个人信用评分

注意：若要更改此幻灯片上的图像，请选择该图片，并将其删除。然后单击占位符中的图片图标以插入自己的图像。个人信用评分信用评分信用评分———指信用评估机构对主体信用信息进行量化，并以分值形式表达的过程或者结果。1、信用评估机构与征信机构：征信机构可以做评分，但更应关注于信用信息的真实、客观和权威，最好做到信息的全面及时。评估机构应该主要关注对被评价人来进行准确、合理、一致的评价，体现评分的公平。2、信用信息此概念不能简单鉴定为信贷信息，而是说与触犯法律法规，违反标准及契约相关的信息。信用评分的量化过程评级与评分对比评级评分对象数量及规模少且大多且小技术定性为主+定量分析（基于理论进行数据分析）定量为主（应用模型自动计算）效果注重个体准确性注重群体的准确性关注的数据当前历史成本高低信用评分分类商业银行他们基于自己收集到的数据，主要是基于自己客户数据构建模型，当然也可能会用到征信局的数据，这个模型的特点主要对于某个具体的业务或者说某个客群是比较有效的。征信机构利用所采集到的丰富信息对个人进行这样一个综合的信用评价。因为征信局收集的信用信息的维度也比较广，覆盖的人群也会比较多。所以征信局的评分做起来也会比较复杂，那么它的评价相对来讲是要比较综合全面一些。一个行业的几家机构使用他们共同的数据，也包括会从征信局拿到的一些数据构建的模型，这个模型基本上是对他们有共同行为特征的客户或者是相同或相近的业务来使用。内部评分征信机构评分行业共享评分美国信用评分的发展历史美国零售商和邮购商开始应用信用评分利用信用评分进行信用卡发放房利美和房地美开始应用FICO信用评分来评估美国房贷房贷推出第五版FICO评分，称为FICO08信用评分开始应用于个人贷款，住房抵押贷款和小企业贷款中运用。（费艾哲公司为美国投资公司构建了第一个信用评分模型20世纪50年代1958年20世纪60年代20世纪80年代1995年2007年FICO评分开始在三大征信机构得到普遍应用1991年FICO信用评分--最具有权威性FICO信用评分是最具代表性的，一般指根据个人征信机构的数据和FICO的评分模型开发而成，也称为个人通用评分，可以广泛地被授信机构所使用。FICO信用评分按照信贷产品的不同，评分模型也不同，常见的分类为：信用卡、消费贷款、房贷、助学贷款和车贷等。其中美国3/4的家庭房贷是基于FICO信用评分做出的评价。FICO信用评分又根据信用风险管理用途的不同可以分为欺诈风险评分、破产评分、收益评分和债务催收评分。仅基于FICO开发的信用评分模型，每个消费者有超过48个不同的信用评分，可以用于不同的消费场景。根据有关统计，全球信贷市场上90%的信用评分都是FICO开发。全球FICO信用评分已经出售了1000亿份。FICO评分模型中所关注的主要因素(一)偿还历史影响FICO得分的最重要的因素是客户的信用偿还历史,大约占总影响因素的35%。支付历史主要显示客户的历史偿还情况,以帮助贷款方了解该客户是否存在历史的逾期还款记录,主要包括:(1)各种信用账户的还款记录,包括信用卡(例如:Visa、MasterCard、AmericanExpress、Discover)、零售账户(直接从商户获得的信用)、分期偿还贷款、金融公司账户、抵押贷款。(2)公开记录及支票存款记录,该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。涉及金额大的事件比金额小的对FICO得分的影响要大,同样的金额下,越晚发生的事件要比早发生的事件对得分的影响大。一般来讲,破产信息会在信用报告上记录7-10年。(3)逾期偿还的具体情况,包括,逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。FICO评分模型中所关注的主要因素(二)信用账户数该因素仅次于还款历史记录对得分的影响,占总影响因素的30%。对于贷款方来讲,一个客户有信用账户需要偿还贷款,并不意味着这个客户的信用风险高。