1、商業(yè)銀行零售業(yè)務(wù)信用評(píng)級(jí)體系建設(shè)研究來源：大公國際巴塞爾新資本協(xié)議中影響最為顯著的一項(xiàng)是內(nèi)部評(píng)級(jí)法的推出。針對(duì)零售資產(chǎn)，新資本協(xié)議從內(nèi)部評(píng)級(jí)法的設(shè)計(jì)、運(yùn)作、風(fēng)險(xiǎn)量化、公司治理以及評(píng)級(jí)使用等方面提出了若干要求，本文集中圍繞風(fēng)險(xiǎn)劃分、風(fēng)險(xiǎn)量化和評(píng)級(jí)使用三方面的要求，討論實(shí)施零售資產(chǎn)內(nèi)部評(píng)級(jí)的理念、方法等核心技術(shù)問題。一、內(nèi)部評(píng)級(jí)法與商業(yè)銀行零售業(yè)務(wù)（一）商業(yè)銀行零售業(yè)務(wù)特征商業(yè)銀行零售信貸業(yè)務(wù)的主要特征是：第一，數(shù)量龐大，單筆金額小,單筆管理成本高；第二，客戶單筆風(fēng)險(xiǎn)大，信息分散，管理難度高；第三,業(yè)務(wù)審批要求效率高，決策必須迅速果斷。這些特征決定了銀行要對(duì)零售風(fēng)險(xiǎn)實(shí)行量化管理與集約化管理。零售業(yè)

2、務(wù)信貸風(fēng)險(xiǎn)管理決策流程一般包含以下工作環(huán)節(jié)：客戶群識(shí)別、營銷、申請(qǐng)、新客戶審批、客戶行為監(jiān)控、預(yù)警措施、定價(jià)、給予的產(chǎn)品、信用額度、催收措施、資產(chǎn)風(fēng)險(xiǎn)劃分以及核銷等。目前，國際上先進(jìn)商業(yè)銀行零售業(yè)務(wù)的經(jīng)營模式實(shí)現(xiàn)了規(guī)?；图s化；管理決策實(shí)現(xiàn)了系統(tǒng)化和自動(dòng)化；信息數(shù)據(jù)處理實(shí)現(xiàn)了集中化；風(fēng)險(xiǎn)管理實(shí)現(xiàn)了模型化和智能化。（二）內(nèi)部評(píng)級(jí)法對(duì)零售風(fēng)險(xiǎn)暴露的基本要求巴塞爾新資本協(xié)議零售內(nèi)部評(píng)級(jí)法是國際先進(jìn)商業(yè)銀行最佳實(shí)踐的總結(jié)，代表了現(xiàn)代零售信用風(fēng)險(xiǎn)管理的發(fā)展方向。銀行采用內(nèi)部評(píng)級(jí)法的前提是，滿足新資本協(xié)議的最低要求，并得到監(jiān)管當(dāng)局的批準(zhǔn)，才可以根據(jù)自己對(duì)風(fēng)險(xiǎn)參數(shù)的估計(jì)決定特定風(fēng)險(xiǎn)暴露資本要求。零售內(nèi)部評(píng)

3、級(jí)法的核心就是要求銀行實(shí)現(xiàn)對(duì)零售業(yè)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確量化，對(duì)零售風(fēng)險(xiǎn)暴露內(nèi)部評(píng)級(jí)體系的要求主要體現(xiàn)在三個(gè)方面：一是建立合理的風(fēng)險(xiǎn)劃分體系。銀行首先須將全部零售資產(chǎn)劃分到特定的“零售資產(chǎn)池（poolofretailexposures）”。風(fēng)險(xiǎn)劃分的標(biāo)準(zhǔn)應(yīng)具有合理性、一致性。風(fēng)險(xiǎn)劃分的過程應(yīng)能夠有意義地區(qū)分風(fēng)險(xiǎn)，能夠使“零售資產(chǎn)池”匯集足夠多的同質(zhì)（homogenous貸款。風(fēng)險(xiǎn)劃分的結(jié)果“零售資產(chǎn)池”要具有穩(wěn)定性，并避免集中性風(fēng)險(xiǎn)。二是建立精確的風(fēng)險(xiǎn)量化體系。商業(yè)銀行選擇風(fēng)險(xiǎn)因素時(shí)，可以采用統(tǒng)計(jì)模型、專家判斷或綜合使用兩種方法。銀行要有能力準(zhǔn)確、一致地計(jì)量每個(gè)“零售資產(chǎn)池”的違約概率（PD、違約損失率

