以根据卡的等级直接批卡，而不必满足综合评分的要求，这也是中行首次采用类似的做法。

1、年龄

35-55岁1025-35岁855岁以上618-25岁22、婚姻状况

已婚10未婚33、学历

硕士及其以上10本科8大专5中专、技校、高中3初中1小学04、所在单位

党政机关、事业单位 10国营企业、上市公司 8股份制或集体企业6三资企业4个体及其他25、住房

已购商品房10已购微利房8已购福利房7租房26、工作年限

8年以上10 5-8年83-5年53年以下07、职务分数

局级以上或大公司高级管理人员20 处级以上或大公司中级管理人员15科级以上或大公司一般管理人员10科级以下58、职称

高师10中师8助师5助师以下09、月收入

10000元以上208000-9999元155000-7999元133000-4999元102000-2999元8

1000-1999元6600-999元3600元以下010、保证金

10000元以下208000元185000元153000元1011、私人业务大客户5012、本行卡业务大客户5013、我行消费信贷客户1014、我行公司业务大客户50

２卡片额度问题

一般普卡额度是１千～３万 金卡额度1万~5万白金卡至少5万以上,可用额度会反映在回函和账单上,也可以通过中行的服务热线查询,大家应该时刻关注自己的可用额度,因为某些商户即使可用额度不足的时候仍然可以交易,但是超出部分会被银行收取一定的手续费,而且还会给个人信用记录带来不良影响,因为银行会认为你并不善于理财.３还款和免息期问题

所谓的最长４５天免息期是从你的帐单出账到本期还款日为止的期限，并不是以交易日

期为准，比如你的卡出账日是１０日，还款日是２５日那么你在９日作的交易只能在２５日还款，也就是１５天免息，而如果你在１１日作的交易，则可以在下一个月的２５日还款也就是４５天的免息，所以你应该按照你的帐单上显示的应还款钱数和日期进行还款，而不是你的交易日期．如果你到还款日没有全部偿还的话会被认为逾期还款，会被收取一定的循环利息，但要注意循环利息是按帐单全额进行计算，而不是尚未偿还部分，比如你本期应还５０００元，而你还了４０００元，如果现在利息为5%的话那么银行将在下期账单中收取5000*5%的循环利息，而不是1000*5，所以尽量不要逾期还款，如果你确实没有钱偿还的话也要至少还10%，即账单上显示的最低还款额，因为你如果不偿还到最低还款额的话，会被人民银行的个人信用记录系统记入不良记录，会给你以后的信贷活动带来麻烦．４刷卡交易的方式

现在国内发行的信用卡普遍使用的是密码＋签名的方法，也就是刷卡以后输入你的交易密码并且在回单上签名才可以完成交易，在交易完成以后会收到中行发来的提示短信，而在国际上普遍使用的是单签名方式，也就是在交易中不需要输入密码，只要在回单上签字即可，但现在国内很多商户并不注意核查回单签名和信用卡背签（即卡背面签名条上的签名）字体一致性，所以给这种交易方式带来一定风险，这一点安利公司做的非常出色，使用单签名方式交易的卡在安利购物的时候从未被要求过输入密码，并且每次交易之后收银员都会认真核对签名，不愧为国际企业的员工．现在中国的银联系统可以随意选择这２种交易方式，个人建议使用签名方式，因为现在信用卡卡有失卡保护功能，如果有人冒用我们的卡进行交易，visa的仲裁机构会判断这笔交易是否是我们自己产生的，最常用的办法就是核对回单签名字体，如果确定不是我们作的话可以申请拒付，但如果使用了密码，至要密码输入是正确的visa就会确信这笔交易是本人产生，所以仲裁就很难成功。而且使用单签名方式在一些大商场购物和进餐的时候可以把卡直接交给waiter去刷然后你在回单上签名即可，免去来回跑银台的麻烦。

如果在国外交易我们的卡会自动使用Visa网络进行美元结算，而visa的网络是没有密码交易的，所以即使我们设置了交易密码在国外刷卡时也不起作用

篇2：论我国个人信用评分问题与对策

历史上我国一直提倡“节俭”, 消费信用几乎被社会与市场所忽视, 消费信用与发达国家相比发展缓慢。在上世纪90年代中期前, 我国信用规模和GDP几乎都是1∶1增长的, 这与美国20世纪70年代以前的情况基本相同。而20世纪70年代以后, 美国、德国、法国、日本、韩国等国家信用活动与GDP之比一般达到3∶1-5∶1。直到1993年以后, 我国消费信贷才进入快速发展阶段。1997年我国经济实现“软着陆”后, 我国居民消费从基本生活需求向以“住”和“行”为主要内容的消费结构转型, 消费信贷业务开始出现。1999年前后, 拉动经济增长, 扩大内需成为我国经济运行的重要方针。1999年2月, 中国人民银行发布了《关于开展个人消费信贷的指导意见》, 允许各类商业银行开办消费信贷业务。各商业银行在央行推动下, 推出了各自的消费信贷产品和服务。从用途来看, 这些消费信贷产品主要集中在住房、耐用消费品、汽车、教育等。1997年 (该年开始统计局对其才有统计数据) 消费信贷余额为172亿元, 2000年为4265亿元, 到2010年12月升至75, 063亿元。如图1所示。