相反地,如果一个客户有限的还款能力被用尽,则说明这个客户存在很高的信用风险,有过度使用信用的可能,同时也就意味着他具有更高的逾期还款可能性。该类因素主要是分析对于一个客户,究竟多少个信用账户是足够多的,从而能够准确反应出客户的还款能力。(三)使用信用的年限该项因素占总影响因素的15%。一般来讲,使用信用的历史越长,越能增加FICO信用得分。该项因素主要指信用账户的账龄,既考虑最早开立的账户的账龄,也包括新开立的信用账户的账龄,以及平均信用账户账龄。据信用报告反映,美国最早开立的信用账户的平均账龄是14年,超过25%的客户的信用历史长于20年,只有不足5%的客户的信用历史小于2年。FICO评分模型中所关注的主要因素(四)新开立的信用账户该项因素占总影响因素的10%。在现今的经济生活中,人们总是倾向于开立更多的信用账户,选择信用购物的消费方式,FICO评分模型也将这种倾向体现在信用得分中。据调查,在很短时间内开立多个信用账户的客户具有更高的信用风险,尤其是那些信用历史不长的人。该项因素主要包括:(1)新开立的信用账户数,系统将记录客户新开立的账户类型及总数;(2)新开立的信用账户账龄;(3)目前的信用申请数量,该项内容主要由查询该客户信用的次数得出,查询次数在信用报告中只保存两年;(4)贷款方查询客户信用的时间长度;(5)最近的信用状况,对于新开立的信用账户及时还款,会在一段时间后,提高客户的FICO得分。(五)正在使用的信用类型该项因素占总影响因素的10%,主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况,具体包括:持有的信用账户类型和每种类型的信用账户数。各因素占比图FICO信用评分模型FICO信用评分的打分范围是300～850分；FICO信用分可以帮助金融机构等授信机构进行授信决策。一般而言，如果借款人的信用分达到680分以上，授信机构就可以认为借款人的信用卓著，可以毫不迟疑地同意发放贷款；如果借款人的信用分低于620分，授信机构或者要求借款人增加担保，或者寻找各种理由拒绝贷款；如果借款人的信用分介于620分～680分之间，授信机构就要作进一步的调查核实，采用其他的信用分析工具进行细致分析。在美国的各种信用分析计算方法中，FICO信用评分模型的正确性最高。据一项统计显示：信用分低于FICO600分，借款人违约的比例是1/8；信用分介于FICO700～800分，违约率为1/123；信用分高于FICO800分，违约率为1/1292。美国三大征信局三大个人征信机构也开发出了不依赖FICO模型的信用评分，常常被称为FAKO评分。但是这些信用评分目前无法和FICO信用评分抗衡，只能作为信用教育，免费提供给消费者。ZestFinanceZestFinance主要面向两类人群，一类是（FICO评分接近或低于500）无法获得基本的信贷需求的人群，解决他们的无信用评分借贷问题，另一类是信用分数不高而借贷成本高的人群，利用大数据征信降低他们的信贷成本ZestFinance原名Zestcash，2009年成立于洛杉矶，是一家通过机器学习和大数据技术进行个人信用评分，服务于哪些在传统个人征信体系下无法正常使用金融服务的用户的科技金融公司。ZestFinance的竞争优势------基于大数据的信用评估到目前为止，ZestFinance使用的原始数据信息就多达上万条，在此基础上ZestFinance付出了更多努力，开发了包括欺诈模型、还款能力模型、还款意愿模型在内的机器学习分析模型，而在相应的模型中最多可以得出超过7万个可以判断信贷行为的指标，最终可以得出准确的消费者信用评分。数据显示，与传统信贷管理业务比较，ZestFinance的处理效率提高了将近90%，在风险控制方面，模型相比于传统信用评估模型性能则提高了40%。2016年7月18日下午消息，百度宣布投资美国金融科技公司ZestFinance，数额未公布，而早在2015年6月份，ZestFinance还曾获得京东集团1.5亿美元投资，双方还宣布成立名为JD-ZestFinanceGaia的合资公司。