4、（LGD和違約風(fēng)險(xiǎn)暴露（EAD。三是建立合理的評(píng)級(jí)應(yīng)用體系。風(fēng)險(xiǎn)劃分和風(fēng)險(xiǎn)量化以及對(duì)違約和損失的估計(jì)要在信貸審批、風(fēng)險(xiǎn)管理、資本管理和公司治理等領(lǐng)域發(fā)揮關(guān)鍵性的作用。特別是，對(duì)于每筆零售貸款，銀行都必須將其劃分到一個(gè)特定“零售資產(chǎn)池”中，這一風(fēng)險(xiǎn)劃分過程須作為貸款審批的一個(gè)環(huán)節(jié)。（三）目前國內(nèi)商業(yè)銀行零售業(yè)務(wù)風(fēng)險(xiǎn)管理現(xiàn)狀我國商業(yè)銀行的零售業(yè)務(wù)自2000年以來，發(fā)展迅速。目前已經(jīng)初步形成了以個(gè)人按揭、消費(fèi)信貸、信用卡為主導(dǎo)的零售業(yè)務(wù)產(chǎn)品體系。從管理體制上，銀行的個(gè)人信貸風(fēng)險(xiǎn)管理流程基本形成，構(gòu)建了前、中、后臺(tái)相互制衡、彼此獨(dú)立、職責(zé)明確的風(fēng)險(xiǎn)管理流程，個(gè)人信貸風(fēng)險(xiǎn)監(jiān)測(cè)、控制和處置體系逐步建立。但

5、與國外先進(jìn)銀行相比，國內(nèi)大部分商業(yè)銀行由于零售業(yè)務(wù)起步較晚、數(shù)據(jù)積累時(shí)間不足等原因，管理手段還比較落后。一是零售業(yè)務(wù)貸款決策主要以人工主觀判斷為主，尚未實(shí)現(xiàn)標(biāo)準(zhǔn)化和自動(dòng)化c目前，我國商業(yè)銀行零售業(yè)務(wù)的評(píng)分模型建設(shè)落后，審批和回收等工作均采取“逐戶逐筆”的方式，內(nèi)部流程較長，經(jīng)營成本相對(duì)較高，業(yè)務(wù)效率較低。止匕外，風(fēng)險(xiǎn)評(píng)價(jià)主要依靠專家經(jīng)驗(yàn)，采用人工判定的方式，影響信貸決策的客觀性、準(zhǔn)確性和公正性，且無法實(shí)現(xiàn)業(yè)務(wù)的自動(dòng)化處理。二是零售業(yè)務(wù)沒有進(jìn)行貸款池劃分，不能計(jì)算各貸款池的風(fēng)險(xiǎn)要素。目前，我國商業(yè)銀行還沒有按照零售內(nèi)部評(píng)級(jí)法的要求，對(duì)風(fēng)險(xiǎn)類別進(jìn)行進(jìn)一步的細(xì)化，按照業(yè)務(wù)風(fēng)險(xiǎn)特征的同質(zhì)性進(jìn)行分類管理

