消费信贷中的行为评分研究，本文主要内容关键词为：消费信贷论文,评分论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
消费信贷的发展历史多少有点令人奇怪，在许多金融机构中，消费信贷部门通常被认为没有什么吸引力，但它却又是一个很赚钱的部门。在美国，有些很大的金融机构已经成为消费者和小企业放贷领域的专业公司了，而且非常成功。在美国、西欧等发达国家，消费信贷在整个信贷额度中所占的比重越来越高，一般为20～40%，有的高达60%。我国消费信贷起步于20世纪80年代中期。近几年随着经济的增长，住房贷款、汽车贷款、助学贷款、大额消费品贷款等多种贷款形式纷纷出现，贷款规模迅速扩大，消费金融已成为国内各商业银行的主战场。在利润与风险之间，经常存在很大的挑战，如何依据消费行为作出实时有效的对应决策，做好账户、客户管理及交叉销售，以取得更高利润及降低风险，更是在消费金融的“战国”时代，各商业银行积极规划筹建的任务。
1970年问世的“行为评分”，被认为在现有消费贷款账户及客户管理上是非常具有参考价值的。行为评分是一种统计专门技术，它透过追踪账户如何被使用（像款项支付、消费、延迟付款等参数）的一些信息，对贷款拖欠的风险进行评估，更进一步还可以用来预测潜在的获利性。这种评估能精准地区别出具有高风险的客户及低风险的客户，以便有针对性地进行管理。
一、行为评分的应用及效益
1.行为评分的应用领域
行为评分通常作为银行在消费贷款决策中的一项参考，希望在各种账户及客户管理决策的制定上，达到降低损失及提高利润的目的。行为评分的应用包括以下几个方面。(1)信用额度管理。在综合考虑原有额度使用程度及偿付及时性的基础上，辨识出哪些可以提高信用额度，但又不会带来拖欠概率显著增加的客户（即好客户）。为了鼓励品质良好的客户使用他们的信用额度，银行愿意增加他们的信用额度。找出将形成延迟付款的危险账户（即坏客户），然后降低其额度，以降低其使用率。(2)催收。根据风险值来排列催收预期成效的优先级，当某客户有较高的风险，将会演变成坏账的情况下，银行决定应采取哪些强化的催收措施。经验表明早期的干预能够有效地使拖欠最小化，同时也能减少真正变成坏账的账户及其带来的损失。(3)欺诈鉴别。通过与以往欺诈经验中类同模式的比较来辨别欺骗性的账户，并在出现与正常模式发生偏离的行为时发出警告。消费者的欺骗行为也可能是宣布破产的前兆，在客户宣布破产之前采取取消或转移资产等方法是银行应对欺骗性破产的常用措施。包括贷款申请在内的申请者信用历史的计算机记录可能对预测和分析欺骗性破产有所帮助。(4)授权管理。自动核准低风险客户的授权，而对于高风险或是风险值处于灰色地带的客户，就授权部分进行再审，以改进与客户间的关系。(5)促销。通过行为评分，发现对本银行高度偏好的客户（高贡献客户群），对本银行其它金融商品感兴趣的客户，对某特定商品具有高消费可能性的客户，根据他们的特点提供针对性的营销策略。(6)信用展期。判断哪些账户应该就信用的核发进行自动延展，而哪些则不会被自动延展其信用。
2.行为评分的效益及影响
行为评分能够改善银行消费贷款领域的管理决策，同时行为评分模型容易嵌入自动化系统，可以协助银行在效率、资源分配及客户服务上做大幅度的改善。银行采用消费者行为评分，可以做到以下几点：(1)增加现有账户的获利并降低其延迟付款比率；(2)改善人力资源的效率；(3)改善客户服务，例如将授权自动化；(4)快速地制定反应策略，以适应账户的变化；(5)呈现出一张不仅仅只包含延迟付款信息的全方位风险蓝图；(6)透过不断更新的评分分数，追踪账户风险状态；(7)将不同性质的账户分割开来，针对不同的目标客户群做出不同的反应策略；(8)将各个客户群的账户进行风险分级；(9)尽早侦测出潜在的延迟付款可能，以及将催收重点放在那些高风险，容易造成巨大损失的账户身上；(10)避免将只因轻微的延迟付款，但通常会自动补缴款项的良好客户拒于门外。
二、行为评分的模型与方法
Thomas,L.C.(2000)将行为评分模型分为两种：一种是参照信用评分模型，再加上描述客户（即借款人）在借款期间行为的变量；另外一种是建立描述客户状态的概率模型。后者根据用来预测的变量参数是从以前的客户样本中取得的还是通过贝叶斯(Bayesian)方法得到的又分为两种。在所有方法中，模型本质土都是马尔柯夫链(Markov chains)，在Markov chains中，客户因为他们自身不同的行为表现，从一种状态转移到另一种状态。[1]
1.参考信用评分模型得到的行为评分模型
在这种行为模型中，所用到的变量不仅包括信用评分用到的变量，还包括那些能够描述客户行为的变量。这些通变量是通过从已有客户样本的历史数据中选取一定的时间点作为观测点得到。观测点前面的一段时间，通常考虑12个月，称为行为时段，模型中所增加的变量就是用来描述客户在这段时间内的表现的，这些变量包括平均余额、还款次数、逾期次数等。观测点18个月后的时间作为行为点，客户的行为那时被评价为是好还是坏。Hopper和Lewis(1992)关于行为评分系统在实际中的应用和如何引入新的系统给出了详细的论述。它同时也强调行为评分模型是否能正确地区别出好客户和坏客户是需要一定时间的。
2.描述客户行为的概率模型
