信用评分卡在微小企业贷款风险控制中的应用.doc

信用评分卡在微小企业贷款风险控制中的应用 　　同所有信贷业务一样，信用风险也是微小企业贷款面临的最主要风险。随着微小企业信贷业务的快速发展，客户群体的不断扩大，银行对于客户个人信用水平的把握变得越来越难。如何科学、快速地识别个人客户信用风险，成为微小贷款业务持续、健康发展的重要前提。信用评分模型能够有效识别个人信用风险，这在国外成熟信贷市场上已经有着广泛的应用。 　　信用评分是指根据银行客户的各种历史信用数据，利用信用评分卡模型，得到不同等级的信用分值，根据客户的信用分值，分析客户按时还款的概率，并据此决定是否给予授信以及授信的额度和利率。 　　本文结合微小贷款业务的实践，提出符合现阶段实际业务的信用评分卡模型，探讨评分卡模型在微小贷款业务中的适用性及开发路径。 　　信用评分卡在微小企业贷款业务中的适用性分析 　　针对个人客户 　　目前，大多数银行将信用评分卡用于评估个人贷款业务以及信用卡业务的客户信用状况。微小企业贷款业务与个人贷款业务在某些方面具有相似性：笔数多，单笔金额小，交易成本高。其一，微小贷款业务的贷款额度往往由几千元到几十万元不等，而个人贷款业务的额度也基本在这个范围之内。其二，微小贷款业务主要针对个人客户，虽然被称作微小企业，但事实上这些企业基本上都是以家庭为单位的，家庭开支与企业开支经常混淆，家庭成员的其他收入也可以作为清还债务的来源之一。其三，除了经营性现金流之外，企业主个人的还款意愿也是贷款偿还的关键因素。由于以上这些相似性，广泛运用于个人贷款业务中的信用评分卡业务也可以运用于微小企业贷款业务中。 　　客户信息易于掌握 　　信用评分卡模型主要为银行信用风险，尤其是个人信用风险的控制提供了一个客观、准确的评估和控制机制。以数据统计分析为基础的数据挖掘技术，通过收集和分析客户的大量行为、信用和背景记录，归纳总结出“好客户”和“坏客户”的背景特征，包括：年龄、收入、性别、住房条件、婚姻状况、职业、教育状况等不同属性，并能准确计算出不同属性值的客户群所具有的消费能力、还款概率，从而建立起能有效分辨“好客户”、“坏客户”的数学模型。用于信用评分的这些客户信息，在客户的贷款申请表中都可以获得，对每个属性进行评分之后再配以相应的权重，就可以得出客户信用状况的综合评分。 　　完善的全国个人信用征信系统 　　2006年8月，个人信用信息基础数据库实现了全国正式联网运行。该数据库采集、保存、整理个人信用信息，信息涵盖个人基本信息、结算账户开立信息、银行信贷信息和来自银行系统以外的住房公积金缴存信息等，基本实现了为城市和部分农村每一个有经济活动的个人建立一套信用档案的目标。 　　2002年人民银行初步建成“银行信贷登记咨询系统”，主要从商业银行等金融机构采集企业的基本信息、主要财务指标，以及在金融机构的借款、担保等信贷信息，全国各商业银行可与该数据库联网查询。在该系统多年运行基础上，2005年人民银行启动全国统一的企业信用信息基础数据库建设，2006年8月1日该数据库实现所有商业银行和有条件的农村信用社全国联网运行。与此同时，人民银行加快推进小企业信用体系建设，截至2009年10月底，全国采集、更新未与银行发生信贷关系的中小企业信息195.7万户，提供查询中小企业信用信息档案354万多次，其中商业银行查询227.6万次。8.1万余户中小企业获得贷款13413亿元，还有15.9户中小企业由此取得了银行授信意向。 　　征信系统个人数据库和企业信用信息数据库全国联网，意味着全国1116万家企业、5.33亿自然人的信用记录可以较为容易地查询到，这为银行运用信用评分法提供了足够的数据支持。 　　信用评分卡运用存在的困难 　　构建信用评分卡模型，一个关键因素就是市场的成熟度和累积的数据的完备性。以美国为代表的西方发达国家，个人信贷业务开展的时间较早，期间经过了历次经济周期波动的考验，已经累积了不同经济周期和市场环境下的历史数据，基于这些宝贵数据形成的统计模型具有相当可靠的准确性和预见性。而我国微小企业贷款业务开展不过四五年的时间，期间并没有经历过类似西方经济危机的大规模经济波动，因此数据在时间覆盖上不够全面。 　　除此之外，目前开展微小贷款的主体还是中小商业银行，其中以城市商业银行居多，资金实力有限，没有能力建造完善的数据中心，数据散乱不完整，分散在各个支行网点，且没有统一的视图。即使有统一的客户信息管理系统，也运行缓慢，无法进行数据处理，调出数据经常需要很漫长的时间。 　　因此，要建立信用评分卡模型，银行首先需要建立完善的客户信息管理系统，并确保系统中的数据完整、准确。 　　信用评分卡模型的开发 　　信用评分模型的开发流程包括模型的总体构想、选择合适的样本空间、确定预测变量、制订模型、评估和检验模型效果、实施模型、检测模型的表现等七个步