6、。還不能計(jì)算零售業(yè)務(wù)貸款池的PDDLGD和EAD等基本風(fēng)險(xiǎn)要素，各個(gè)貸款池的風(fēng)險(xiǎn)度量還處于空白。三是在評(píng)級(jí)結(jié)果驗(yàn)證和評(píng)級(jí)應(yīng)用等方面還比較落后，尚未成為信貸審批、產(chǎn)品定價(jià)、市場(chǎng)營銷、績效考核的主要手段。如何提升商業(yè)銀行零售業(yè)務(wù)的風(fēng)險(xiǎn)管理水平，關(guān)鍵在于提高零售風(fēng)險(xiǎn)量化水平和實(shí)現(xiàn)零售業(yè)務(wù)處理的自動(dòng)化和標(biāo)準(zhǔn)化。零售內(nèi)部評(píng)級(jí)法的核心就是要求銀行實(shí)現(xiàn)對(duì)零售業(yè)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確量化。因此，商業(yè)銀行應(yīng)該積極推動(dòng)零售業(yè)務(wù)內(nèi)部評(píng)級(jí)法建設(shè)，按照新資本協(xié)議零售內(nèi)部評(píng)級(jí)法的要求，借鑒國際先進(jìn)銀行最佳實(shí)踐，結(jié)合我國零售業(yè)務(wù)的特點(diǎn)，建設(shè)滿足我國零售業(yè)務(wù)需要的信用評(píng)分模型體系，實(shí)現(xiàn)零售業(yè)務(wù)管理的自動(dòng)化和標(biāo)準(zhǔn)化，提高零售業(yè)務(wù)風(fēng)險(xiǎn)管理

7、水平。根據(jù)巴塞爾新資本協(xié)議零售內(nèi)部評(píng)級(jí)法的要求，對(duì)于信用卡產(chǎn)品，銀行可以根據(jù)申請(qǐng)、行為評(píng)分的分段，以及逾期行為等借款人風(fēng)險(xiǎn)特征進(jìn)行風(fēng)險(xiǎn)劃分。針對(duì)我國商業(yè)銀行零售業(yè)務(wù)特點(diǎn)，改進(jìn)信用評(píng)分卡模型設(shè)計(jì)技術(shù)、量化風(fēng)險(xiǎn)，成為國內(nèi)商業(yè)銀行實(shí)施巴塞爾協(xié)議零售內(nèi)部評(píng)級(jí)法的起點(diǎn)。二、信用評(píng)分模型簡介（一）信用評(píng)分卡個(gè)人信用評(píng)分就是通過分析匯總借款人的各個(gè)信用信息而得出的經(jīng)過量化的信用等級(jí)。個(gè)人信用評(píng)分也是銀行或其他金融機(jī)構(gòu)利用所獲得的信用申請(qǐng)人的信息，進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)的一種方法和技術(shù)。它是把數(shù)學(xué)和統(tǒng)計(jì)模式用于個(gè)人信貸發(fā)放決策，對(duì)個(gè)人履行各種承諾的能力和信譽(yù)程度進(jìn)行全面評(píng)價(jià)，確定信用等級(jí)和信貸限額的一種方法。其功能是以

8、個(gè)人的信貸申請(qǐng)書和征信報(bào)告等資料為基礎(chǔ)信息，對(duì)該申請(qǐng)人的信貸風(fēng)險(xiǎn)程度進(jìn)行分析,并得到數(shù)字量化的結(jié)果作為貸款決策的依據(jù)，從而使信貸決策自動(dòng)化、科學(xué)化。從本質(zhì)上講，個(gè)人信用評(píng)分是一種對(duì)個(gè)人信用的一種定量化描述，用客觀的方式預(yù)測(cè)信用行為。它具有減少壞帳，促進(jìn)決策標(biāo)準(zhǔn)化、業(yè)務(wù)自動(dòng)化以及快速高效的優(yōu)點(diǎn)。（二）信用評(píng)分卡優(yōu)勢(shì)零售信用評(píng)分模型具備以下優(yōu)勢(shì)：一是客觀性，評(píng)分模型是根據(jù)大量數(shù)據(jù)提煉出來的預(yù)測(cè)信息和行為模式制定的，反映了銀行客戶信用表現(xiàn)的普遍規(guī)律；二是一致性，評(píng)分模型可以保證銀行決策的一致性；三是準(zhǔn)確性，評(píng)分模型依據(jù)先進(jìn)的統(tǒng)計(jì)學(xué)技術(shù)，能比較準(zhǔn)確地預(yù)測(cè)出客戶信用表現(xiàn)的概率；四是全面性，評(píng)分模型一般是