描述客户行为的概率模型，可以分为以下两者。(1)模型的变量从客户的申请表和参考客户当前和最近的行为得到。1962年Cyert,Davidson和Thompson用马尔柯夫链方法研究在贷款到期以后的不同时期，预计不可回收的贷款数目。[2]在这个模型（简称C-D-T模型）中，定义
(j=0,1,2,…,J)为贷款到期后第j个时间段（例如，月）的欠款数目；j是状态变量；j=O代表贷款完全回收的状态；j=J代表贷款完全不可能回收的状态；
代表帐户的状态从状态i转移到状态j时所拖欠的贷款数目。状态i下1美元在下一时期转移到状态j的转移概率
可以表示为：
状态j=O和状态j=J为吸收状态。该模型以金额作为单位而不是以账户作为单位，状态变量代表的是账户延期未付的时间。这一模型中使用的一些方法不符合传统的会计惯例。例如，如果一笔贷款有20美元拖欠了1个月，10美元拖欠了2个月，该模型中认为有30美元拖欠了2个月，问题是如果还了10美元的欠款，该模型则显示有20美元拖欠了2个月。后来不少学者对C-D-T模型进行了修正。Van Kuelen等(1981)通过定义过期账户的部分还款对该方法做了些修正。Corcoran(1978)指出如果对于不同特征的账户给出不同的转移矩阵，系统将会更加稳定。Fryman等(1985)将客户群体分为两种类型：移动者(movers)和停留者(stayers)，发现后者更倾向于维持现有状态。[3]Banasik等(1996)的研究指出如果对客户群体的分类不是足够清晰，在实际应用中得到的信用评分并不十分有效。[4](2)基于Bayesian定理的概率模型。最早基于Bayesian定理的概率模型是Bierman和Hausman(1970)提出的。这一模型中，还款概率不是根据以前客户的样本得出的，而是被看作一个参数满足Beta分布的Bernoulli随机变量，根据不同客户的还款行为，这些参数被不断修正。如果最初状态是(r,n)，经过n′期，如果该账户的还款次数是r′次，则状态变为(r+r′,n+n′)。不同于该领域的其他模型，作者认为一旦一个客户有一次贷款申请被拒绝，就不应该再给这个客户其他的贷款许可。Dirickx和Wakeman(1976)以及Srinivasan和Kim(1987)分别对该模型做了扩展。Dirickx和Wakeman放宽了参数的条件，认为参数不一定要满足Beta分布。Srinivasan和Kim允许还款有少量的延期，并且在同一时期允许简单的贷款展期。Thomas(1994)将这一模型进行了修正，他不仅把还款概率作为随机变量，把最大可能的还款金额也作为随机变量，根据已经还款的情况，这些随机变量不断被按Bayesian方法修正。
三、行为评分与信用评分的区别
信用风险模型可分成两大类——信用评分模型及行为评分模型。信用评分模型是用来决定是否要授出这个信用，行为评分模型则是考虑不同的信用额度授予及使用不同的催收方法的情况下，如何提高银行的获利能力。两者的主要区别有以下几点：(1)重要程度不同。信用评分模型决定是否给与新的贷款申请人贷款许可，是前端决策；而行为评分模型的处理对象是已经存在的客户，属于后端决策。许多金融机构习惯于将资源与精力投入到前端决策中，但具有讽刺意味的是，企业的收益中，大约90%是由已经存在的客户提供的。[5]对已有客户的风险管理与控制最好的方式就是行为评分模型。(2)目的不同。信用评分模型是用来区分好(good)客户和坏(bad)客户，行为评分的目的是如何提高收益。现在，金融机构的重心正在由试图减少客户违约的风险转到如何从客户身上获取最大利润。(3)信息来源不同。信用评分所用的数据主要是传统的5C:Character（还款意愿），Capacity（还款能力），Capital（资金），Cateral（担保），Conditions（宏观经济条件）五个方面。行为评分模型除了以上信息，还需要另外的信息，包括：合同期间账户的活动情况、平均余额、违约次数、正常还款次数、贷款拖欠的数目和时间、新贷款申请的信用得分等。[6]信用评分可以是外部评分（即专门信用评估机构的评分），也可以是内部评分（金融机构自己的评分）；行为评分由于考虑到账户在该贷款期间的表现，只能是内部评分，不同金融机构有不同的标准。(4)方法基础不同。信用评分模型建立在统计学或运筹学方法之上，行为评分模型的基础是马尔柯夫链。
信用评分模型是静态的，得到的是客户某个时点的信用得分；行为评分模型是动态的，随着借款人的信用使用情况和偿付行为而不断改变。
四、行为评分存在的问题
Caouette,J.B.,Altman,E.I.,Narayanan,P.(2001)指出，和其他信用风险模型一样，行为评分模型首先是缺少好的数据，尽管商业银行和其他的机构已经开始收集关于公司和个人信用情况的数据，但是，它们之中的绝大部分都未能保留良好的截面数据和时间序列数据。[7]关于行为评分模型的另一个关键的尚未解决的问题是，到目前为止，总是过多地强调违约的预测，而较少强调价值的预测。另外，行为评分模型还没发展到这样的层次，即将个人微观层次的风险和宏观经济层次的要素联系起来，而不能充分利用有关宏观经济情况的变化，诸如通货膨胀、GDP增长、失业率等的变化。同时，还应该认识到，行为评分只是为消费贷款中的风险决策提供帮助，但不能代替人的决策。信用风险的管理不仅是一门科学，还是一门艺术。
标签：信用评分模型论文; 信用贷款论文; 银行风险论文; 账户分类论文; 银行信用论文; 风险模型论文; 银行论文; 信用论文;