数据来源:根据中国人民银行网站、国家统计局网站整理。

随着消费信贷业务的开展, 我国到20世纪90年代中后期才逐渐借鉴和采用国外有关个人信用评分的做法。1999年, 建设银行制定了《个人信用等级评定办法》, 这一办法由建行济南分行拟定并只在其内部使用, 初步进行了建立个人信用制度方面的尝试。该办法对10大指标体系赋予不同的分值, 对贷款申请人的还款能力、信用状况等作出综合评价用于贷款决策。1999年11月中国建设银行印发了《中国建设银行龙卡个人信用评估管理办法 (试行) 》的通知, 以加强专门对信用卡持卡人的信用管理, 培育良好的信用卡客户群体, 促进信用卡消费信贷业务的健康发展。

1999年初, 由上海信投公司、上海市信息中心、中汇公司等联合发起成立的“上海资信有限公司”, 是中国第一个建立“个人社会信用体系”试点的公司。经人民银行批准, 1999年5月, 上海资信公司在上海开展了个人信用信息征集咨询试点工作。2000年7月1日, 上海市个人信用联合征信数据库基本建成, 收集有280多万人次的个人信息。在有了个人信用报告的基础上, 2002年11月25日, 上海资信首次推出了我国第一个个人信用风险评分 (一期评分) 。评分系统根据各个渠道获得的信息, 自动为市民信用打分。评分系统从-600分到1700分共分7个等级, 从A级到G级, A级信用分最高。随后, 上海资信于2007年10月推出二期评分——“个人信用管理评分”。和第一期评分相比, 二期评分使用了最新的征信数据和建模技术, 能够更准确地反应消费者未来发生风险拖欠的可能性。并且在使用的数据方面, 二期更加完整、充足, 数据来源也更加广泛, 除了各金融机构提供的基础信用数据外, 还包括了移动、联通、社保和住房公积金等方面的数据。

2005年8月18日, 中国人民银行公布《中国人民银行个人信用信息基础数据库管理暂行办法》。它对个人信用信息的征集、使用等问题进行规范, 成为中国个人信用体系建设领域的一个里程碑。2006年1月, 个人信用信息基础数据库已在全国正式运行, 这对我国的个人信用评分提供了有利条件。这是我国央行组织商业银行建立的个人信用信息共享平台, 该数据库采集、保存、整理个人信用信息 (包括个人的身份信息、贷款信息和信用卡信息) , 为商业银行和本人提供信用报告查询服务, 方便个人借款, 促进了个人消费信贷的健康发展。经过几年努力, 该个人信用信息基础数据库收录了大约7.7亿个自然人的信息和1.27亿农户的信用档案。

2010年2月, 央行征信中心表示, 已基本完成个人通用信用评分模型的研发工作。全国个人通用信用评分模型已在部分商业银行进行验证, 但还没有进入实际应用中。这是利用数据挖掘技术和统计分析方法建立的评分模型 (目前还没有公开模型具体是采用何种方法) , 试用阶段结束后, 可应用于授信决策和贷后管理等金融活动, 并将逐步服务全国13亿多人口的经济信贷活动, 成为中国金融信息化的基础工程。如表1所示。

数据来源:根据央行征信中心网和中国新闻网整理。

从总体上看, 我国目前的个人信用评分采用的是公共征信模式, 即以政府为主导的模式。政府直接出资建立以央行为主导的、公共的征信机构, 并由央行对其进行直接控制管理。目前由央行组织设立的个人信用信息基础数据库是一个垄断的、具有权威性的信用数据库, 全面负责个人信用信息市场的监控和供求。它的信息主要来源于央行监管下的各金融机构, 央行作为其运作主体。个人信用信息数据也主要向金融机构提供。

2 我国现行个人信用评分中的问题

我国现行个人信用评分中的问题主要有以下几个方面:

(1) 个人信息数据不开放且不完善。我国于2006年1月已经正式运行全国个人信用信息基础数据库, 但是信用信息主要来自于金融机构, 包括三方面的内容:一是身份识别信息, 二是贷款信息, 三是信用卡信息。工商、电信、税务、法院等部门信息都还没有纳入该数据库。也就是说, 我国大约60%的信用信息掌握在政府各部门手中, 但是这些信息不对外开放。个人信用信息基础数据库已收录的7.7亿自然人的信息中, 只有1亿多人的银行数据是非常完整的。另外, 按照目前我国个人信用信息基础数据库收录的数据, 如果客户没有在银行办理过贷款业务, 也没有办理信用卡的话, 就通常没有个人历史信用记录, 银行就无法快速获得客户的历史信用情况。我国有广大的农村人口因为较少办理贷款, 也较少办理信用卡, 加之农村网络普及率低, 使得广大农村人口没有被纳入个人信用信用信息基础数据库中。同时, 我国流动性人口较多, 其基本信息 (如职业、收入、住房等) 发生变动的可能性很大, 通常这部分人的信息没有及时得到更新。