9、由代表各個(gè)信息維度的預(yù)測(cè)變量組成，比較全面地評(píng)估了客戶未來的信用表現(xiàn)；五是效率性，信用評(píng)分模型可以在系統(tǒng)內(nèi)實(shí)現(xiàn)自動(dòng)化處理，決策迅速，更適用于數(shù)量巨大的零售業(yè)務(wù),信用評(píng)分模型的使用，將有利于銀行提高決策效率，壞賬率明顯減少，收益增加。（三）信用評(píng)分卡分類信用評(píng)分技術(shù)可用來評(píng)估對(duì)某貸款申請(qǐng)人發(fā)放貸款的風(fēng)險(xiǎn)。其原理是通過對(duì)已有的貸款歷史數(shù)據(jù)進(jìn)行各種定性或定量的分析，以使信用評(píng)分能夠充分體現(xiàn)客戶基礎(chǔ)特征對(duì)拖欠和違約行為的影響。信用評(píng)分卡主要分為三種類型：申請(qǐng)信用評(píng)分卡、行為信用評(píng)分卡和催收信用評(píng)分卡，分別為信用卡業(yè)務(wù)提供事前、事中和事后的信用風(fēng)險(xiǎn)控制。?1.申請(qǐng)信用評(píng)分卡申請(qǐng)信用評(píng)分卡專門用于對(duì)新申請(qǐng)

10、客戶的信用評(píng)估。它通過申請(qǐng)人填寫的有關(guān)身份資料，即可快速、有效地辨別和劃分客戶的優(yōu)劣，防范信用不良的客戶申辦信用卡，提高持卡人的信用水平，實(shí)現(xiàn)信用卡業(yè)務(wù)風(fēng)險(xiǎn)的事前防范。2.行為信用評(píng)分卡行為信用評(píng)分卡是通過對(duì)持卡人還款行為的監(jiān)控和預(yù)測(cè)，實(shí)現(xiàn)評(píng)估客戶風(fēng)險(xiǎn)的目的。行為信用評(píng)分卡可用于信用額度的自動(dòng)監(jiān)控和調(diào)整、授權(quán)以及對(duì)壞賬的預(yù)測(cè)。?3.催收信用評(píng)分卡催收信用評(píng)分卡是申請(qǐng)?jiān)u分卡和行為信用評(píng)分卡的補(bǔ)充，特別是在持卡客戶產(chǎn)生逾期貸款或壞賬的情況下建立的。催收信用評(píng)分卡應(yīng)用于預(yù)測(cè)和評(píng)估對(duì)某一筆壞賬所采取的措施的有效性，諸如客戶對(duì)電話、信函、上門和司法催收的反應(yīng)的可能性。這樣，發(fā)卡行可以根據(jù)模型的預(yù)測(cè)結(jié)果，

11、針對(duì)不同的拖欠客戶采取不同的催收措施。三、零售客戶評(píng)分卡設(shè)計(jì)流程2008年大公進(jìn)行一汽財(cái)務(wù)內(nèi)部評(píng)級(jí)體系建設(shè)項(xiàng)目，在項(xiàng)目中對(duì)轎車和卡車客戶建立了個(gè)人信用評(píng)分卡。這些客戶評(píng)分卡為“申請(qǐng)人信用評(píng)分”，它可用于幫助信貸審批人員做出是否批準(zhǔn)新申請(qǐng)人貸款的決策，并有助于提高審貸人員的審批效率。通過使用評(píng)分卡對(duì)貸款申請(qǐng)人進(jìn)行綜合評(píng)分，公司審貸人員可較快地了解貸款申請(qǐng)者的整體信用水平。大公采用了目前國際流行的數(shù)據(jù)挖掘技術(shù)進(jìn)行信用評(píng)分卡設(shè)計(jì)。針對(duì)一汽財(cái)務(wù)公司業(yè)務(wù)和客戶的特點(diǎn)，大公設(shè)計(jì)了最適合公司情況的開發(fā)流程,分為8個(gè)步驟：業(yè)務(wù)目標(biāo)確定、數(shù)據(jù)抽樣、數(shù)據(jù)質(zhì)量檢驗(yàn)、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘及建模、驗(yàn)證模型、模型應(yīng)用和模型

