基于信用记分方法的信用卡业务风险管理研究

来源:用户上传      作者: 董媛

　　摘 要：信用卡业务是一项资产业务，与商业银行的其他信贷业务一样面临基于信息不对称的风险管理的问题。近年来，国内外的银行卡发卡机构中使用信用记分作为风险管理工具的数量不断增加，这种方法在帮助风险管理人员了解各种风险因素，记录各个业务操作环节和各类交易中的风险信息，预测并控制未来可能出现的损失等方面发挥着积极而有效的作用。本文通过国内信用卡业务风险管理的实践，提出了国内商业银行在信用卡业务风险管理中应用的建议。
　　关键词：信用卡；信用记分；风险管理工具
　　中图分类号：F832 文献标识码：B 文章编号：1007-4392（2011）06-0008-04
　　一、信用记分概述
　　（一）定义和概念
　　信用记分最早是在上世纪60年代，由美国的Fair & Isaac公司开发设计的，80年代初在美国受到广泛认同，90年代的时候在英国得到了较多的应用。信用记分是一套为申请人提供的一系列可量化风险因素的统计学工具，将申请人的信息转化成数字，然后加总得出一个分数，该分数是衡量该申请人的风险程度的指标。信用记分系统通常是由一系列的指标组成，这些指标是说明该客户未来会是高风险还是低风险的较具有预测性的信息，这些指标通过某种特定的方式组合，使整个测试样本产生一组有辨别力的分数。在信用卡业务中，一般得分越高的申请人，客户的信用状况越好，风险程度越低。
　　信息是集合了数学与统计学的定义，是做经济类决定时最重要的因素。所有的信用打分的工具和技术一般都是用过去的行为信息预测未来的表现，它是建立在“未来会与历史相似”的假设前提基础上的，表示可以用过去的表现来评估未来的风险。
　　（二）信用记分的主要类型
　　信用记分主要有两种类型：申请记分和行为记分。申请记分一般是在客户提出办理信用卡申请时，针对客户提供的各种信息进行评分，汇总后作为预测客户的还款意愿和能力的一种判断依据。根据申请记分可以做出批准申请或者拒绝申请的决策，可以设定给予申请人的信用额度，还可以此为参考针对不同的客户进行不同的风险定价。
　　行为记分是在信用卡持卡人获得卡片以后，使用账户进行交易过程中的记分管理。通过对其交易及还款情况的评定，来分析其还款意愿，并且做出是否需要授权、是否增加额度或者减少额度，是否止付账户等决策。通过每月对客户交易行为进行打分，来发现是否有交叉销售的机会，以及是否对客户采取相应的催收措施等等。行为记分比申请记分更有预测功能。
　　国际上大型的发卡机构中在申请记分应用的基础上，近来愈发注重行为记分的开发和应用，有的做出了很有意义的尝试和突破。国内的发卡机构中有的在使用申请记分，但是指标的范围和应用的深度和广度比较有限，行为记分一定应用还比较少。
　　（三）相关变量
　　1. 坏账户，一般是指在事后看来，当初不会接受的账户。通常是用该账户的历史最差违约状况来衡量。计算坏账户比例的公式为：
　　B%=NB/（NB+NG）（1）
　　其中：B%表示坏账户占比；NB：坏账户数量；NG：好账户数量。
　　2. 好账户，指除了坏账户以外的所有账户。计算好账户数量的公式为：
　　G%=NG/（NB+NG）=1-B%（2）
　　其中：G%表示好账户占比；NB：坏账户数量；NG：好账户数量。
　　3. 可能性比率，指好账户与坏账户的数量之比，例如，可能性比率为9：1表示10个账户中9个是好账户，1个是坏账户。换句话说，坏账户的比率为1/10，即10%。表示可能性比率的公式为：
　　R%=NG/NB（3）
　　其中：R%为可能性比率；NB：坏账户数量；NG：好账户数量。
　　4. 信息价值（IV），这是衡量统计上是否显著的一个指标。
　　上式中，NB：坏账户数量；NG：好账户数量；TN：总账户数量。
　　二、信用记分的主要方法与分析步骤
　　（一）样本数据筛选与获取
　　在信用记分中一般设定一级指标和二级指标两类。以申请记分为例，一级指标包括个人基本信息，如性别、年龄、拥有住房情况、工作情况、家庭成员等；二级指标是根据一级指标进行的逐项分解，来设定不同的记分区间。