(2) 评分方法简单并且评分效率低。在走访国内各商业银行信用评分的实际运用情况时, 了解到各商业银行基本上有各自的信用评分表, 如建设银行、浦发银行、中信银行等, 但在办理过程中很多银行都没有采用具体的信用评分模型。中国建设银行湖南某支行评分过程如图2所示。

图2所示, 客户办理住房抵押贷款、汽车抵押贷款、信用卡等业务时, 采用的基本流程是:先客户如实填写该银行的信用评分表并附上证明材料, 以反映客户的基本情况, 银行再查询中国人民银行征信系统的个人信用记录, 综合上述情况总结个人的信用情况, 银行信贷人员逐一核实办理从而评定出客户的信用级别, 最后上报该银行支行、分行信用等级评定部门。由此形成的书面材料在银行一般称之为客户信用评价报告。从该过程可看出评分方法比较简单。这样逐个审查每笔消费贷款的发放, 效率低并且成本较高。与美国信用卡的审批只要一两分钟相比, 我国的商业银行发放信用卡从申请到最后批复通常需要一个月的时间;我国发放住房抵押贷款从申请到批复通常需要一个月的时间, 而美国20%-80%的抵押贷款可以在两天之内批复。各银行的评分指标体系设置往往有较大差别。表2是中国建设银行和美国花旗银行的客户信用评分的对比表。

表2中可看出, 如美国的银行对性别、婚姻等因素一般是不能纳入申请人信用状况预测指标的, 我国银行的信用评分表则一般包括了性别、婚姻、文化程度、户口等基本情况。同时, 我国银行比较注重个人职业情况, 其分值占比很高, 而美国的银行则只设置一项且分值比很低。

(3) 相关法律法规不完善。我国暂时还没有一部全国性的专门规范征信市场行为的法律法规, 只有如《深圳市个人信用征信及信用评级管理办法》、《上海市个人信用联合征信试点办法》等地方性征信法规。个人征信法制建设缺陷具体表现在:现行法律与征信立法原则相冲突, 缺乏对“个人隐私”的明晰界定, 使得隐私权中的个人信息与公共信用信息难以区分。据了解, 早在2003年至2005年, 我国根据国内需要和借鉴其他立法先进国家的经验, 已研究完成了个人信息保护法专家建议稿。2008年9月《个人信息保护法》草案已呈交至国务院。但到目前还没有正式出台。中国人民银行早在2002年就代拟起草了《征信管理条例》, 对征信机构的设立、从业人员资格、业务经营范围、信用信息的采集和使用范围等方面都做出了规定, 但至今该部监管信用信息中介机构的行业法规由于在相关条款上存在较大争议, 且由于缺少《个人信息保护法》等上位法等原因而一直未予颁布实施。2011年3月央行征信工作会议上指出, 将要继续推动《征信管理条例》尽快正式出台, 积极做好社会信用体系建设。这些情况使得目前我国的征信机构仍在“法律真空”的状态下运作。

(4) 大众的个人信用意识薄弱。因为我国征信体系建设起步较晚, 大众还没有形成良好的信用意识。根据信用评分原理, 往往较长的信用历史能使信用得分相对较高。如我国银行中的评分表通常有一项是“与银行业务往来频繁程度”, 往来频繁者得分高, 较少者得分低。目前我国本身人口基数大且流动人口多, 使很多人的信用信息难以准确获得, 甚至很多人还是“零信用”。很多人不太了解信用评分, 所以往往会忽视正面信用记录的积累, 或者行为上不主动保持好的信用记录。另外, 由于我国长期以来对信用的观念只停留在道德层面, 只是用道德观念去约束失信行为, 并没有形成现代意义上的信用意识。客户在日常生活中往往因为疏忽而留下不良信用记录, 并没有意识到会因为记录不良而给自己日后办理贷款时造成不必要的麻烦。

3 完善我国个人信用评分的对策建议

3.1 完善并适时开放个人信用信息基础数据

我国已经正式运行全国个人信用信息基础数据库应该予以完善, 应该尽快将工商、电信、税务、保险、公安、法院、海关等部门信息纳入到该数据库, 打破目前信息数据分割的局面, 实现信息共享。另外, 应逐渐将农村人口和流动性人口纳入数据库中。通过全面收集、整理、加工有关个人在日常生活、理财、经营中的信息资料和个人社会行为资料, 能为个人积累信誉财富, 日后办理各种贷款业务和信用卡业务等时能提高效率和简便手续, 同时也为银行节约人力和物力。

在数据采集、处理和储存方面, 应加速信息和网络技术的开发, 以尽快实现信用数据的自动化和智能化, 才能使个人信息及时更新, 以保证数据来源的准确性和完整性。网络技术的普及化, 才能使个人信用记录能在全国任何地方都能够查询, 使资源在异地也能够实现共享。数据的时效性方面, 应注意采集数据时的及时更新。从我国的具体国情来看, 我国城乡一体化战略的实施使得人口的流动性大大增加, 并且我国本身人口基数大且流动人口多, 个人职业、收入、住房等方面的身份识别信息容易发生变更, 因此尤其要注意这些数据的及时更新。

