你知道自己的信用值多少錢嗎

信用評分依據(jù)哪些要素

專家稱，目前，信用評分所依據(jù)的要素，主要包括公民的年齡、性別、工作單位及職業(yè)變更、銀行貸款記錄、社保記錄、手機交費、水電費交費等數(shù)十類，其中最具有實質(zhì)性影響的是市民與銀行打交道時留下的記錄，如按揭貸款還款、信用卡透支還款等金融信用信息。個人的每次信用行為，包括持有哪家銀行的信用卡、每次透支的金額多少、是否提前和按時還款、是否申請了住房或其他類型的消費信貸、是否為他人承擔擔保責任、社保資金交納情況等等，都在信用記錄中發(fā)揮著作用。如有過拖欠按揭款和信用卡惡意透支等行為，信用分數(shù)肯定會大打折扣。更重要的是，一旦個人信用上出現(xiàn)了污點，這不光彩的記錄至少會保留7年，某些信息甚至會永久地保存在系統(tǒng)中。

銀行如何給個人信用打分

據(jù)了解，多數(shù)銀行在確定信用貸款發(fā)放金額時，都會根據(jù)借款人的資信評估結(jié)果來確定。一個人能貸多少錢，關(guān)鍵在于他能打上多少“個人信用分”。

以一家國有銀行的評分標準為例，該銀行的個人信用評分標準依據(jù)個人的“自然情況”、“職業(yè)情況”、“家庭情況”、“與該行關(guān)系”4個方面，計19個項目、細分72檔，進行逐項逐檔打分。比如在“自然情況”方面，該行設(shè)置了年齡、性別、婚姻狀況、健康狀況、文化程度、戶口性質(zhì)等打分項目，最高打分為28分，最低為10分。一般情況下，年齡在36～50歲、已婚并有子女、健康狀況良好、文化程度高的人，可打到20分左右。再比如在“家庭情況”方面，該行設(shè)置了家庭人均月收入一個項目，最高打分為9分（5000元以上），最低打分為1分（1000元以下）。通過綜合考評，得出借款人的分值，然后參照分值對應的貸款額給借款人發(fā)放貸款。

個人信用貸款最高可達30萬元

信用是否真的能用金錢來衡量？回答如果說“是”，會被認定為一個很俗的答案。但一個不容忽視的現(xiàn)實是，在深圳目前的信用建設(shè)程度和狀況下，守信者的確能比失信者取得更多的獲利機會。

舉例來說，目前很多銀行設(shè)立的“信用貸款”就是為守信者準備的最好獎勵。個別銀行信用貸款的最高額度甚至可以達到30萬元，它的前提就是貸款申請者要有良好的個人信用記錄。目前中行、深圳發(fā)展銀行等多家銀行都有了類似的信用貸款。這種形式的貸款都是在滿足個人房貸、車貸基礎(chǔ)上，給予有良好信用記錄者的額外“獎勵”。

銀行專業(yè)人士分析認為，信用貸款的推出，體現(xiàn)了銀行對有良好信用記錄者的尊重和青睞，這正是社會進步的一種表現(xiàn)。隨著我國社會信用體系的逐步建立和完善，以信用為前提的個人綜合授信在銀行界將會越來越普及，此舉在提高銀行信貸資產(chǎn)質(zhì)量的同時，也能讓個人從中受益。

不良信用難逃“慧眼”

某股份制銀行深圳分行近日透露了這樣一個事例，一位深圳市民在向該行申請信用卡時，銀行查詢到該市民曾持有另外一家銀行的信用卡并有過惡意透支行為，他的申請遭到拒絕。該股份制銀行拒絕的理由是：他有過不良信用記錄，再次申請信用卡仍存在惡意透支的可能。

筆者調(diào)查中了解到，多數(shù)銀行都有過類似的“拒卡”事例。一家銀行之所以能夠得知市民在其他銀行信用卡的透支詳情，得益于“銀行卡不良信息系統(tǒng)”的啟用。該系統(tǒng)在打擊偽卡犯罪、揭露消費貸款虛假信息方面起到了積極的作用。

在哪兒可以查到個人信用狀況

旨在評估深圳市個人信用狀況、為商業(yè)銀行授信決策提供參考、也為個人提供了解自己信用狀況的平臺——個人信用評分系統(tǒng)，自去年8月份正式對銀行和社會公眾提供查詢服務。截至目前，個人及商業(yè)銀行等機構(gòu)通過評分系統(tǒng)查詢信用評分已累計超過25萬人次。

據(jù)承建該系統(tǒng)的鵬元征信有關(guān)負責人介紹，該系統(tǒng)通過建立數(shù)學模型對個人信用信息進行統(tǒng)計分析，以預測未來一段時間內(nèi)發(fā)生違約風險的可能性，并用一個分數(shù)綜合反映個人信用狀況。分數(shù)的形成完全由系統(tǒng)自動生成，可有效確保分數(shù)的科學性、客觀性和公正性。評分體系共設(shè)6個等級，從320分到800分，每80分一級，分數(shù)越高表示信用狀況越好，信用違約風險越低。目前，深圳市民的評分大多數(shù)處于480～560分的區(qū)間段，這意味著整體信用狀況良好。

目前征信系統(tǒng)數(shù)據(jù)庫中有銀行信用記錄的客戶僅占總體人群的25%。由于銀行信用信息是影響個人信用狀況最重要的變量，對于沒有銀行信用記錄的客戶，模型選取了其他與銀行信用相關(guān)的變量予以替代。銀行信用信息的缺失，導致模型很難精確判斷這部分人群的信用狀況，因此，模型對給出的評分相對比較保守，這也是一些市民反映自己信用分數(shù)偏低的原因。

（摘自《中國工商報》2006.7.19）