12、跟蹤與反饋。（一）業(yè)務(wù)目標(biāo)確定信用評(píng)分的目的是利用現(xiàn)有的樣本數(shù)據(jù)建立模型，利用此模型對(duì)未來申請(qǐng)人的信用行為進(jìn)行預(yù)測(cè)，從而區(qū)分出好客戶和壞客戶。在建立評(píng)分模型時(shí)，需要一組已有的客戶樣本，既要知道該組客戶的特征，同時(shí)也需要了解他們的信用表現(xiàn)。根據(jù)巴塞爾協(xié)議對(duì)違約定義及公司對(duì)客戶管理需要，對(duì)好壞客戶進(jìn)行定義。（二）選擇最佳的數(shù)據(jù)源，抽取樣本模型的質(zhì)量由數(shù)據(jù)的質(zhì)量決定。在信用評(píng)分卡模型的開發(fā)中，數(shù)據(jù)是框架或信息庫，模型質(zhì)量與底層的數(shù)據(jù)密切相關(guān)。從數(shù)據(jù)的來源上看，可以分為內(nèi)部數(shù)據(jù)源或外部數(shù)據(jù)源。內(nèi)部數(shù)據(jù)源是指業(yè)務(wù)活動(dòng)產(chǎn)生的數(shù)據(jù)，如申請(qǐng)人的申請(qǐng)表、審批材料等。外部數(shù)據(jù)包括征信系統(tǒng)的數(shù)據(jù)。根據(jù)業(yè)務(wù)問題和對(duì)數(shù)

13、據(jù)庫的理解，在收集到的數(shù)據(jù)基礎(chǔ)上采用抽樣的方法，篩選出構(gòu)建信用評(píng)分所需的數(shù)據(jù)。抽樣可以解決數(shù)據(jù)量過大的問題,使分析更具效率，但是必須要把握好目標(biāo)群體的特性，避免抽樣時(shí)產(chǎn)生偏（三）數(shù)據(jù)質(zhì)量檢驗(yàn)數(shù)據(jù)準(zhǔn)備是評(píng)分模型開發(fā)過程中最重要的步驟之一。無論模型的復(fù)雜程度如何，數(shù)據(jù)質(zhì)量是項(xiàng)目成功的關(guān)鍵。好的數(shù)據(jù)和有效的技術(shù)一樣，決定著模型的結(jié)果。在原始數(shù)據(jù)的基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行合并，并創(chuàng)建最終的數(shù)據(jù)集。對(duì)建立評(píng)分模型所用的數(shù)據(jù)集，進(jìn)行檢查，以發(fā)現(xiàn)錯(cuò)誤、異常和缺失值，這是數(shù)據(jù)準(zhǔn)備過程中一項(xiàng)耗時(shí)、乏味的工作，但卻是一個(gè)不可缺少的步驟。（四）分析、選擇和轉(zhuǎn)換變量有了可靠的數(shù)據(jù)之后，根據(jù)建模需要，還應(yīng)該對(duì)數(shù)據(jù)做相應(yīng)的轉(zhuǎn)換

