信用卡应用

39中国信用卡2007.07业务平台随着中国金融业对外开放程度的加大，国内信用卡产业的竞争愈演愈烈，信用卡市场营销的费用也越来越高。如何利用有限的营销资源为发卡机构创造最大利润，实现信用卡营销和风险的精细化管理已成为信用卡产业发展的热门话题。本文通过对国外商业银行在信用卡业务中常用的Vintage分析和迁移率模型的介绍，以期有助于国内业界人员从多维度思考和对模型的灵活组合应用，实现信用卡营销和风险的精细化管理。一、Vintage分析和迁移率模型的定义和应用意义Vintage一词源自葡萄酒业，意思是葡萄酒酿造的年份。因为每年的天气、温度、湿度、病虫害等情况不同，而这些因素都会对葡萄酒的品质产生很大的影响，所以人们对葡萄酒以葡萄当年的采摘年份进行标识来加以品质区分。现在Vintage分析被广泛应用于信用卡产业，分析的方法是针对信用卡不同时期开户的资产进行分别跟踪，按账龄长短进行同步对比，从而了解不同时期发行信用卡的资产质量情况。而迁移率模型是一种用来预测未来坏账损失的方法，它通过对历史数据中处于某一拖欠位置的账户贷款余额每月拖欠变化情况的分析，来预测当期不同拖欠周期的未来坏账损失。两者的有效结合使用能实现信用卡营销及后续风险的精细化管理，能充分揭示不同营销活动、渠道前期进件和后期风险的情况，以确定较优的方案。信用卡业务经营的核心竞争力来自对收益与风险之间的平衡点的把握，信用卡业务的发展受到消费理念、市场策略、经济发展和社会信用环境等因素的影响，贯穿于产品设计、营销、审批、发卡、交易、结算、还款、催收以及客户服务的全过程，风险控制偏好和市场竞争策略会导致不同发卡机构的经营结果存在差异。面对纷繁复杂的竞争环境，发卡机构需要不断地试用才能找到较好的解决方案。传统的销售报表统计较为笼统，对不同营销方案带来的销售业绩的增长反映及时，但在风险披露方面存在严重的时滞，这是由信用卡业务自身的特点决定的。由于有免息还款期和最低还款制度，信用卡信用风险的显现存在一定的时滞性。目前国内信用卡业务处于高速扩张阶段，每在信用卡业务中的应用交通银行太平洋信用卡中心郑洁Vintage分析和迁移率模型管理40中国信用卡2007.07业务平台月新增户数多，再加上名目繁多的信用卡促销活动，消费信贷余额急剧扩张，风险指标的分母迅速扩大，但其分子由于时滞性而没有同步显现，从而会造成风险指标的误读。Vintage分析方法能很好地解决时滞性问题，其核心思想是对不同时期的开户的资产进行分别跟踪，按照账龄的长短进行同步对比，从而了解不同时期发行信用卡的资产质量情况，是一个所谓竖切的概念；而迁移率模型能很好地揭示信用卡账户整个生命周期中的衍变情况，是一个所谓横切的概念。二、Vintage分析和迁移率模型的实证研究1.Vintage分析Vintage分析目前被广泛应用于信用卡产业。以下举发卡时间2006年7月拖欠率（%）2006年8月拖欠率（%）2006年9月拖欠率（%）2006年10月拖欠率（%）2006年11月拖欠率（%）2006年12月拖欠率（%）2006年4月2.122.193.102.582.652.842006年5月2.472.522.532.522.492006年6月1.631.881.872.102006年7月3.323.883.462006年8月2.371.492006年9月2.51表1拖欠二周期账户的Vintage分析（a）经营时间注：表中数据非真实业务数据。图1二周期以上账户的Vintage分析例说明根据账龄所做的拖欠二周期账户的Vintage分析(见表1)。在表1中，列为发卡时间，行为经营时间。数据2.12%为2006年4月所发信用卡在2006年7月时拖欠二周期的金额除以该批信用卡在2006年7月时透支余额，依此类推，得到全表的数据。在此基础上，按照账龄为经营时间减去发卡时间进行表间数据的转换，得到表2，并做出折线图(见图1)。从图1中可以看到，2006年7月所发行信用卡的同期拖欠二周期的金额的比例要高于其他各期，管理层获得此信息后，应该回顾2006年7月所采用的市场营销策略，检查此时间段内的目标客户群是否为高风险群，是否在此时间段内执行了宽松的审批策略，是否放松了对风险的监管理5.004.003.002.001.000.003456782006年4月2006年5月2006年6月2006年7月2006年8月2006年9月开户时间拖欠率（％）41中国信用卡2007.07业务平台管。通过深层次的分析，及时找出问题并总结经验。2.迁移率模型模型的应用步骤如下。第一步，根据逾期时间的长短，以30天为间隔定义逾期的周期C0～C6，其中没有逾期的(含已偿还最低还款额的透支)定义为C0，逾期1～29天的定义为C1，逾期30～59天的定义为C2，以此类推，逾期180天以上的定义为C7(见表3)。第二步，根据上一个周期拖欠余额中进入下一个周期账龄发卡时间3个月拖欠率（%）4个月拖欠率（%）5个月拖欠率（%）6个月拖欠率（%）7个月拖欠率（%）8个月拖欠率（%）2006年4月2.122.193.102.582.652.842006年5月2.472.522.532.522.49　2006年6月1.631.881.872.10　　2006年7月3.323.883.46　　　2006年8月1.961.49　　　　2006年9月2.51　　　　　表2拖欠二周期账户的Vintage分析(b)注：表中数据非真实业务数据。