另外可适时考虑对个人信用信息数据商业化, 适时开放我国的信用数据。目前我国中央银行既承担直接运作管理者的角色, 又充当监督者的角色, 不利于市场机制作用的发挥。开放信用数据的使用, 意味着可以采取商业化的方式来管理运营信用信息数据, 即可考虑在获取个人信用数据时向金融、商业机构支付费用, 加工后按特定的价格出售给个人信用信息需求方。商业化才能适合市场经济发展的要求, 主要的优势体现在:个人信用中介评估机构因为我国信用数据的不开放, 本身难以获得比较全面的信用数据, 有偿获得信用信息数据后, 有利于其开发出更先进的评分模型, 总体上提高其征信技术水平, 以根据市场需求开发出更多的的征信产品和服务。这样对中介评估机构的发展是有利的。另外, 央行征信系统权威性较高, 而个人信用信息的需求者众多, 征信系统通过获得出售信用数据的方式可解决其运营成本高的问题, 盈利上缴政府, 这样能减轻政府的财政负担。当然这是建立在合理定价的基础上, 同时也并不意味着央行对信用数据的全面垄断。商业化运营管理信用数据, 能够兼顾信用数据提供者和数据使用者的利益, 有利于征信市场的持续发展。

3.2 实现征信技术的智能化和信用评分模型的本土化

我国应借鉴国外先进的数据采集、加工以及处理技术, 实现信息收集、储存、整理的智能化、自动化方式, 以降低数据处理成本。评分技术的微小进步, 对放贷机构而言可能都意味着丰厚的利润。目前我国的信息电子化程度、信息管理系统的开发技术和应用程度都还远远不如美国等发达国家, 应加大对这些方面的投入, 并根据我国的实际情况逐步推广。在信息技术解决方案的应用问题上, 所有这方面的需求应从业务部门产生并反馈给IT部门, 并利用先进的软件开发出适合的模型。

在信用评估模型方面, 我国应加强信用评分模型的研究, 尤其是应设立科学的评分指标体系, 这是做好信用评分模型的前提条件。我国目前各银行开发出的信用评分表中各指标设置不同, 设置的分数值也不完全相同。在评分表中, 有不少项目跟国外的项目是完全不同的。如美国的《公平信贷机会法》中规定包括性别、婚姻、种族、肤色、宗教、原国籍、年龄等因素, 一般是不能作为评估借款申请人信用状况预测指标的。我国的信用评分表则一般包括了性别、婚姻、年龄等基本情况。同时, 我国银行比较注重个人职业情况, 如中国建设银行职业基本情况细分为单位类别、行业前景、职称、收入、在职年限等7个项目, 分值最高为38分 (评分表总分为90分) 。而美国的银行一般只设置受雇于当前雇主项, 且分值占比很低。我国银行非常注重个人职业的这种做法, 在实际操作过程中可能会流失部分客户, 比如自由职业者和兼职者。还有中国的银行一般都设有户口或者户籍项, 对学历项目也有专门设置, 这也是具有“本土特色”的方面, 但美国等国家一般没有。因此在建模时应根据我国的实际情况, 尽可能地不断完善目前的评分指标体系, 在借鉴国外的评分方法时应注意其在我国的适用性, 以便开发出适合我国的评分模型。

3.3 完善和健全信用数据的使用和开放等相关法律法规

在关于个人信用数据的规范采集和使用方面, 应该尽快出台《个人信息保护法》, 使收集信息的范围应有法律的明确界定, 既做到保护个人隐私, 又兼顾信用数据的真实性、全面性和合法性。在保护个人隐私权和开放数据之间取得平衡是制订有关信用信息法律的立法宗旨和基本原则。建议相关法律应包括下列内容:明确界定可以向公众开放的征信数据, 如还贷情况、不良贷款、司法审判的数据等等, 都必须依法由有关部门向征信机构公开;对向客户提供不真实、不全面数据的征信机构予以惩罚;建设消费者个人信用征信数据源, 包括建立公用事业付费状况数据库或数据联网, 实行终身居民身份证, 逐步建立社会保障号;征信机构取得数据的方式、数据处理和传播的限制;数据商业化的规则及征信数据的经营方式;对个人隐私权的保护;个人的申诉程序;界定保密数据的范围;对政府部门不依法公开信用信息和随意公开保密数据及限制性信息的责任追究和行政诉讼程序。