　　首先确定记分的时间点，并根据当时的信息，来预测未来的风险，以此推断将发展为好客户，还是坏客户的可能性。其次，按照用过去的表现来预测未来风险的假设，从申请资料、征信系统等渠道采集申请人的数据信息。从已有的账户资料中采集样本数据信息，例如违约的客户信息，从中区分好的客户和坏的客户。将行为数据信息进行比对，整理分析出区分好与坏的客户的人群特征的变量描述。可以使用在12个月内逾期超过90天（或连续三个月）的客户的数据作为区分的标准。按照统计数据显示，一旦账户逾期超过90天（或连续三个月），约有95%的账户会转移到更高违约程度，由此，说明以逾期90天（或连续三个月）可以作为判定发展成为坏账户的主要指标。通常采用滑动分析和每月账户分析的方法来建立行为数据的表现定义。
　　滑动分析法是通过账户违约状态的迁移情况作为区分账户的好与坏的标准，如果账户违约，说明很少有坏账户可能转变为更好的状态。设定在逾期大于90天（或连续三个月）为考量的依据，坏账户的定义可以确定为由坏的状态转变为较好账户状态的概率很小，而转移到更高的违约状态的概率很大。
　　每月账户分析法，可以用来测量资产组合成熟度周期。资产组合成熟度周期是大多数账户从导入期变为成熟账户并发生违约所需要的时间。每月账户分析可以描述在不同账户开立的期间每个账户历史的交易情况和违约率。它是反映违约率与账户开立时间之间关系的信息。
　　（二）数据清理与分类
　　进行数据清理，就是要剔除有偏性的和不确定的数据，确保记分卡开发样本能够综合反映申请人的情况。主要针对两类账户：一类是申请排除的数据，例如，要排除由于政策原因而被拒绝的客户样本，比如年龄小于规定的底线，月收入达不到基本的门槛标准等；另一类是结果的排除，包括休眠的账户，未进入成熟期的账户（如开户时间小于12个月的账户），卡片丢失或被盗的账户等。最后将样本数据与需要分析的数据按照共同识别的标准进行对照，选取账户号码、申请书编号、客户编号等指标信息。以选定的基本指标来建模，预测未来申请人成为好账户或者坏账户的可能性。
　　按照能够提供稳定的，在统计学上具有显著意义的组群来建立模型，对需要判断的数据进行分类，一般有两种方法，精细分类和粗糙分类。精细分类是用来检查申请项中的原始数据，以确定其可靠性和使用性。如果指标数据中坏的概率与情理中预料的相反的，需要剔除。如果数据的集中度过高，也应当剔除。
　　粗糙分类是在不打破标准的前提下，将信息价值丢失最小化，将每个指标的分组数量最大化，组群数据之间的差异最小化。
　　（三）指标剔除
　　由于记分卡模型要既稳定，又有一定的预见性。因此，在设定指标的时候，需要将一些受数据质量影响严重的指标进行剔除，例如，一个单身的，与父母住在一起的申请人，收入为6万元，与一个拥有住房、妻子和两个孩子的，同样收入为6万元的申请人，这之间的差别是很大的。另外，对于由于审批政策必须自动拒绝的条件，也要进行剔除。在选择和设定指标的时候要筛选最具有预见性的指标。
　　（四）建立模型
　　对数据进行分类和筛选，并选定基本的变量指标，其中存在内部关联效应的指标，二者选其一，建立多元统计的模型，采用的方法为二元回归法、阶梯式方法和残值分析法。
　　线性回归的方法是通过一系列的点来找到最合适的线，通过对367条数据进行模拟分析，发现非线性的函数更为适用。如果将θ看作是预计坏账户的函数，则F（θ）表示变坏的可能性，按照二元线性函数有以下等式：

　　（五）回归分析
　　对模型进行回归分析，是将选定的指标通过一个关系等式生成数学的组合，分析一个单一、非独立结果是如何受多个独立的变量影响作用的。回归分析主要有三个阶段：开发已知好坏的模型（KGB），进行拒绝推断（AR），开发已知和推断模型（KIGB）。
　　将已经获得申请的账户信息放在KGB模型中进行统计，得到一个计算后的得分，该分值就等同于一个变坏的可能性。例如，将表1中的数据通过KGB模型计算后得到相应的分值（见表2），这个分值等同于一个变坏账户的概率。经过测算，这个分值确定为400分，大于400分的可判定为自动通过，小于400分的则为需人工审核。
　　（六）模型检验
　　对模型的量化能力进行检验和校准，可以通过基尼系数，来衡量好账户与坏账户的区分度，洛伦茨曲线将累计的坏账户的数量与累计的好账户的数量进行对照分布，进行偏差分析。通过对样本稳定性指数（PSI）进行了测量，结果显示表3，0-0.1是可接受的，0.10-0.25为不好，大于0.25为不可接受。指标5、9、11、13属于主要不稳定的指标因素。
　　三、信用记分在信用卡业务风险管理中的应用
