Credit Scoring, Credit Report System and Its Regulation

Size: px

Start display at page:

Download "Credit Scoring, Credit Report System and Its Regulation"

潮仲
5 years ago
Views:

1 信用评分征信系统与监管世界银行学院赖志红博士 (Helen Z.H. Lai, Ph.D.) 2009 年 3 月和 4 月

2 提纲信用风险与信用评分通用与定制信用评分 FICO 评分与违约风险常用信用评分数学模型信用评分模型的检验美国的征信体系与监管 2

3 信用风险信用风险借款人未能偿还贷款的风险借款人 : 个人或企业贷款 : 定期贷款或信用额度还款 : 本金或利息影响信用风险的因素借款人管理信用的能力 ( 信用记录 ) 偶发事件 ( 失业医疗支出 ) 宏观经济条件其他 ( 传统教育水平等 ) 3

4 信用风险可以预测, 但并不是百分之百准确根据影响信用风险的因素, 可以预测潜在借款人的信用风险然而, 预测并不完美并不是所有因素都可以被观察或测量模型方法的缺憾信用风险是动态的, 而预测是以基于过去点的情况做出的 4

5 信用评分信用评分是对借款人信用风险的数字化评估信用评分的目的对潜在借款人进行风险排序预测违约率 (PD) 及潜在损失 (LGD) 帮助信用决策 5

6 信用评分的优势信用评分是借款人与贷款人之间的共享信息贷款人识别潜在借款人的可信度, 做出贷款审批决定发放贷款或信用额度, 为贷款定价管理现有帐户推动自动授信借款人证明可信度以获得贷款或信用逐渐积累良好的信用纪录 6

7 信用评分的信息基础大多数信用评分以借款人的信用历史为基础 1. 信用记录的长度 2. 还款历史 3. 信用或贷款额度 4. 公共纪录 ( 破产催收 ) 5. 查询信息的次数信用评分通常不考虑 1. 人类学信息 ( 种族性别教育程度 ) 2. 借款人的地理位置 3. 宏观经济因素 7

8 FICO FICO 是在美国普遍使用的信用评分数据 FICO 评分在业内使用范围最为广泛 FICO 评分范围为 300 至 850 优 750+ ( 最优 ) 良 ( 较优 ) 中 ( 次优 ) 差 < 619 ( 不能授信 ) 三家主要信用公司都使用 FICO 评分, 但三家机构的评分系统略有不同 Equifax (Beacon) Experian (Pinnacle) Trans Union (Precision) 8

9 FICO FICO 评分方法由 Fair Isaac 公司开发使用信用记录计算信用评分新开立的信用账户 15% 偿还历史 35% 信用历史 20% 贷款额 30% 9

10 10 FICO 评分分布与违约风险 FICO 分布与抵押贷款违约率 <= # 贷款额度 % 违约率

11 全美 2000 年房屋贷款者的平均 FICO 值分布 11

12 全美 2007 年房屋贷款者的平均 FICO 值分布 12

13 信用评分模型信用评分是利用输入相关变量利用统计模型得出的数据信用评分模型主要种类逻辑评定模型 (Logit or Prohibit models) 生存概率模型 (Survival Models) 决策树模型 (Decision Tree Models) 神经网络模型 (Neural Network Models) 辨别分析 (Discriminant Analysis) 线性规划 (Linear Programming) 13

14 通用与定制评分通用模型评分是适用于一般用途的 ( 如 FICO NextGen Vantage 等 ) 以信用机构或公司的 ( 如 Equifax Experian Trans Union 等 ) 数据为输入变量定制模型专门为特定目的开发的, 大多数美国银行都有其定制模型及评分用于不同产品 ( 信用卡抵押贷款汽车贷款中小企业贷款等 ) 用于不同目的 ( 市场营销并购账户管理定价等 ) 有些定制模型以通用模型评分为输入变量 14

15 定制信用评分模型定制信用评分专门为特定产品或不同目的而量身设计, 如用于抵押贷款的并购模型用于信用卡申请的批准模型用于确定提高信用额度的账户管理模型美国大多数大银行都开发并在内部使用和检验自己的定制模型信用公司数据与其它数据都用于模型的开发与检验例如 : 申请信息 ( 收入房屋所有状况等 ) 帐户信息 ( 在银行内的偿还历史 ) 15

16 定制信用评分模型的开发为零售银行产品开发信用评分模型时通常使用大量数据每个模型可能包括几个子模型或部分信用卡购买模型 FICO < 660 ( 次优 ) FICO 660 ( 优质 ) 最早交易时间 < 3 年最早交易时间 3 年档案中无破产纪录档案中有破产纪录现有账户过期账款 16

17 一例典型的信用评分模型变量参数截量贷款与信用额度比过去六个月查询信用评分的次数过去十二个月 30 天晚付款的次数最早的信用帐户的年限过去十二个月所新开帐户的数量所有的信用额度过去 3 年有无破产记录? 有无车辆等小额贷款? 有无房屋贷款?