对于相关个人信用信息的开放性问题, 我国应该立法予以明确。适时公开和开放信用信息是政府服务于大众的重要内容, 同时也有利于政府依法行政, 建立政府信用。建立信用信息开放的法律制度, 个人信用信息数据的公开化、商业化才具有法律保障, 从而能够形成广泛的商业性征信服务, 使信用成为一种商品。信用数据公开化, 背信行为就会处于社会监督之下, 这本身也是对失信行为的惩罚机制。随着我国征信市场的不断扩大, 征信机构数量的不断增加, 必然会形成对个人信用数据的需求。个人信用征信机构若在一定条件下能够获得各商业银行、政府部门等拥有的信用数据, 才能共享个人信用信息资源, 从而突破征信技术进步的瓶颈。

同时, 要继续推动《征信管理条例》尽快正式出台, 应当明确规定设立统一的征信行业监管部门, 并对监管内容进行规定, 以更好地监管信用信息中介机构, 以推动征信体系建设。在此基础上, 应逐渐细化法律, 做到既保护好个人隐私, 又满足征信机构对数据的需求;既保证每个消费者获得公平的授信机会, 又保证授信机构按事实合理放贷。

3.4 提高大众对自身信用记录的维护意识

只有良好的信用环境, 才能保障我国信用评估体系健康、快速发展。针对目前我国本身人口基数大且流动人口多, 很多人的信用信息不完善, 甚至很多人还是“零信用”的情况, 应加大宣传力度, 帮助其认识到形成信用记录的重要性。因为没有历史信用记录, 银行就失去了一个判断个人信用状况的便捷方法。简单的做法是可以向银行办理一张信用卡或一笔贷款, 因为不从银行借钱不等于信用就好。很多人不太了解信用评分, 所以往往会忽视正面信用记录的积累, 应帮助其重新认识信用的观念, 并真正形成现代意义上的信用意识。良好的信用记录对个人最大的好处就是为个人积累信誉财富。它如同“信誉抵押品”, 帮助客户顺利获得银行贷款, 也可使客户获得更优惠的金融服务。个人可以经常关注自己的信用记录情况, 由于一些无法避免的原因, 信用报告中的信息可能会出错。一旦发现自己的个人信用记录内容有错误, 应尽快联系提供信用报告的机构, 及时纠正错误信息, 以免自己受到不利的影响。所以有必要通过宣传, 帮助大众认识到信用记录的重要性, 消除以往习惯性的误解, 并且充分认识自己应有的权利和义务。

因为我国个人征信系统建设相对来说起步晚, 目前有些人可能对信用记录不了解, 也没有引起足够重视, 造成日常生活中大部分的个人不良记录并非恶意引起, 通常称之为“非恶意不良信用记录”。但这样造成的不良信用记录却客观地记录在个人信用报告里, 并影响个人今后的信贷活动。放贷机构在这种情况下可以酌情考虑, 对于初犯者可以给予贷款机会, 而不要一次就完全否决而失去该客户资源, 但可以对其进行提醒和警示, 以给以其改正的机会。另外, 逾期还款等负面信息不是永远记录在个人信用报告中的, 负面的信用记录是有期限性的。因此, 任何人都有机会从头再来, 可以重新开始建立信用记录。故个人对自己负面的信用记录应有全面的认识。

因此, 我国政府相关职能部门和银行应该大力宣传良好的信用记录是必要的, 并且不讲信用之人的违约成本大大高于收益, 使大众逐渐形成良好的信用意识, 珍爱信用记录, 培养处处、事事守约的信用习惯。这样才不会因为个人的疏忽而造成信用数据失真。并且, 大众逐渐有意识地、自觉地去维护个人的信用记录。

参考文献

[1]白云峰, 毕强.美国个人信用评分体系研究及启示[J].现代管理科学, 2010, (12) .

[2]陈莹.我国征信中心个人信用评分的难点与对策[J].金融纵横, 2008, (11) .

[3]王永红.央行个人征信系统已经收录7.77亿自然人信息[N].中国日报, 2011-03-28.

[4]人行长沙中心支行.国外征信有什么新的发展趋势[EB/OL].央行征信中心, 2011-02-22.

篇3：办卡心得与信用评分计算

商业银行传统的信用风险度量方法有信贷决策的“6C”法和信用评分方法等。现代信用风险度量模型主要有KMV模型、CreditMetrics、麦肯锡模型和CSFP信用风险附加计量模型等四类。这些信用风险度量模型的开发和运用极大地提高了商业银行的生产率，改进了商业银行资产的质量。这里，我们侧重讨论信用评分模型的经济绩效。

信用评分技术对中小企业信贷的影响：美国的经验

虽然美国的商业银行系统很早就采用了信用评分模型，但主要运用于个人消费信贷领域。对于消费信贷而言，我们只需要知道的是个人的财富、工资收入以及已有的信用记录。对企业而言，由于不同企业的情况可能完全不同，因此，很难用这种评分系统来评估中小企业的信用风险，例如企业尤其是小企业违约的因素是多样化的，任何一种意外的因素就可能导致一笔贷款发生拖欠违约。因此，直到20世纪90年代中后期，这种方法才被美国的中小规模的商业银行采纳用以评估中小企业信贷风险。图1显示了美国第9区的银行借贷情况：该图表明，中小银行主要为中小企业提供信贷，而大规模的商业银行则主要为大企业提供大额信贷。小银行将63％的信贷资金配置给了中小企业，而中型规模的银行则将35％的信贷资金配置给了中小企业，最大规模的银行(资产超过10亿美元)只将11％的信贷资金提供给了中小企业。笔者相信，随着信用评分系统的普及，中小银行将为中小企业提供更多的信贷资金。我们还可以从图2中进一步看出美国银行规模与资产配置的情况。

