吳智暉

摘 要：本文在對(duì)小企業(yè)信用評(píng)分模型的基本原理和關(guān)鍵技術(shù)進(jìn)行分析的基礎(chǔ)上，提示小企業(yè)信用評(píng)分模型應(yīng)用中的誤區(qū)，并提出在銀行信貸工作中應(yīng)用小企業(yè)信用評(píng)分模型的對(duì)策建議。

關(guān)鍵詞：小企業(yè)；信用評(píng)分；技術(shù)；應(yīng)用

1 小企業(yè)信用評(píng)分模型的基本原理

第二次世界大戰(zhàn)后，歐美等國實(shí)施的經(jīng)濟(jì)刺激政策推動(dòng)了消費(fèi)信貸產(chǎn)業(yè)的蓬勃發(fā)展，迫切需要建立信用評(píng)分模型，實(shí)現(xiàn)貸款決策的自動(dòng)化。信用評(píng)分的哲學(xué)基礎(chǔ)是實(shí)用主義和經(jīng)驗(yàn)主義，即根據(jù)消費(fèi)者過去的表現(xiàn)建立模型，對(duì)具有相同特征的未來消費(fèi)者的信用進(jìn)行預(yù)測(cè)。小企業(yè)信用評(píng)分（Small Business Credit Scoring，簡(jiǎn)稱 SBCS）模型的重大革新在于將小企業(yè)主的信息作為模型構(gòu)建的重要輸入變量，包括小企業(yè)主的收入支出狀況、家庭財(cái)產(chǎn)、負(fù)債狀況，以及從征信機(jī)構(gòu)獲取的信用記錄、消費(fèi)數(shù)據(jù)等信息。SBCS 同時(shí)從商業(yè)信用數(shù)據(jù)庫、貸款申請(qǐng)書、銀行信貸檔案等渠道搜集小企業(yè)的信息，運(yùn)用各種數(shù)理統(tǒng)計(jì)技術(shù)進(jìn)行數(shù)據(jù)匯總、變量剔除、分類觀測(cè)、模型構(gòu)建，計(jì)算得出信用得分，以此為基礎(chǔ)判斷借款人未來貸款表現(xiàn)，從而做出接受或拒絕貸款申請(qǐng)的決定。

2 小企業(yè)信用評(píng)分模型的關(guān)鍵技術(shù)

2.1 樣本的選擇與變量的分組

2.1.1 確定數(shù)據(jù)的來源。建立信用評(píng)分模型的數(shù)據(jù)一般考慮三個(gè)來源：信用機(jī)構(gòu)數(shù)據(jù)、行業(yè)共享數(shù)據(jù)、商業(yè)銀行內(nèi)部的貸款數(shù)據(jù)。信用機(jī)構(gòu)可以提供小企業(yè)主的消費(fèi)和信貸歷史數(shù)據(jù)，包括來自法院、稅務(wù)、工商、警察等政府機(jī)構(gòu)的公共記錄，來自銀行、個(gè)人貸款公司的信貸記錄、來自零售商等機(jī)構(gòu)的消費(fèi)記錄，以及來自水電費(fèi)、電話公司等日常生活開支付費(fèi)的記錄，并且這些信息定期更新，實(shí)時(shí)跟蹤。行業(yè)共享數(shù)據(jù)由多家貸款機(jī)構(gòu)把業(yè)務(wù)數(shù)據(jù)集中起來，形成一個(gè)數(shù)據(jù)池（Pooled data），由中介機(jī)構(gòu)開發(fā)信用評(píng)分模型。商業(yè)銀行因?yàn)殚L(zhǎng)期從事小企業(yè)貸款業(yè)務(wù)，掌握了大量的貸款客戶數(shù)據(jù)，通過對(duì)數(shù)據(jù)的分類、整理和加工，形成功能強(qiáng)大的貸款數(shù)據(jù)庫，為建立小企業(yè)信用評(píng)分模型提供了數(shù)據(jù)基礎(chǔ)。富國銀行就是運(yùn)用其內(nèi)部積累的小微企業(yè)貸款數(shù)據(jù)開發(fā)了信用評(píng)分模型。