NEWS京东和百度同时看中ZestFinanceZestFinance将为京东与百度提供强大支撑在投资ZestFinance并展开合作之后，就可以通过运用其先进的大数据信用模型构建技术和经验，为京东金融提供信用模型和技术，帮助前者更好的挖掘互联网用户群、年轻消费者的信用价值，防范因当前国内个人信用体系不健全导致的信贷风险。更重要的是，京东手中掌握着亿级用户的电商消费轨迹和物流数据，这意味着那些游离于传统信用体系之外的强消费能力群体，可以经ZestFinance之手成为京东布局消费金融的潜在用户群体。而百度更加看重的或许是ZestFinance对海量大数据库的灵活运用和强大分析，百度的大量用户搜索数据完全可以通过ZestFinance的技术用于贷款承销和评估信用风险。国内信用评分的发展阶段商业银行上海资信、深圳鹏元人民银行征信中心芝麻、拉卡拉金融机构试点征信机构全国性征信机构市场化征信机构商业银行评分商业银行评分早期是打分表（卡）形式，基本上是某一个特征对应某一个分数，比如说单位的性质，如果是国家机关对应给一个分数，事业单位也对应相应的分数，不同的单位性质对应不同的分数，这种形式就是打分表或打分卡形式。实际上，评分卡是通用称呼，评分都可以用评分卡形式表现。这种评分卡很多是基于信贷员或风险经理的业务经验，不见得比模型的方式效果差。当然，这种评分卡可能存在一种问题，制定的标准执行上会因为个人的喜好而变，不像自动化的方式那么一致。所以在一致性和稳定性上可能存在一些问题，也会影响准确性。商业银行评分表试点信用机构评分上海资信是人民银行和上海市政府合作成立的征信试点机构，它采集上海的所有的金融机构金融信息，特别是信贷信息，包括上海市的一些政务方面的信息，如公积金和社保，它主要服务于上海市的所有金融机构。2002年开发了个人的信用评分，叫做个人综合信用管理评分，设的分值区间是-1000——1000，这个分值很有意思，它实际上相当于两个评分，但把它们放到一块去了。一个是-1000到0，这个分是针对跟金融机构尤其跟银行是没有打过交道人的评分；0到1000是给跟银行打过交道的人的评分。目前评分分值区间已调整到0到2000，实际上仍然是一样的，只不过是统一加了1000。上海资信鹏元征信是专门开展个人及企业征信、个人及企业评分、征信系统设计开发、软件设计开发和中小企业信用风险控制等业务的专业征信机构。2005年4月底，鹏元征信自主研发的个人综合信用风险评分——“鹏元800”，正式对授信机构及个人提供信用评分查询服务。“鹏元800”通过建立数学模型对个人信用信息进行统计分析，以预测未来一段时间内发生违约风险的可能性，并用一个分数综合反应个人信用状况。该信用评分体系共设6个等级，从320分到800分，每80分一级，把个人信用状况详细量化，每个分数对应一个违约概率，分数越高表示违约风险越低。鹏元征信征信中心评分信用报告“数字解读”是为信贷市场风险控制提供的一种快捷的征信服务，是在中国人民银行征信中心与美国费埃哲公司（FairIsaacCorporation）合作进行个人征信评分研究项目的基础上，利用我国个人金融信用信息基础数据库（以下简称“个人征信系统”）的信贷数据开发出来的，是对个人信用报告信息的量化，可帮助信贷机构更加方便、快速和一致地使用信用报告信息，了解客户的当前信贷风险状况，以及预测信贷机构个人客户在未来一段时间内发生信贷违约的可能性。信用报告“数字解读”的分数范围为0-1000分，每个分数对应一定的违约率。分值越高，表示未来发生信贷违约的可能性越低，其信用风险越小；分值越低，表示未来发生信贷违约的可能性越高，其信用风险越大。一般情况下，高分人群整体的信用状况优于低分人群，即未来发生信贷违约的可能性较低。数字解读考察信用报告五大类信息还款情况。其所考察的因素包括：各类信贷产品当前和历史的还款情况、逾期还款的细节