该图同样表明，小企业的信贷(小于10万美元的信贷)有49％的是由资产规模小于1亿美元的小银行发放的；当信贷规模在25万美元—100万美元之间时，小银行(小于10万美元的信贷)只提供了18％的信贷。这同样表明，美国中小银行的定位在于中小企业信贷，而大银行的规模在于大企业的信贷。

梅斯特爾(Mester，1997)的一项研究引起了人们的关注。他认为，我们可以用中小企业所有者的相关信息来判断其掌管的企业的信用风险。他认为，企业主的每月工资收入、所欠债务、其金融资产、工作年限、拥有的不动产情况以及先前的贷款拖欠违约情况等信息可以在一定程度上用来判断企业的信用风险。这样，美国的商业银行可以从个人信用管理机构获得其个人信用信息后，再结合其企业的一些特征，将这些资料输入信用评分系统，然后就可以得出一个数值，这个数值就可以用来评估中小企业的信用风险。曼斯特(Mester，1997)的研究进一步表明，对于10万美元以下的中小企业信贷，这样的评分方法非常有效。

弗雷姆(Frame)，斯里尼瓦桑(Srinivasan)和伍斯利(Woosley)(2001)的实证研究表明，由于采取了信用评分技术，中小企业信贷资金量在样本期间内增长了8．7％。三位研究人员对美国中低收入地区的中小企业信贷情况进行了详尽的分析。在采用信用评分技术之前，美国的商业银行对这些地区一般具有一定的歧视心理，主观地认为这些地区经济条件不好，所以所有的中小企业发展前景就不是特别明朗。同时，这些地区的居民往往多为少数民族，因此s商业银行也就似乎更加不愿为其提供信贷；拉德(Ladd，1998)的研究深刻的表明，美国银行在提供信贷时存在明显的种族歧视现象。然而，在采用了信用评分系统之后，该地区的中小企业信贷数量出现了明显的增加。因为一旦采用了信用评分系统，信贷过程在很大程度上依赖于更加客观的评分系统，而不再依赖于银行管理人员直观的、甚至带有各种偏见的判断。很显然，即使落后地区，同样存在着优秀的企业，因此，该信用评估系统推行后，中小企业的信贷增加就是意料之中的事情了。

对我国中小商业银行的启示

从美国的经验看来，采用新的信用风险评估技术将提高中小商业银行的竞争力，从而降低中小企业的信贷门槛。这对我国当前中小银行的改革具有重要的启发意义。

改变银行与中小企业之间的互动关系，拓展业务空间。这种技术允许商业银行可以在不与中小企业发生直接接触的情况下对贷款进行评估、管理和监督，这样，中小商业银行在网点有限的情况下，同样可以拓展业务空间。其业务服务范围不再限定于本地企业，只要其具备必要的信息，中小银行同样可以对外地的一些中小企业发放信贷。由此，中小商业银行就可以克服规模的限制，从而与大的商业银行在更广泛的地域内进行业务竞争。中国的中小商业银行由于规模有限，因此，其贷款范围也很有限；而四大国有商业银行凭借其规模和网点优势，获得了更多的客户，甚至吸引了品质优良的中小企业客户。一旦信用评分技术得以采用，那么，中小商业银行就可以在与当地四大商业银行的竞争中获得较多的盈余和发展空间。

降低银行的信贷成本。这对优质的中小企业而言，无疑是一大利好。从中国的情况看，中国的中小商业银行由于缺乏必要的信用评估技术，无法较准确地判断出优质客户，从而导致一部分绩效优良的中小企业流向了四大国有商业银行。采用了这一信用评分技术后，中小商业银行在决定信贷价格方面就具备了更大的灵活性，同时也降低了中小企业的信贷成本。

有利于商业银行开展信贷资产证券化业务。尽管企业情况各自不同，但是，一旦进入信用评分系统，它们就具有了共同的经济特征。银行可以根据这些特征进行分类汇总，加以证券化。一旦中小企业信贷形成规模，且利用评分系统进行统一归类，那么，在时机成熟的条件下，商业银行就可以将其打包卖出，从而促进资金的循环，提高中小银行资金使用效率。由于中国的中小银行在资金来源方面与四大银行相比一直处于竞争的劣势地位，如果能够利用信用评分系统，将资产统一归类并证券化处理，那么，银行就可以获得更多的流动性资金，并源源不断地为中小企业提供信贷服务。

在当前的金融形势下，中小银行如果不能够准确定位，并采取有力的措施实现这一定位，那么，中小银行将在与四大商业银行的竞争中处于落后地位。为了采用这种信用评估系统，我们必须进行多方面的改革。对于目前我国的中小商业银行而言，以下改革措施可能是有益的：