2.1.2 定義“好客戶”與“壞客戶”。信用評(píng)分模型通過將客戶的在觀察期內(nèi)的特征變量與表現(xiàn)期的貸款償還表現(xiàn)之間建立起密切的聯(lián)系，并運(yùn)用這一聯(lián)系來判斷未來客戶貸款違約的可能性，銀行最為關(guān)注的是哪些客戶通常能夠按時(shí)還本付息，而哪些客戶經(jīng)常拖欠貸款甚至違約，因此，根據(jù)客戶的貸款償還表現(xiàn)定義“好客戶”與“壞客戶”的類型是信用評(píng)分模型建立的基礎(chǔ)也是目標(biāo)。

2.1.3 選取建模樣本。根據(jù)“好客戶”（Good）與“壞客戶”（Bad）的定義，從數(shù)據(jù)庫中選取樣本是開發(fā)信用評(píng)分模型的第一步。為保證模型的預(yù)測(cè)力以及穩(wěn)定性，用于建模的樣本要滿足：數(shù)量的充足性、樣本的代表性、樣本數(shù)據(jù)的完整性、樣本的時(shí)效性。

2.1.4 特征變量的分組與篩選。①特征變量的選擇。特征變量是與樣本的貸款償還表現(xiàn)相聯(lián)系的申請(qǐng)者的各方面的信息，包括小微企業(yè)的主要經(jīng)營(yíng)者的信用狀況、資產(chǎn)狀況、家庭收支，以及小微企業(yè)本身的基本情況、經(jīng)營(yíng)狀況、財(cái)務(wù)狀況等。②特征變量的分組。特征變量分組是根據(jù)特征變量的取值情況（特征項(xiàng)），將具有相同或類似行為模式、對(duì)貸款違約風(fēng)險(xiǎn)的影響相近的項(xiàng)目合并為一組，使組間差異達(dá)到最大化，以提高模型的預(yù)測(cè)效力的行為，另外，為了提高模型的穩(wěn)健性，將樣本容量少的特征項(xiàng)進(jìn)行合并。③特征變量的篩選。一種篩選的方法是依據(jù)X2統(tǒng)計(jì)量和信息統(tǒng)計(jì)量（F值）的大小，對(duì)特征變量的預(yù)測(cè)能力進(jìn)行一個(gè)初步的排序，通過比較剔除排在后面的特征變量。另一種方法是采用逐步回歸法、向前加入法、向后刪除法等進(jìn)行剔除。

2.2 模型的創(chuàng)建與檢驗(yàn)

2.2.1 拒絕推斷。所謂拒絕推斷（Reject Inference），是根據(jù)已批準(zhǔn)貸款表現(xiàn)的分布特征，運(yùn)用不同的方法，推斷那些未通過的貸款申請(qǐng)如果被批準(zhǔn)將如何表現(xiàn)（即被拒絕的申請(qǐng)者貸款償還變現(xiàn)的分布特征），并加入到總體樣本中來修正缺失數(shù)據(jù)的方法。

2.2.2 模型創(chuàng)建的方法——Logistic回歸。信用評(píng)分的模型方法較多，由于 Logistic 回歸模型具有諸多優(yōu)點(diǎn)，如能排除個(gè)別異常數(shù)據(jù)點(diǎn)的影響、數(shù)據(jù)處理能力強(qiáng)、可以適用于連續(xù)型或類別型自變量、不要求多元正態(tài)分布和協(xié)方差相等作為假設(shè)前提、計(jì)算結(jié)果容易解釋，也容易理解（唐瑩，2010），在理論研究和實(shí)際應(yīng)用中被普遍采用，如富國銀行采用Logistic模型建立了小企業(yè)信用評(píng)分模型。