14、。工作內(nèi)容包括多個(gè)數(shù)據(jù)庫表之間的匹配整合，變量的構(gòu)造與派生，對(duì)缺失、異常變量進(jìn)行處理。通過數(shù)據(jù)轉(zhuǎn)換過程，一方面將數(shù)據(jù)庫格式的信息構(gòu)造為數(shù)據(jù)挖掘需要格式，另一方面要根據(jù)業(yè)務(wù)專家的經(jīng)驗(yàn)，產(chǎn)生預(yù)測(cè)能力強(qiáng)的變量，為評(píng)分的準(zhǔn)確性打下堅(jiān)實(shí)基礎(chǔ)。在準(zhǔn)備對(duì)最終模型進(jìn)行處理的過程中，需要使用一些簡單的技術(shù)來減少變量的數(shù)量，這樣可以排除那些預(yù)測(cè)能力低或無預(yù)測(cè)能力的變量，從而使創(chuàng)建的模型更加有效。（五）數(shù)據(jù)挖掘及建模建立模型可采用的方法很多，主要有統(tǒng)計(jì)方法與非統(tǒng)計(jì)方法兩種。常用的統(tǒng)計(jì)方法包括判別分析法、回歸法、邏輯回歸法、分類樹法等；非統(tǒng)計(jì)方法有神經(jīng)網(wǎng)絡(luò)法、線性規(guī)劃法等。1 .決策樹模型決策樹也是數(shù)據(jù)挖掘中最常用的

15、方法之一。在數(shù)據(jù)挖掘過程中，決策樹用作一個(gè)分類的工具去解決大量的分類問題，決策樹使用樹型結(jié)構(gòu)描述知識(shí)，樹的構(gòu)建稱為樹歸納，這個(gè)過程用一套預(yù)分類的例子來發(fā)展一個(gè)決策，一旦這樣的樹被引入，它就被用在預(yù)言模式中，把新的記錄分類到預(yù)先規(guī)定的種類，當(dāng)需要考慮許多復(fù)雜的信息時(shí)，決策樹是作決策的極好工具，它提供有效結(jié)構(gòu)以選擇決策和評(píng)估決策的后果。與神經(jīng)網(wǎng)絡(luò)、多元統(tǒng)計(jì)判別分析等分類方法相比，速度快、精度高、生成模式簡單易用。利用決策樹可以將客戶按照各種特征進(jìn)行分類，并計(jì)算不同類型客戶的違約概率。另一方面還可以分析變量的相對(duì)重要性。決策樹的最頂端為根結(jié)點(diǎn)、最底端為葉子。每個(gè)結(jié)點(diǎn)都標(biāo)示出了結(jié)點(diǎn)數(shù)據(jù)量及好壞客戶的占

16、比情況。以圖2第二層左端結(jié)點(diǎn)為例，數(shù)據(jù)中共有430人居住面積屬于第2或第3組。在430個(gè)客戶中共有305人為好客戶,占比達(dá)通過對(duì)決策樹分析的結(jié)果，可以看出影響客戶信用狀況的各因素的相對(duì)重要程度。2 .利用邏輯回歸模型建立個(gè)人信用評(píng)分卡在實(shí)際應(yīng)用中，經(jīng)常會(huì)采用邏輯回歸法來創(chuàng)建信用評(píng)分模型。邏輯回歸技術(shù)具有功能強(qiáng)大、直觀、對(duì)過度適應(yīng)數(shù)據(jù)的風(fēng)險(xiǎn)低等特點(diǎn)。邏輯回歸技術(shù)是在數(shù)據(jù)中找到一條誤差最小化的線性路徑的一種理想技術(shù)，并且其結(jié)果可直接產(chǎn)生評(píng)分卡，在模式實(shí)行上的成本較低、時(shí)間短(1)邏輯回歸模型邏輯回歸模型是非線性模型的一種，其主要應(yīng)用于因變量為二分類變量的情況，如違約/不違約，發(fā)病/未發(fā)病等。由于因

17、變量為二分類變量,因此邏輯回歸模型在模型假設(shè)條件、估計(jì)方法以及回歸系數(shù)的解釋等方面與傳統(tǒng)多元回歸模型存在著較大的差別。2.0. 9J01周b 1H43-a. i oi注4i I3 0； I Q圖2?決策樹例圖(2)模型假設(shè)假設(shè)客戶違約發(fā)生的概率為P,取值范圍在0-1之間。由于建立模型時(shí)因變量P與自變量之間存在非線性關(guān)系，因此需要對(duì)因變量進(jìn)行相應(yīng)變換。圖3?違約概率P與自變量之間的非線性關(guān)系通過對(duì)違約事件P進(jìn)行l(wèi)ogit轉(zhuǎn)換(即Pln(P/(1-P)，表示為logitP),可使logitP的取值范圍在(-8,+s)之間，同時(shí)使其與自變量線性相關(guān)。從而邏輯回歸模型可表示為：logitP=%+B1X