促进各个中小商业银行的联盟与合作，发挥网络之间的协同效应。一旦建立联盟，也就有利于信息的分享和新技术的采纳。考虑到采用新的信用评分系统意味着较高的固定成本，因此，中小商业银行的联合将有利于分摊前期投资，降低采用新技术的风险。

必须注意引进高水平的专业人才。使用和维护信用评分系统需要更加专业的人员，而中国的中小商业银行由于自身的规模和声誉劣势，往往难以吸引高水平的专业人员的加盟，因此，中小商业银行需要在引人人才方面加大力度，采取多种激励方式，留住人才。

篇4：办卡心得与信用评分计算

关键词：小企业；信用评分；技术；应用

1 小企业信用评分模型的基本原理

第二次世界大战后，欧美等国实施的经济刺激政策推动了消费信贷产业的蓬勃发展，迫切需要建立信用评分模型，实现贷款决策的自动化。信用评分的哲学基础是实用主义和经验主义，即根据消费者过去的表现建立模型，对具有相同特征的未来消费者的信用进行预测。小企业信用评分（Small Business Credit Scoring，简称 SBCS）模型的重大革新在于将小企业主的信息作为模型构建的重要输入变量，包括小企业主的收入支出状况、家庭财产、负债状况，以及从征信机构获取的信用记录、消费数据等信息。SBCS 同时从商业信用数据库、贷款申请书、银行信贷档案等渠道搜集小企业的信息，运用各种数理统计技术进行数据汇总、变量剔除、分类观测、模型构建，计算得出信用得分，以此为基础判断借款人未来贷款表现，从而做出接受或拒绝贷款申请的决定。

2 小企业信用评分模型的关键技术

2.1 样本的选择与变量的分组

2.1.1 确定数据的来源。建立信用评分模型的数据一般考虑三个来源：信用机构数据、行业共享数据、商业银行内部的贷款数据。信用机构可以提供小企业主的消费和信贷历史数据，包括来自法院、税务、工商、警察等政府机构的公共记录，来自银行、个人贷款公司的信贷记录、来自零售商等机构的消费记录，以及来自水电费、电话公司等日常生活开支付费的记录，并且这些信息定期更新，实时跟踪。行业共享数据由多家贷款机构把业务数据集中起来，形成一个数据池（Pooled data），由中介机构开发信用评分模型。商业银行因为长期从事小企业贷款业务，掌握了大量的贷款客户数据，通过对数据的分类、整理和加工，形成功能强大的贷款数据库，为建立小企业信用评分模型提供了数据基础。富国银行就是运用其内部积累的小微企业贷款数据开发了信用评分模型。

2.1.2 定义“好客户”与“坏客户”。信用评分模型通过将客户的在观察期内的特征变量与表现期的贷款偿还表现之间建立起密切的联系，并运用这一联系来判断未来客户贷款违约的可能性，银行最为关注的是哪些客户通常能够按时还本付息，而哪些客户经常拖欠贷款甚至违约，因此，根据客户的贷款偿还表现定义“好客户”与“坏客户”的类型是信用评分模型建立的基础也是目标。

2.1.3 选取建模样本。根据“好客户”（Good）与“坏客户”（Bad）的定义，从数据库中选取样本是开发信用评分模型的第一步。为保证模型的预测力以及稳定性，用于建模的样本要满足：数量的充足性、样本的代表性、样本数据的完整性、样本的时效性。

2.1.4 特征变量的分组与筛选。①特征变量的选择。特征变量是与样本的贷款偿还表现相联系的申请者的各方面的信息，包括小微企业的主要经营者的信用状况、资产状况、家庭收支，以及小微企业本身的基本情况、经营状况、财务状况等。②特征变量的分组。特征变量分组是根据特征变量的取值情况（特征项），將具有相同或类似行为模式、对贷款违约风险的影响相近的项目合并为一组，使组间差异达到最大化，以提高模型的预测效力的行为，另外，为了提高模型的稳健性，将样本容量少的特征项进行合并。③特征变量的筛选。一种筛选的方法是依据X2统计量和信息统计量（F值）的大小，对特征变量的预测能力进行一个初步的排序，通过比较剔除排在后面的特征变量。另一种方法是采用逐步回归法、向前加入法、向后删除法等进行剔除。

2.2 模型的创建与检验

2.2.1 拒绝推断。所谓拒绝推断（Reject Inference），是根据已批准贷款表现的分布特征，运用不同的方法，推断那些未通过的贷款申请如果被批准将如何表现（即被拒绝的申请者贷款偿还变现的分布特征），并加入到总体样本中来修正缺失数据的方法。

2.2.2 模型创建的方法——Logistic回归。信用评分的模型方法较多，由于 Logistic 回归模型具有诸多优点，如能排除个别异常数据点的影响、数据处理能力强、可以适用于连续型或类别型自变量、不要求多元正态分布和协方差相等作为假设前提、计算结果容易解释，也容易理解（唐莹，2010），在理论研究和实际应用中被普遍采用，如富国银行采用Logistic模型建立了小企业信用评分模型。

