1、第十章：風(fēng)險(xiǎn)管理第十章：風(fēng)險(xiǎn)管理信用評(píng)分信用評(píng)分房勇2012年12月2主要內(nèi)容主要內(nèi)容n信用評(píng)分概述n信用評(píng)分的技術(shù)方法信用評(píng)分概述信用評(píng)分概述4什么是信用評(píng)分什么是信用評(píng)分?n目的：對(duì)于給定的信貸客戶或者申請(qǐng)者，用統(tǒng)計(jì)的工具提供一個(gè)可量化的風(fēng)險(xiǎn)判別。n定義：信用評(píng)分是這樣一個(gè)過(guò)程，把有用的資料轉(zhuǎn)化為一些數(shù)字，而通過(guò)數(shù)字的加總給出一個(gè)總分。 n目標(biāo)：通過(guò)過(guò)去的行為去預(yù)測(cè)將來(lái)的表現(xiàn)。5n住房抵押貸款n汽車貸款n信用卡n個(gè)人貸款, 包括n分期付款貸款n教育貸款信用評(píng)分在個(gè)人信貸中的應(yīng)用信用評(píng)分在個(gè)人信貸中的應(yīng)用6nCharacter(品質(zhì)): 對(duì)信用負(fù)債的態(tài)度n借貸人是否會(huì)還款?n以往還款的歷史,

2、 清收情況, 公共記錄 (破產(chǎn))nCapacity（能力）: 擔(dān)當(dāng)信用負(fù)債的財(cái)務(wù)能力n借貸人是否有能力還款?n收入, 負(fù)債, 經(jīng)濟(jì)負(fù)擔(dān), 職業(yè)，工作的穩(wěn)定程度nCollateral（抵押）: 貸款的保護(hù)n如果借貸人不能歸還貸款，信貸發(fā)放人是否有保護(hù)？n預(yù)付定金、 抵押品價(jià)值、 抵押品流動(dòng)性等個(gè)人信貸評(píng)估的個(gè)人信貸評(píng)估的5C原則原則7個(gè)人信貸評(píng)估的個(gè)人信貸評(píng)估的5C原則原則nCapital（資本）: 支持償還債務(wù)的動(dòng)產(chǎn)/不動(dòng)產(chǎn)資源n當(dāng)負(fù)面情況發(fā)生時(shí)，借貸人是否有足夠的現(xiàn)金存量來(lái)償還債務(wù)？n住房, 汽車, 股票, 其它投資nConditions（情形）: 可能對(duì)借貸人償還能力產(chǎn)生負(fù)面影響的宏觀經(jīng)濟(jì)

3、情形n預(yù)測(cè)國(guó)家/區(qū)域的經(jīng)濟(jì)以及就業(yè)前景8n申請(qǐng)?jiān)u分是在信貸申請(qǐng)之時(shí)對(duì)風(fēng)險(xiǎn)進(jìn)行評(píng)估n每個(gè)申請(qǐng)只被評(píng)一次n申請(qǐng)?jiān)u分被用于:n信貸風(fēng)險(xiǎn)的識(shí)別n信貸額的批準(zhǔn)n信用限額確定信貸決定申請(qǐng)?jiān)u分（申請(qǐng)?jiān)u分（Application Scoring）9n行為評(píng)分是通過(guò)內(nèi)部客戶行為數(shù)據(jù)對(duì)現(xiàn)有客戶的風(fēng)險(xiǎn)評(píng)估n根據(jù)客戶情況的變化不斷進(jìn)行的n行為評(píng)分被用于:n授權(quán)n增加限額/透支申請(qǐng)n續(xù)借/評(píng)估n清收策略風(fēng)險(xiǎn)級(jí)別Debit $1344. 12Debit $234. 01Debit $987.56Debit $6543.22Debit $32423.11Total $2556.00Debit $1344. 12Debit

4、$234. 01Debit $987.56Debit $6543.22Debit $32423.11Total $2556.00Debit $1344. 12Debit $234. 01Debit $987.56Debit $6543.22Debit $32423.11Total $2556.00行為評(píng)分（行為評(píng)分（Behavioural Scoring）10 經(jīng)濟(jì)情況經(jīng)濟(jì)情況 資產(chǎn) 負(fù)債月償還額月收入 信用記錄信用記錄違約次數(shù)其它不良記錄 申請(qǐng)申請(qǐng)貸款目的 儲(chǔ)蓄情況n打分卡是對(duì)顧客申請(qǐng)貸款時(shí)提供的各種分?jǐn)?shù)分別給一個(gè)點(diǎn)數(shù)，然后對(duì)這些點(diǎn)數(shù)進(jìn)行加總，得到一個(gè)分?jǐn)?shù)。n下面是一個(gè)打分卡考慮的一些因素:

5、 特征特征當(dāng)前工作的年限住房狀況在當(dāng)前居住地居住時(shí)間長(zhǎng)短打分卡打分卡11住房狀況住房狀況 房主房主租賃租賃其他其他 +25 -30 +10工齡長(zhǎng)短工齡長(zhǎng)短 (年年) 23-45-6 7+ 2 10 15 25月收入月收入 0$500$1000 $1500 $2000 $3000 0 15 25 31 37 43 48違約次數(shù)違約次數(shù) 無(wú)違約無(wú)違約 1 2+ 0 -70-250打分卡的一個(gè)例子打分卡的一個(gè)例子121、收入10、月付額度2、年齡11、定期存款3、婚姻狀況12、經(jīng)濟(jì)負(fù)擔(dān)4、職業(yè)13、私人借貸5、產(chǎn)業(yè)14、個(gè)人財(cái)產(chǎn)6、雇傭狀況15、上次搬家年限7、頭銜16、上次貸款年限8、貸款期限17

6、、抵押9、貸款目的18、所在地區(qū)分期付款申請(qǐng)?jiān)u分的輸入例子分期付款申請(qǐng)?jiān)u分的輸入例子13打分卡的精化打分卡的精化n把整個(gè)顧客集合（population）分成很多小的子集合（subpopulations），對(duì)每個(gè)子集合 進(jìn)行精細(xì)建模，提高評(píng)分的精度； n特別地，注意抓住變量之間的非線性相關(guān)關(guān)系。14% 借貸人借貸人35% 借貸人借貸人35%信用評(píng)分優(yōu)劣的判斷信用評(píng)分優(yōu)劣的判斷15信用得分與風(fēng)險(xiǎn)信用得分與風(fēng)險(xiǎn)16“好壞比好壞比”n打分系統(tǒng)不是單個(gè)地區(qū)分一個(gè)申請(qǐng)人是“好的申請(qǐng)人”還是“壞的申請(qǐng)人”，而是將這個(gè)申請(qǐng)人劃歸為某一個(gè)“好壞比”組別里面。n比如說(shuō)對(duì)于一個(gè)200 比 1組別，顯然這個(gè)組別是相當(dāng)

7、安全，是可以獲利的。n而對(duì)于一個(gè) 4 比 1 組別，風(fēng)險(xiǎn)就是不可接受的了。n銀行尋找一個(gè)分離點(diǎn)（cut-off point），低于這個(gè)分離點(diǎn) 的“好壞比”組別是無(wú)利可圖的。n而在這個(gè)分離點(diǎn)以上，即使是 “壞的申請(qǐng)人”也不加區(qū)分地接受，在分離點(diǎn)之下，好的也不接受。1704080120160200240280320360400440480520560600640680720760800ScoreNumber Of ClientsGoodsBads n評(píng)分的目的是能夠以較高的概率去劃分評(píng)分的目的是能夠以較高的概率去劃分“好好/壞壞”。 n分值的大小能夠體現(xiàn)出分值的大小能夠體現(xiàn)出“好好/壞壞”的概率大

8、小。的概率大小。n“好好/壞壞”的一個(gè)基本標(biāo)準(zhǔn)是的一個(gè)基本標(biāo)準(zhǔn)是“壞壞”的平均得分要低于的平均得分要低于“好好”的平均得分。的平均得分。好好/壞壞 劃分劃分18n每個(gè)分?jǐn)?shù)的每個(gè)分?jǐn)?shù)的“好好/壞比壞比”可以通過(guò)表可以通過(guò)表現(xiàn)圖直觀地現(xiàn)圖直觀地表現(xiàn)出來(lái)。表現(xiàn)出來(lái)。 04080120160200240280320360400440480520560600640680720760800ScoreNumberOf ClientsGoodsBads1001Graph 2 - Log Odds Performance Chart0525128645325016400040801201602002402803

9、20360400440480520560600640680720760800Good/Bad Odds02468101214Log GBOs (Base 2)8 to 12 to 13表現(xiàn)圖表現(xiàn)圖2022-5-2819申請(qǐng)?jiān)u分卡建設(shè)流程圖申請(qǐng)?jiān)u分卡建設(shè)流程圖特征分析多元模型的建立拒絕推斷準(zhǔn)則統(tǒng)計(jì)分析統(tǒng)計(jì)分析定制化的打分卡定制化的打分卡產(chǎn)品識(shí)別文件和數(shù)據(jù)的可得性抽樣收據(jù)抽取/成本數(shù)據(jù)完整性數(shù)據(jù)完整性設(shè)立分離點(diǎn)設(shè)立分離點(diǎn)執(zhí)行執(zhí)行檢驗(yàn)檢驗(yàn)一般性打分卡一般性打分卡外部數(shù)據(jù)資源打分卡銷售商外源外源打分卡監(jiān)測(cè)打分卡監(jiān)測(cè)20nFair Isaac Corporation (FICO):n1956成立，是美國(guó)