18、1+BnXn,?其中因變量P可由求出。(3)模型系數(shù)的解釋。邏輯回歸系數(shù)可以被解釋為對(duì)應(yīng)自變量一個(gè)單位的變化所導(dǎo)致的因變量上的變化。邏輯回歸模型的系數(shù)為正表示為在其它自變量一定的條件下，對(duì)數(shù)發(fā)生比(即logitP)隨相應(yīng)自變量的增加而增加。同理，邏輯回歸模型的系數(shù)為負(fù)表示為在其它自變量一定的條件下，對(duì)數(shù)發(fā)生比(即logitP)隨相應(yīng)自變量的增加而減少。(4)利用邏輯回歸模型產(chǎn)生評(píng)分卡邏輯回歸模型是在定量的基礎(chǔ)上解釋客戶基礎(chǔ)特征與違約對(duì)數(shù)發(fā)生比之間的關(guān)系。因此，通過對(duì)邏輯回歸模型的系數(shù)進(jìn)行一系列變換，可獲得評(píng)分卡各指標(biāo)特征項(xiàng)的分值。3 .新建個(gè)人信用評(píng)分卡的特點(diǎn)(1)采用科學(xué)的數(shù)據(jù)挖掘理論為依據(jù)

19、。指標(biāo)設(shè)計(jì)、數(shù)據(jù)分析、模型建立檢驗(yàn)過程等幾個(gè)方面更加科學(xué)、準(zhǔn)確；利用逐步回歸方法，只有對(duì)好壞客戶區(qū)分能力明顯的變量才進(jìn)入模型。(2)在指標(biāo)設(shè)計(jì)上，新評(píng)分卡指標(biāo)更加精簡。評(píng)分卡只包含10個(gè)指標(biāo)。去除了婚姻、戶口性質(zhì)、最高學(xué)歷、居住性質(zhì)、居住面積、產(chǎn)權(quán)、資產(chǎn)、單位性質(zhì)、職務(wù)、行業(yè)等各特征項(xiàng)的違約比率相近的指標(biāo)以及在模型中不顯著的指標(biāo)。(六)模型驗(yàn)證建立好申請(qǐng)?jiān)u分卡以后還需要對(duì)其表現(xiàn)進(jìn)行一系列的度量，也就是說對(duì)評(píng)分卡區(qū)分好、壞客戶的能力進(jìn)行檢驗(yàn)。驗(yàn)證模型是十分關(guān)鍵的一步。如果模型驗(yàn)證的效果不佳，可能是由于數(shù)據(jù)問題、變量匹配差或建模技術(shù)造成的。驗(yàn)證模型有很多種方法，下面簡要介紹幾種常有方法。1 .保留樣本法保留樣本法是一種常用的信用評(píng)分模型檢驗(yàn)方法。這種方法是在建立信用評(píng)分模型時(shí)將樣本隨機(jī)地分為兩部分一一建模數(shù)據(jù)和測(cè)試數(shù)據(jù)，并利用測(cè)試數(shù)據(jù)對(duì)所建立的模型進(jìn)行檢驗(yàn)的方法。2 .分離度的度量?Kolmogorov-Smirnov(K-S)檢驗(yàn)K-S檢驗(yàn)是檢驗(yàn)?zāi)Ｐ蛥^(qū)分好壞客戶能力的方法之一。一個(gè)好的信用評(píng)分卡可以通過分值區(qū)分好壞客戶，也就是說壞客戶的得分較低好客戶的得分較高。K-S統(tǒng)計(jì)量可表示為好客戶分?jǐn)?shù)累計(jì)百分比與壞客戶分?jǐn)?shù)累計(jì)百分比之差的最大值。K-S統(tǒng)計(jì)量的檢驗(yàn)需配合好壞客戶分?jǐn)?shù)累計(jì)