18 5% 15% 25% 35% 45% 55% 65% 75% 85% 95% 模型有效性 ( 提升表 ) 提升表所有账户都根据模型评分进行排序并分组计算每组的违约率高评分与低违约率之间存在联系 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 违约率完美模型 ( 将所有坏帐归入最差的评分组 ) Worst Score 18

19 测试模型排序能力的统计数据 KS (Kolmogorov-Smirnov) 指数是衡量模型辨别能力的普遍方法账户被分为违约和非违约两类, 并根据模型评分进行排序画出两条累积曲线 KS 就是两条曲线间的最大距离 KS 值在 0 到 100 之间,KS 越大, 模型越好 KS Default Non-Default 19

20 累计违约率 Gini 指数是另一个常用数据 100% 90% 80% 70% A P 60% 50% 40% A R 模型 A 完美模型 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Best Score Gini = A R /A P 20

21 样本外测试是检验模型的重要方法样本外测试反应出模型对更广泛数据的预测能力样本外测试比样本内测试更有效样本外测试能够反映模型是否只适合开发数据模型对开发数据反映出高的 KS 和 Gini 值, 但在样本外测试中 KS 和 Gini 值明显下降 21

22 违约率比较不同的评分模型 10% 9% 8% 7% 6% 5% 4% 3% 2% 1% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 模型 A 模型 B 最差分数提升图显示, 在账户排序方面, 模型 B 比模型 A 效果更好 22

23 累积违约率比较不同的评分模型 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 模型 A 模型 B 最佳分数累计图也显示, 在账户排名方面, 模型 B 比模型 A 的效果好在这个例子中, 模型 B 有较高的 KS 与 Gini 值 23

24 模型的持续监控应对模型定期检查, 保证其效果 ( 通常每月检查一次 ) 持续监控的元素稳定与特征分析分辨能力精确度 24

25 模型的被忽略由于银行信贷政策的要求或变化而忽略模型结果忽略可能有助于消除模型的盲点两种模型被忽略情况模型允许, 但政策不允许模型不允许, 但政策允许 25

26 信用评分模型的不足模型不能涵盖所有相关信息人口统计信息 ( 受法律约束, 如种族, 性别等 ) 不可预料的偶发事件 ( 离婚意外事故等 ) 地理信息宏观经济信息计量错误 ( 收入报告等 ) 模型风险样本偏好模型设定误差大多数信用模型评分只是评估当时的瞬间状态, 而非动态连续的评估 26

27 美国的信用报告系统美国信用报告系统与监管发展概况信用机构出现于 19 世纪末 1906 年, 消费者信用调查联合会或 ACB 或消费数据产业联盟 (CDIA) 成立 1916 年, 信用局数量为 100 家,1927 年发展到 800 家, 1955 年翻了一番 1965 年,2,200 家 1972 到 1997 年, 约 1,700 家现在约 500 家

28 美国信用报告监管美国公平信用报告法 (FCRA) 与平等信用机会法进行相关规定, 努力改善私营部门建立的自愿信息共享机制联邦贸易委员会 (FTC) 与其他联邦银行监管机构是负责 FCRA 规定的主要机构协调信息准确性与低成本之间的平衡与欧洲信用报告体系比较政策制定者决定是否要求贷款人与其他公司共享信息 28

29 请思考你认为信用评分方法是否对你和你所在的银行适用? 如不适用, 原因是什么? 如适用, 那它能否提高贷款质量? 降低目前担保抵押品要求? 增加贷款发放数量? 降低筛选与监控成本? 评分方法是否需要根据你的业务状况与环境进行调整? 需要进行什么样的调整? 根据现实情况, 你认为引进信用评分体系需要多长时间? 你和你的机构是否已经准备好接受并使用信用评分方法? 29

C xiayeliang.PDF

C xiayeliang.PDF No. C2002002 2002 1 30 : 2001 12 25 1 2 : Credit public credit private credit 3 business individual 1.1 1.1 4 1.1 1.1 1.1 5 6 1.2 3C character capacity collateral 7 : 1801 200 7 IT 1910 1916 Russell Sage