周期逾期时间（天）2006年1月(元)2006年2月(元)2006年3月(元)2006年4月(元)2006年5月(元)2006年6月(元)2006年7月(元)C0正常1007843139599616411841954792205264620778832172561C11～29221399237337234646260798267796271377279470C230～5952995582205537073335803828462787862C360～8921080223872475025143291313352335571C490～11913939177551757917755209652367227302C5120～1496264714885728794114491035013766C6150～1794268535363836435677282868558总额1327789174419719884862347053246914125097182625091C7(180天以上）2300389049905762496761247122C7收回金额420568612702321560720表3过去7个月的数据注：表中数据非真实业务数据。的发生额，计算出每个周期的坏账分期迁移率。坏账分期迁移率为当月该周期应收账款余额除以上月上周期应收账款余额。第三步，对最近6个月的坏账分期迁移率进行平滑处理，计算出6个月的平均坏账分期迁移率和坏账回收率(见表4)。表4中标注为黄色的部分为不良透支的迁移路径，在此可以很清晰地看到2006年1月份的透支金额的质量变迁情况，即在2006年1月的正常透支1007843元中有管理42中国信用卡2007.07业务平台23.55%的透支(237337元)在2月成为拖欠一周期的贷款；到了3月，237337元中又有23.33%的透支(55370元)成为拖欠二周期的贷款；4月，又有45.41%的透支进一步恶化，成为拖欠三周期的贷款；到了5月，由于已过了催收的黄金时期(90天以内)，83.38%的透支成为拖欠四周期的贷款；6月，可能采用了催收外包和司法手段进行催收，取得了良好的效果，仅有49.37%的透支被拖入到下一个周期；7月，经过严厉催收仍没收回的透支有较大比例进入拖欠五周期的行列。表中的拖欠数据经过迁移率的计算，可以清晰地显示出某时期内各时点的不同拖欠周期的数据演化过程。第四步，计算净坏账损失率。C0变化至C7，需经过C0～C1、C1～C2、C2～C3、C3～C4、C4～C5、C5～C6、C6～C7等7次迁移，相应的其毛坏账损失率就应等于这些月度平均迁移率的乘积，即16.1%×29.28%×42.27%×80.09%×53.6%×80.32%×88.03%=0.60%，扣除C7的回收率后，净损失率=0.60%×(1-10.79%)=0.54%。依此类推，可以得到C1的净损失率为3.35%，C2的净损失率为11.45%，C3的净损失率为27.08%，C4的净损失率为33.81%，C5的净损失率为63.07%，C6的净损失率为63.07%，C7的净损失率为78.53%。由此，可以根据当月应计拨备额=∑(净坏账损失率×月末应收账款余额)的计算公式得出2006年7月的拨备金额为65410元。三、与传统分析方法的比较1.Vintage分析与传统报表分析的比较Vintage分析为管理者提供了一种将不同时期数据进行同步比较的方法，能够对不同方案进行同期数据的全方位比较，有利于确定最佳营销方案。发卡机构在经营信用卡业务时，一般会在一年中不同的时期实施不同的营销方案，销售统计报表大多数情况下只是将不同渠道、不同产品、不同月份的数据的分类统计信息揭示给管理层，数据是平面、顺序表现的。而Vintage分析通过账龄分析的方法将不同时期的数据拉平到同一时期进行比较，可以很直观地对不同时期营销活动的效果进行同期的比较和反思，以确定何种营销活动对信用卡公司更为有利。Vintage分析的另一优势为，发卡机构在确定了大的方案之后，Vintage分析可以将同期的数据按照不同维度进行立体展现，比较该方案中各种因素。譬如，发卡机构确定了某方案为较优的方案后，需要对最有效的获卡途径进行甄别。以开户日期为终身标志的不同账户，在盖上时戳的同时就已经定下了进件渠道(网络、直销、分行销售)、批卡政策、地区、联名卡项目等诸多因素，如果需要对数据进一步切分，可以以不同的进件渠道如网络、直销、分行销售等进行Vintage分析，有效地分析出同时期不同进件渠道、不同地区、甚至不同审批政策的结果。2.迁移率模型与五级分类的比较迁移率模型在对业务的风险损失预计方面对传统的五级分类进行了优化，使得风险损失预估方面更为准确和合理。与传统的五级分类相比，迁移率模型优势主要表现为人为判断的主观因素减少，模型清晰地显示透支数据的迁移变化的细节，其不同周期的信用风险净损失率来自于信用卡业务过去6个月的统计数据，更符合信用卡业务的经营特点。表4过去6个月的数据月度的迁移率2006年2月（%）2006年3月（%）2006年4月（%）2006年5月（%）2006年6月（%）2006年7月（%）6个月的平均值（%）C0～C123.5516.8115.8913.7013.2213.4516.10C1～C226.3023.3331.2530.8231.6032.3829.28C2～C342.2442.5145.4139.7241.7042.0342.27C3～C484.2278.5271.7483.3881.2681.4480.09C4～C551.2848.2850.0364.4849.3758.1653.60C5～C685.4589.3075.0777.0172.3882.6980.32C791.1493.2290.2777.1890.4385.9588.03C7回收率14.6012.2612.186.469.1410.1110.79管理