2.2.3 信用評(píng)分的轉(zhuǎn)換。運(yùn)用Logistic回歸方法建立的信用評(píng)分模型中在輸入各特征變量后輸出的是貸款申請(qǐng)者的好壞比的對(duì)數(shù)值，不易理解，且在實(shí)際應(yīng)用中不容易掌握，為了提高信用評(píng)分模型的實(shí)用性，應(yīng)該將概率值轉(zhuǎn)換為信用評(píng)分。共有兩種轉(zhuǎn)換方法，總體轉(zhuǎn)換法和特征變量轉(zhuǎn)換法。

2.2.4 模型的檢驗(yàn)。模型建立以后，需要通過對(duì)比預(yù)測(cè)情況與實(shí)際情況的差別來檢驗(yàn)其預(yù)測(cè)能力和穩(wěn)定性，檢驗(yàn)的方式有兩種：樣本內(nèi)（開發(fā)模型所用的樣本）檢測(cè)和樣本外（事先預(yù)留的沒有用于開發(fā)模型的樣本）檢測(cè)，一般來說，預(yù)留的檢驗(yàn)樣本應(yīng)該占總樣本的20-40%。

2.3 模型的實(shí)施與調(diào)整

2.3.1 臨界值的確定。臨界值或截?cái)嘀?，是指為批?zhǔn)貸款申請(qǐng)而設(shè)定的模型最低分?jǐn)?shù)，臨界值的確定是信用評(píng)分模型實(shí)施前的關(guān)鍵環(huán)節(jié)，可以采用的方法有：利用模型檢驗(yàn)工具法、批準(zhǔn)率與壞賬率權(quán)衡法、估計(jì)盈虧平衡點(diǎn)法。

2.3.2 人工修正及其對(duì)評(píng)分卡的影響。臨界值確定以后，原則上貸款機(jī)構(gòu)就可以依據(jù)信用評(píng)分自動(dòng)批準(zhǔn)和拒絕貸款申請(qǐng)，但實(shí)際操作中往往會(huì)出現(xiàn)信用評(píng)分決策被否決的情況，被稱為低端人工修正（Low-side override，又叫低分挑選政策）和高端人工修正（High-side override，又叫高分挑選政策）。

2.4 模型的監(jiān)測(cè)與跟蹤

成功開發(fā)一個(gè)信用評(píng)分模型（或信用評(píng)分卡）只是信用評(píng)分實(shí)施項(xiàng)目中的第一步，項(xiàng)目能否取得成功取決于積極的管理、定期監(jiān)測(cè)和定期調(diào)整，在此基礎(chǔ)上評(píng)分卡的風(fēng)險(xiǎn)計(jì)量質(zhì)量和其在風(fēng)險(xiǎn)管理中的作用才能不斷改善和擴(kuò)大。

3 小企業(yè)信用評(píng)分模型的應(yīng)用

3.1 小企業(yè)信用評(píng)分模型應(yīng)用誤區(qū)

3.1.1 信用評(píng)分模型缺乏統(tǒng)一性、標(biāo)準(zhǔn)化程度不高。由于各家商業(yè)銀行對(duì)小微企業(yè)的劃分標(biāo)準(zhǔn)不同，表現(xiàn)在對(duì)貸款對(duì)象的行業(yè)類型、區(qū)域分布、規(guī)模大小等方面，所以建模時(shí)考慮的客戶定義、特征變量等存在較大差異，導(dǎo)致所開發(fā)的信用評(píng)分模型缺乏統(tǒng)一性或標(biāo)準(zhǔn)化。極有可能出現(xiàn)的情況是，對(duì)同一家小微企業(yè)進(jìn)行信用評(píng)分時(shí)，使用不同商業(yè)銀行開發(fā)的信用評(píng)分模型得出不一致甚至完全迥異的結(jié)論。這就無法發(fā)揮小企業(yè)信用評(píng)分引入聲譽(yù)機(jī)制和重復(fù)博弈的機(jī)制，無法對(duì)小微企業(yè)的貸款違約行為產(chǎn)生約束。

3.1.2 信用評(píng)分模型的可靠性有待驗(yàn)證。由于國內(nèi)商業(yè)銀行開展小微企業(yè)貸款業(yè)務(wù)的歷史較短，業(yè)務(wù)量較少，所累積的歷史數(shù)據(jù)也較少，尤其是小微企業(yè)不良貸款的數(shù)據(jù)。數(shù)據(jù)不足和數(shù)據(jù)質(zhì)量會(huì)影響到信用評(píng)分模型的可靠性。

