文 | 畢馬威大數(shù)據(jù)挖掘

當(dāng)今社會，“信用”越來越受到人們的重視，不論是個人還是企業(yè)，都期望獲得盡可能高的信用評分，以享受到更多的授信額度、更優(yōu)惠的利率等。那么，銀行究竟是如何對客戶進行信用評分的呢?就讓我們通過本期的文章一起了解一下吧。

想必很多人多有貸款或申請信用卡的經(jīng)歷，那么“大金主”銀行的錢從何而來?其中一小部分是銀行的自有資本，其余大部分來源于儲蓄、資本市場發(fā)行債券或股票等，也就是說，“大金主”是拿著別人的錢放貸，而他自己不過是一個資金中轉(zhuǎn)、流通的“媒介”。如果把“別人”的錢借出去了，借款者卻違約，錢收不回來怎么辦?銀行不僅沒有收到貸款利息，反而要“自掏腰包”替借款人補上尚未還清的錢，因此便造成了損失。這就是我們常說的銀行所面臨的“信用風(fēng)險”。

2008年，美國爆發(fā)了嚴(yán)重的金融危機，波及實體經(jīng)濟，導(dǎo)致全球經(jīng)濟低迷。早在2006年，那些向信用狀況較差的人發(fā)放的住房貸款，就已然出現(xiàn)了問題，貸款違約率的不斷上升，最終釀成了歷史性的悲劇。如何監(jiān)測、計量信用風(fēng)險的發(fā)生，通過科學(xué)的手段度量和有效的管理信用風(fēng)險，是銀行需要面對的長久性問題。

1、何為信用評級?

首先，何為“信用”?俗話“有借有還”從道德上對信用進行了定義，然后銀行與其客戶之間“借貸”的關(guān)系，往往較為復(fù)雜。通常，銀行需要全方位、多角度地去評價客戶，確認(rèn)客戶的“信用”，才能放心地把錢“借”出去。

我們都熟悉支付寶芝麻信用分，它是通過采集個人用戶信息，經(jīng)過加工、計算得出用戶的信用得分，當(dāng)然，分?jǐn)?shù)越高代表信用越好。

這幾個維度包含了用戶個人基本信息、好友互動信息、信用賬戶情況及履約歷史、購物及理財?shù)刃袨槠玫榷囗梼?nèi)容，通過大數(shù)據(jù)技術(shù)，最終以分?jǐn)?shù)值的形式，形成對用戶信用的準(zhǔn)確評價。這就是信用評級。

隨著數(shù)學(xué)和統(tǒng)計技術(shù)在傳統(tǒng)金融行業(yè)的廣泛應(yīng)用和推廣，銀行業(yè)也采用了“定量”的形式，多角度分析、判斷不同客戶的不同的信用等級，從而來決定客戶可獲取的授信額度、首付額度或利率優(yōu)惠程度等，以科學(xué)手段準(zhǔn)確地計量客戶的“信用”，從而避免因借貸雙方信息不一致而引發(fā)的信用風(fēng)險損失。

2、信用評級的基礎(chǔ)：數(shù)據(jù)

現(xiàn)如今，早已不是撥打算盤手工記賬的年代，社會上任何活動都拖離不了信息系統(tǒng)，當(dāng)然，這些信息系統(tǒng)中，也無時不刻地記錄著你的所有行蹤，這就是所謂的“數(shù)據(jù)”。對這些數(shù)據(jù)的存儲、清洗、加工，都為銀行對客戶信用評級提供了健全、豐富的信息來源;基于此，銀行以大數(shù)據(jù)技術(shù)進行分析和計算，從而準(zhǔn)確地對客戶進行信用評價。

銀行進行客戶信用評級的數(shù)據(jù)來源于銀行內(nèi)部系統(tǒng)產(chǎn)生的數(shù)據(jù)或外部的數(shù)據(jù)，如圖示：

內(nèi)部數(shù)據(jù)

從客戶的第一次開戶開始，其與銀行的每一次交互都將銀行的信息系統(tǒng)留存，例如存款、轉(zhuǎn)賬、還信用卡、還貸、銷戶或購買理財?shù)?，每一次活動的時間、方式、地點、賬戶、金額、交易對象等等，都完整的保存在銀行的數(shù)據(jù)庫中。這些積累的數(shù)據(jù)，是銀行非常寶貴的資產(chǎn)。與客戶評級相關(guān)的數(shù)據(jù)，通常包括以下幾個方面：

1)客戶基本數(shù)據(jù)：銀行通過不同形式、不同時間、不同地點所記錄的客戶名稱、證件編號、聯(lián)系方式、營收情況、學(xué)歷、就業(yè)情況、客戶關(guān)聯(lián)人信息等;

2)貸款或信用卡賬戶信息：包括賬戶號碼、余額、開銷戶時間、額度、額度調(diào)整歷史等;

3)交易歷史：即貸款放款、還款計劃及實際還款、現(xiàn)金提取、信用卡刷卡、還卡、換卡等各類事件的具體時間、地點、方式等詳細記錄;

4)擔(dān)保信息：即貸款抵押物基本信息、估值或評級信息，擔(dān)保人信息等。

除上述外，信用卡或貸款產(chǎn)品的營銷活動等數(shù)據(jù)，也與客戶評級有關(guān)。

外部數(shù)據(jù)

外部數(shù)據(jù)來源廣泛，以人行征信數(shù)據(jù)為例，其包含了客戶基本信息，如姓名、性別、證件編號、婚姻情況、聯(lián)系方式、住址等等;借款人的信用歷史，如逾期情況、貸款尚未結(jié)清信息、擔(dān)保信息、異常交易信息等;還有一些個人非銀行信息，如住房公積金信息、社保信息等。