10、的頭號(hào)信用評(píng)分公司n信用局:n三個(gè)主要的信用局: Equifax, Experian, and TransUnionn幾乎所有的信貸發(fā)放者將信用償還行為報(bào)告給這三個(gè)信用局信用評(píng)分信用評(píng)分: 美國(guó)情況美國(guó)情況21n信用評(píng)分由Fair & Isaac 在年代早期開發(fā)出來(lái)n80年代早期被美國(guó)、90年代早期被英國(guó)廣泛所接受nFICO評(píng)分在美國(guó)被所有信貸發(fā)放者用于信貸決策n75% 的 美國(guó)抵押貸款是基于 FICO 評(píng)分做出來(lái)的n但FICO只是一個(gè)一般模型，幾乎所有的信貸發(fā)放者都有自己的客戶模型，用來(lái)適用于自身的市場(chǎng)分割和產(chǎn)品由來(lái)由來(lái)22n個(gè)人信貸在美國(guó)是一個(gè)嚴(yán)格規(guī)范的行業(yè)。n平等信貸機(jī)會(huì)法（Eq

11、ual Credit Opportunity Act (ECOA) ） :n美國(guó)法律禁止使用種族、膚色、宗教、原籍、性別、婚姻狀況、年齡作為信貸判據(jù)。 n美國(guó)法律要求信用評(píng)分模型必須經(jīng)實(shí)證為驅(qū)動(dòng)，要在統(tǒng)計(jì)上表現(xiàn)出明顯的可靠性。n拒絕信貸要給出理由（Turndown Reason)。信用評(píng)分信用評(píng)分: 美國(guó)的監(jiān)管美國(guó)的監(jiān)管信用評(píng)分的建模技術(shù)信用評(píng)分的建模技術(shù)24輸出時(shí)點(diǎn)評(píng)分時(shí)點(diǎn)行為窗表現(xiàn)窗 被解釋變量: 借貸人表現(xiàn): 好,壞，不能確定 壞帳的損失 表現(xiàn)窗: 一般 6-24 個(gè)月 解釋變量 內(nèi)部數(shù)據(jù): 信用申請(qǐng)數(shù)據(jù), 內(nèi)部行為記錄 外部數(shù)據(jù): 信用局, 公共記錄問(wèn)題的形成問(wèn)題的形成: 由過(guò)去的行為

12、預(yù)測(cè)將由過(guò)去的行為預(yù)測(cè)將來(lái)的表現(xiàn)來(lái)的表現(xiàn)25信用評(píng)分的常用方法信用評(píng)分的常用方法nLogistic 回歸n判別分析 n神經(jīng)元網(wǎng)絡(luò)n數(shù)學(xué)規(guī)劃n專家系統(tǒng)n決策樹26問(wèn)題的描述問(wèn)題的描述n找出一組（一個(gè)）判別規(guī)則，將借貸人（申請(qǐng)人）劃分為兩個(gè)子集，“好”的 （可接受的）和“壞的”（不可接受的），并且使得預(yù)測(cè)誤差的數(shù)學(xué)期望最小。27Logistic 回歸的數(shù)學(xué)形式:kjjjxpp01lnkjjjkjjjxxp00exp1expLogistic 回歸模型回歸模型2800.20.40.60.8102004006008001000Good/Bad ProbabilityLogisticLinear (Goo

13、d/Bad Probability)nLogistic 回歸的擬合效果遠(yuǎn)遠(yuǎn)好于線性回歸.Logistic 回歸模型回歸模型29判別分析判別分析n選擇 一組風(fēng)險(xiǎn)因子，比如 X, Y, Z .n利用過(guò)去的數(shù)據(jù)尋找 “最佳系數(shù)” a,b,c 使得得分S=aX + bY + cZ，能夠最好地將 “好客戶” 與“壞客戶”分離開來(lái)n比如，如果一個(gè)新的申請(qǐng)人的得分S s (由管理層設(shè)置的分離點(diǎn))則接受這個(gè)申請(qǐng)人的信貸申請(qǐng)30判別分析的優(yōu)點(diǎn)判別分析的優(yōu)點(diǎn)n在風(fēng)險(xiǎn)因子具有多元正態(tài)分布，而且有相同的協(xié)方差矩陣時(shí)，有很好的數(shù)學(xué)基礎(chǔ)，可以用樣本的均值和協(xié)方差來(lái)替代變量的均值和協(xié)方差.n盡管不保證最優(yōu)，但實(shí)用效果尚佳，