3.2 小企業(yè)信用評(píng)分模型應(yīng)用建議

3.2.1 轉(zhuǎn)變信用觀念。很多銀行在大力吸儲(chǔ)后，為了獲得穩(wěn)定的利差，制定了較為嚴(yán)苛的貸款對(duì)象篩選標(biāo)準(zhǔn)，形成了“唯財(cái)務(wù)報(bào)表論”、或者“抵押/擔(dān)保至上”的信用觀念，認(rèn)為不能滿足上述條件的借款人的信用水平太低、貸款風(fēng)險(xiǎn)太高，缺乏開發(fā)和應(yīng)用標(biāo)準(zhǔn)化的小企業(yè)信用評(píng)分模型的積極性。因此，商業(yè)銀行需要轉(zhuǎn)變信用觀念，針對(duì)不同類型的借款人靈活采取信用評(píng)估技術(shù)和方法。

3.2.2 注重客戶信用數(shù)據(jù)的收集和積累。在開展小微企業(yè)貸款時(shí)，首先，既需要收集企業(yè)的相關(guān)信息，也需要企業(yè)主的信息，在信用評(píng)估時(shí)嘗試將企業(yè)的信用與個(gè)人信用掛鉤；其次，既需要收集已批準(zhǔn)貸款的信息，也需要收集被拒絕客戶的信息，以避免建模時(shí)的樣本選擇偏差；第三，要做好數(shù)據(jù)的積累和更新，把企業(yè)或個(gè)人貸款的信用記錄隨時(shí)更新。

3.2.3 建立與小企業(yè)信用評(píng)分相配套的制度，從而嵌入到貸款各環(huán)節(jié)中去。為了促使評(píng)分模型真正發(fā)揮作用，需要建立小微企業(yè)貸款的審批和風(fēng)險(xiǎn)管理程序、風(fēng)險(xiǎn)定價(jià)制度，以及對(duì)信貸人員的激勵(lì)約束考核制度。

3.2.4 加強(qiáng)對(duì)模型應(yīng)用過程中的有效監(jiān)控。信用評(píng)分模型開發(fā)初期的應(yīng)用效果往往較好，但是在一段時(shí)間后可能會(huì)失去效力，其原因有很多種，如樣本違約特征發(fā)生較大變化導(dǎo)致特征變量的區(qū)分度下降，或特征變量的分組方式不再適合，所以需要進(jìn)行持久和全方位的對(duì)模型進(jìn)行監(jiān)測(cè)和跟蹤。

參考文獻(xiàn)：

[1]陳建.信用評(píng)分模型技術(shù)與應(yīng)用[M].中國財(cái)經(jīng)出版社，2005.

[2]汪莉.基于Logistic回歸模型的中小企業(yè)信用評(píng)分研究[D].合肥工業(yè)大學(xué)，2008.

[3]姜濤.小企業(yè)貸款與信息利用[J].銀行家，2006（9）.

[4]楊紹基，范閩.信用評(píng)分模型的拒絕偏差與Heckit糾正[J].南方金融，2007（5）.

[5]楊力，汪克亮，王建民.信用評(píng)分主要模型方法比較研究[J].經(jīng)濟(jì)管理，2008（6）.

[6]鄧超，胡威，唐瑩.國內(nèi)外小企業(yè)信用評(píng)分研究動(dòng)態(tài)[J].國際金融研究，2010（10）.

[7]向暉，楊勝剛.個(gè)人信用評(píng)分關(guān)鍵技術(shù)研究的新進(jìn)展[J].財(cái)經(jīng)理論與實(shí)踐（雙月刊），2011（7）.

[8]朱艷敏，陳超.Z-score模型最優(yōu)分割點(diǎn)的確定方法比較——基于違約風(fēng)險(xiǎn)預(yù)測(cè)能力的分析[J].南方金融，2013（8）.