　　（一）使用信用记分系统，提高审批决策的一致性
　　通过对申请者使用一致的、无倾向性的记分方法，使客户的信用评定标准基本相同，审批的依据基本一致。同时，每个分数都代表申请者正常履约的概率，从另一个角度理解也是一个预测的可能违约概率，使信用评估工作得以量化，从而能够对操作流程和信用风险进行标准化的管理和控制。
　　（二）应用记分系统进行业务管理，减少风险管理的运营成本
　　将申请人的信息录入记分系统，并且通过记分系统进行自动化管理，包括公共信息的变更，到期换卡的提示等都可以通过系统自动搜索并发送相关的提示信息，节省了人工操作的工作量和时间，也减少了相关的纸制凭证打印以及邮寄等费用，从而降低业务运营的成本。每年，大型的发卡机构都需要做出数亿万计的审批决定，记分系统建设完备的发卡机构可以做到90%的申请是通过自动审批系统处理的，如果这些都需要手工完成的话，就需要雇佣大量的员工，自动处理系统为发卡机构节省了大量人工成本。
　　（三）运用记分模型，进行自动批准分数的设计和调整，不断改进客户服务
　　首先，在客户申请时进行申请评分，可以快速做出审批的决策，减少了客户等候的时间。在实践运用中，需要根据业务的发展变化，按照统计数据的积累，调整设置截止分数，低于该分数，则没有申请可以自动被批准，高于该分数，则申请者会被自动批准。同时，设定特定的分数区间，在这个区间中的申请人不被自动批准，也不被自动拒绝，而是需要人工参与审批再做出决定。随着记分工具应用的成熟和深入，这个区间不断缩小，即自动决策的范围会不断扩大。其次，基于记分系统的给出的得分，给予客户更为适度的授信额度以及是否需要授权的决定；再者，通过行为记分对客户的催收进行细分管理，减少对低风险客户的催收工作，使其更好的用卡。
　　（四）动态管理信贷资产，提高资产组合管理能力
　　通过信用记分系统，特别是行为记分系统的支持，发卡机构可以动态地管理信贷资产，对可能出现的损失给出更合理的预期，并且可以针对不同的客户统一地执行相应的政策，对出现的问题进行及时而准确的反应，从而提高对信贷资产的综合管理能力。
　　（五）将客户进行系统区分，实施差异化价格策略，增加业务收入
　　通过记分系统区分出好客户与不好客户，对于较好的客户可以给予更快速的业务处理，从而提高客户的忠诚度，并且可以进行交叉销售，获得更多贡献度；对于风险较高的客户，执行基于风险差别的价格策略，收取更高的交易和业务管理费用，从而可以获得更多的业务收入。
　　
　　 参考文献：
　　[1]Michael Auriemma, “The Bank Credit Card Business”,American Bankers Association ,Second Edition,2002.
　　[2] “Notice of the General Office of the CBRC on the Active Credit Card Encashment Risk” Indications No.74 [2008] of the General Office of the CBRC,effective date:05-19-2008.
　　[3]Robert D Manning,“Credit Card Marketing” ,A&S Publishers a Division of A&S Companies ,first Edition Copyright@2002,Hickory N.C,USA.
　　[4]Nicholas Yannios, “Risk Model in Credit Card Business ”,risk training at the head office of ANZ ,Melbourne, Australia ,2007.
　　[5]江明华、任晓炜，《信用卡持卡者人口统计特征及透支行为关系的实证研究》，《金融研究》2004，（4）。
　　[6]董逢谷、路万忠，《人类行为管理研究――非数值变量的筛选及综合评估》，上海：上海财经大学出版社，2006。
　　[7]沈丽、于华阳，《中国信用卡竞争的理论与实证分析―基于有效差异化竞争的品牌经济模型》，《金融研究》2010年（4）。
　　
　　
　　（责任编辑 钟辉）

转载注明来源:https://www.xzbu.com/3/view-1422489.htm