14、預(yù)測(cè)效果比較穩(wěn)定。31判別分析的缺點(diǎn)判別分析的缺點(diǎn)n理論上對(duì)多元正態(tài)分布，而且有相同的協(xié)方差矩陣時(shí)n變量之間的共線性導(dǎo)致系數(shù)的不穩(wěn)定n定性指標(biāo) (如居住地, 住房條件)需要轉(zhuǎn)化為定量指標(biāo)32神經(jīng)元網(wǎng)絡(luò)神經(jīng)元網(wǎng)絡(luò)n基本思想是建立計(jì)算機(jī)結(jié)構(gòu)來(lái)模擬人腦結(jié)構(gòu)。一個(gè)神經(jīng)元網(wǎng)絡(luò)包含一組相互連接的處理單元。處理單元之間的連接強(qiáng)弱用權(quán)重表示。神經(jīng)元網(wǎng)絡(luò)通過(guò)對(duì)訓(xùn)練樣本的學(xué)習(xí)，來(lái)修正權(quán)重，從而能夠?qū)π碌妮斎胱龀稣_的判斷。n神經(jīng)元網(wǎng)絡(luò)的層次結(jié)構(gòu)。上下層之間相互連接，首層為輸入層，尾層為最終輸出層，中間層稱為隱藏層。33數(shù)學(xué)規(guī)劃方法數(shù)學(xué)規(guī)劃方法 n假設(shè)每個(gè)借貸人（申請(qǐng)人）可以用一個(gè)由 p 個(gè)特征值組成的向量表示。n

15、設(shè)有 n 個(gè)“好客戶”他們的數(shù)值為xi1, xi2, xi3, , xip，i = 1, 2, , n ； 設(shè)有 m 個(gè)“壞客戶”他們的數(shù)值為 xi1, xi2, xi3, , xipi = n+1, , n+m . n需要找出權(quán)重 Ij, 1 j p，以及分界值 c, 使得如果得分 I1x1 + I2x2 + + Ipxp c , 則接受; 否則拒絕.n轉(zhuǎn)化為一個(gè)數(shù)學(xué)優(yōu)化問(wèn)題Minimize a1 + a2 + a3 + + an+ms.t. I1xi1 + I2xi2 + I3xi3 + + Ipxip c ai 1 i n I1xi1 + I2xi2 + I3xi3 + + Ipxip

16、c + ai n+1 i n+mai 034n數(shù)據(jù)挖掘n運(yùn)籌學(xué)方法n最優(yōu)化技術(shù)n模擬仿真n壓力測(cè)試n劃分遞歸算法（CART）n馬爾可夫模型nMART (多可加性回歸樹)n生存分析n多指標(biāo)多原因分析n實(shí)驗(yàn)設(shè)計(jì)n質(zhì)量控制技術(shù)n控制圖評(píng)分方法的新動(dòng)向評(píng)分方法的新動(dòng)向問(wèn)題問(wèn)題36個(gè)人信用體系缺失個(gè)人信用體系缺失 n除上海、廣東、北京等少數(shù)地區(qū)剛剛起步的、尚十分幼稚的個(gè)人征信系統(tǒng)以外，其它各地區(qū)尚沒有個(gè)人征信系統(tǒng)，更談不上全國(guó)統(tǒng)一的個(gè)人征信系統(tǒng)。n銀行以及其他行業(yè)長(zhǎng)期忽視個(gè)人信用數(shù)據(jù)的積累n缺乏權(quán)威的、獨(dú)立的社會(huì)中介機(jī)構(gòu)n制度和法律的缺失37粗糙的評(píng)分方法粗糙的評(píng)分方法n簡(jiǎn)單的打分卡，對(duì)分值的設(shè)定，分界點(diǎn)的設(shè)定沒有科學(xué)的依據(jù)n同一評(píng)分值在各地的內(nèi)涵必須一致（如在上?；蚋拭C評(píng)分結(jié)果為200分有同樣的含義，都代表壞帳的幾率為5%）打分標(biāo)準(zhǔn)的不統(tǒng)一，使得打分結(jié)果沒有可比性。38發(fā)展的不均衡發(fā)展的不均衡n金融機(jī)構(gòu)之間