目前，各家銀行都已經(jīng)建立ODS或數(shù)據(jù)倉庫等數(shù)據(jù)平臺，其包含的信息能滿足銀行各條線的業(yè)務(wù)需要，為開展各類管理、經(jīng)營決策的提供數(shù)據(jù)基礎(chǔ)。然而，客戶信用評級數(shù)據(jù)作為數(shù)據(jù)平臺的一部分，通?；旌嫌谄渌麛?shù)據(jù)之中，因此，有必要僅針對信用風(fēng)險管理或信用評級的需要，面向信用風(fēng)險管理應(yīng)用開發(fā)，單獨建立信用風(fēng)險數(shù)據(jù)集市。

數(shù)據(jù)來源于各類生產(chǎn)、業(yè)務(wù)系統(tǒng)，經(jīng)由數(shù)據(jù)倉庫，進入信用風(fēng)險數(shù)據(jù)集市中。風(fēng)險數(shù)據(jù)集市則按照上層應(yīng)用的需要，進行數(shù)據(jù)的整合和存儲。一般來說，信用風(fēng)險相關(guān)的數(shù)據(jù)經(jīng)過拆分、拼裝或重組，以主題的形式存儲在信用風(fēng)險數(shù)據(jù)集市中。通常，包含以下幾個主題：

3、信用評分的實現(xiàn)：模型開發(fā)

數(shù)據(jù)挖掘是從大量的、有噪音的數(shù)據(jù)中，發(fā)現(xiàn)潛在的規(guī)律和價值，以輔助提高管理、決策能力。銀行通過對外部數(shù)據(jù)及信貸等業(yè)務(wù)中產(chǎn)生的數(shù)據(jù)進行提煉、分析，開發(fā)模型，對客戶進行信用評分，以服務(wù)于信貸管理，增強風(fēng)險控制能力。

第一步：樣本抽取

銀行積累的客戶評級相關(guān)的數(shù)據(jù)量極其龐大，出于數(shù)據(jù)處理速度及模型開發(fā)效率的考慮，通常抽取一定量的數(shù)據(jù)作為樣本，開發(fā)模型。常用的樣本選擇方式有兩種，隨機抽樣和分類抽樣。隨機抽樣較為交單，即隨機選擇樣本，認(rèn)為樣本可以代表整體情況。例如，總貸款賬戶數(shù)是5000，不良貸款賬戶數(shù)是100，占比1/50;那么隨機抽取100個貸款賬戶，其中包含2個不良貸款賬戶。而分類抽樣，則需要先分類，確認(rèn)各類樣本的數(shù)據(jù)量，再分別進行隨機抽樣。例如上述例子中的賬戶樣本選擇，首先據(jù)擔(dān)保情況進行分類，有無擔(dān)保比例分別為3:2，則再分別隨機抽取60個有擔(dān)保的不良貸款賬戶和40個無擔(dān)保的不良貸款記錄。

當(dāng)然，以上僅為示例，實際情況卻往往復(fù)雜很多。

第二步：變量選擇

明確因變量和自變量。其中因變量為表現(xiàn)變量，即模型的結(jié)果“客戶信用情況”;自變量為與之相關(guān)的因素，它的預(yù)測能力決定于它與因變量之間相關(guān)關(guān)系和邏輯因果關(guān)系。通常，與信用等級相關(guān)的因素包含客戶的學(xué)歷、工資、年齡、額度使用情況、現(xiàn)金提取次數(shù)、還款時間等。

第三步：模型分組

模型分組的意義在于區(qū)分不同行為模型和數(shù)理關(guān)系，以提高模型預(yù)測的精準(zhǔn)度。例如，學(xué)生和在職人員的還款能力是有差異的，但是某類自變量和壞賬率的表現(xiàn)上，趨勢十分相似，所以講模型分組，將避免相互之間的模型因素的干擾和影響。

第四步：模型設(shè)計

影響模型結(jié)果的變量非常復(fù)雜，因此需要根據(jù)單個變量的實際預(yù)測能力進行篩選，剔除沒有預(yù)測能力的變量，以縮小變量的范圍。

常見的模型算法有線性回歸分析、非線性回歸分析、邏輯回歸模型、神經(jīng)網(wǎng)絡(luò)模型、決策樹模型等。在實際的模型選擇過程中，需根據(jù)模型性質(zhì)、分析人員經(jīng)驗等多方面因素綜合考量。

第五步：模型檢驗

模型檢驗，在于衡量開發(fā)的信用評分模型能力。常用的檢驗報告有以下幾類：

1. 交換曲線
2. K-S指標(biāo)
3. 區(qū)分度
4. 擬合度曲線

其中，前三者表現(xiàn)的效果為：“評分越高，則好賬戶出現(xiàn)的越多”;而擬合度曲線，則用于對比預(yù)測情況與實際情況差異。

寫在最后

信用評分對銀行的經(jīng)營效益有著重要的作用，信用評分模型應(yīng)用效果，很大程度上也取決于銀行的內(nèi)部管理及信貸政策。技術(shù)和管理相結(jié)合，雙管齊下，一定是控制客戶信用風(fēng)險的最優(yōu)方案。

End.

轉(zhuǎn)載請注明來自36大數(shù)據(jù)（36dsj.com)：36大數(shù)據(jù) » 銀行客戶信用評分及實現(xiàn)