2.2.3 信用评分的转换。运用Logistic回归方法建立的信用评分模型中在输入各特征变量后输出的是贷款申请者的好坏比的对数值，不易理解，且在实际应用中不容易掌握，为了提高信用评分模型的实用性，应该将概率值转换为信用评分。共有两种转换方法，总体转换法和特征变量转换法。

2.2.4 模型的检验。模型建立以后，需要通过对比预测情况与实际情况的差别来检验其预测能力和稳定性，检验的方式有两种：样本内（开发模型所用的样本）检测和样本外（事先预留的没有用于开发模型的样本）检测，一般来说，预留的检验样本应该占总样本的20-40%。

2.3 模型的实施与调整

2.3.1 临界值的确定。临界值或截断值，是指为批准贷款申请而设定的模型最低分数，临界值的确定是信用评分模型实施前的关键环节，可以采用的方法有：利用模型检验工具法、批准率与坏账率权衡法、估计盈亏平衡点法。

2.3.2 人工修正及其对评分卡的影响。临界值确定以后，原则上贷款机构就可以依据信用评分自动批准和拒绝贷款申请，但实际操作中往往会出现信用评分决策被否决的情况，被称为低端人工修正（Low-side override，又叫低分挑选政策）和高端人工修正（High-side override，又叫高分挑选政策）。

2.4 模型的监测与跟踪

成功开发一个信用评分模型（或信用评分卡）只是信用评分实施项目中的第一步，项目能否取得成功取决于积极的管理、定期监测和定期调整，在此基础上评分卡的风险计量质量和其在风险管理中的作用才能不断改善和扩大。

3 小企业信用评分模型的应用

3.1 小企业信用评分模型应用误区

3.1.1 信用评分模型缺乏统一性、标准化程度不高。由于各家商业银行对小微企业的划分标准不同，表现在对贷款对象的行业类型、区域分布、规模大小等方面，所以建模时考虑的客户定义、特征变量等存在较大差异，导致所开发的信用评分模型缺乏统一性或标准化。极有可能出现的情况是，对同一家小微企业进行信用评分时，使用不同商业银行开发的信用评分模型得出不一致甚至完全迥异的结论。这就无法发挥小企业信用评分引入声誉机制和重复博弈的机制，无法对小微企业的贷款违约行为产生约束。

3.1.2 信用评分模型的可靠性有待验证。由于国内商业银行开展小微企业贷款业务的历史较短，业务量较少，所累积的历史数据也较少，尤其是小微企业不良贷款的数据。数据不足和数据质量会影响到信用评分模型的可靠性。

3.2 小企业信用评分模型应用建议

3.2.1 转变信用观念。很多银行在大力吸储后，为了获得稳定的利差，制定了较为严苛的贷款对象筛选标准，形成了“唯财务报表论”、或者“抵押/担保至上”的信用观念，认为不能满足上述条件的借款人的信用水平太低、贷款风险太高，缺乏开发和应用标准化的小企业信用评分模型的积极性。因此，商业银行需要转变信用观念，针对不同类型的借款人灵活采取信用评估技术和方法。

3.2.2 注重客户信用数据的收集和积累。在开展小微企业贷款时，首先，既需要收集企业的相关信息，也需要企业主的信息，在信用评估时尝试将企业的信用与个人信用挂钩；其次，既需要收集已批准贷款的信息，也需要收集被拒绝客户的信息，以避免建模时的样本选择偏差；第三，要做好数据的积累和更新，把企业或个人贷款的信用记录随时更新。

3.2.3 建立与小企业信用评分相配套的制度，从而嵌入到贷款各环节中去。为了促使评分模型真正发挥作用，需要建立小微企业贷款的审批和风险管理程序、风险定价制度，以及对信贷人员的激励约束考核制度。

3.2.4 加强对模型应用过程中的有效监控。信用评分模型开发初期的应用效果往往较好，但是在一段时间后可能会失去效力，其原因有很多种，如样本违约特征发生较大变化导致特征变量的区分度下降，或特征变量的分组方式不再适合，所以需要进行持久和全方位的对模型进行监测和跟蹤。

参考文献：

[1]陈建.信用评分模型技术与应用[M].中国财经出版社，2005.

[2]汪莉.基于Logistic回归模型的中小企业信用评分研究[D].合肥工业大学，2008.

[3]姜涛.小企业贷款与信息利用[J].银行家，2006（9）.

[4]杨绍基，范闽.信用评分模型的拒绝偏差与Heckit纠正[J].南方金融，2007（5）.

[5]杨力，汪克亮，王建民.信用评分主要模型方法比较研究[J].经济管理，2008（6）.

[6]邓超，胡威，唐莹.国内外小企业信用评分研究动态[J].国际金融研究，2010（10）.

[7]向晖，杨胜刚.个人信用评分关键技术研究的新进展[J].财经理论与实践（双月刊），2011（7）.