臺灣地區聯征中心個人信用評分體系經驗借鑒

摘 要：個人信用評分具有風險排序的功能，是信用信息服務的重要手段，本文從研究臺灣地區個人信用評分的發展模式入手，系統分析了臺灣地區個人信用評分體系建設成果及經驗，以其為大陸地區開展相關研究及實踐提供有益參考。

關鍵詞：臺灣地區；信用評分；模型；啟示

中圖分類號：F820 文獻標識碼：A 文章編號：1003-9031（2014）02-0045-04 DOI：10.3969/j.issn.1003-9031.2014.02.10

個人信用評分是金融機構評估消費金融客戶授信風險高低的有效率工具，其主要功能是根據模型評分結果進行客觀、一致性風險排序。信用報告機構所提供的個人信用評分，除可降低各金融機構自行發展特定評分模型的成本外，也提供一個共同的參照基準，讓各銀行的自建模型可以進行比較與校準。臺灣地區金融聯合征信中心（下稱臺灣地區聯征中心）于2006年4月開始提供“個人信用評分”信息，此后根據評分模型運行情況及實踐效果，對評分模型實施了兩次改版。總結臺灣地區聯征中心個人信用評分體系建設的經驗與做法，對于大陸地區建立和完善個人信用評分體系具有借鑒意義和實際參考價值。

一、臺灣地區聯征中心發展個人信用評分的歷程

（一）個人信用評分體系籌備階段：2002—2005年

2001年，臺灣地區為應對“巴塞爾資本協議BaselⅡ”的實施，開始探索運用臺灣地區聯征中心的數據庫，估算內部評級法所計算的風險成分因子的可行性與相關配套措施。臺灣地區聯征中心在2002年10月成立“風險研究組”，“風險研究組”以臺灣地區聯征中心長期累積的跨金融機構信用資料為基礎，著手建立信用風險研究數據倉儲系統，進行信用風險評估相關模型開發與應用的研究工作。此外，臺灣地區聯征中心建立了“數據研究服務平臺”服務機制，并在兼顧保障數據當事人的隱私與數據安全下，提供“去識別化”的信用風險研究增值性信息及用于研究的數據，供金融機構使用。“資料研究服務平臺”的建立，使“數據分享應用”與“數據隱私保障”兩種原本互相沖突的概念，得到適當的平衡，且通過該機制的建立，也使臺灣地區聯征中心數據庫的數據得以根據明確的制度與規范，合理地為金融機構應用。

（二）個人信用評分機制的產生與建立：2006年的雙卡風暴

2004—2005年，臺灣地區消費金融市場迅速發展，尤其是當時由日本引進的新型消費金融產品“現金卡”，因其使用便利的特性，迅速為民眾所接受，連帶使類似特征的信用卡預借現金業務也快速發展。金融機構在可賺取高額利差的誘因下，爭相推出營銷與搶奪市場的活動，卻忽略或放松了應有的風險評估與管理，使雙卡的循環信用余額屢創新高。2005年中起，雙卡的違約風險逐漸浮現，造成系統性的連鎖效應，“雙卡風暴”席卷并重創臺灣地區消費金融市場。在檢討雙卡風暴發生的原因方面，金融機構缺乏客觀一致的風險評估工具成為討論焦點之一。2005年12月，臺灣地區“金管會”與銀行公會要求臺灣地區聯征中心加快建立“信用評分系統”，以供發行現金卡與信用卡的金融機構作為判斷資信狀況的根據。2006年4月1日臺灣地區聯征中心個人信用評分系統正式上線。

（三）個人信用評分體系的發展與改良：2006年-至今

臺灣地區聯征中心舊版個人信用評分產品上線之后，發生許多外在事件，如雙卡事件的發生、債務協商機制實施、金融機構的合并、金融機構業務重心移轉等，都造成臺灣地區金融市場結構性變動，直接影響個人信用評分模型效力。此外，隨著金融機構賬戶管理收費機制的改變，臺灣地區聯征中心大幅降低會員金融機構查詢成本，使臺灣地區聯征中心查詢量大幅增加，使查詢類變量必須重新處理。在此背景下，臺灣地區聯征中心著手發展新版信用評分模型，2008年4月第二版個人信用評分產品正式上線，并自上線起定期發布監控報告。此后，針對外在環境變動對部分特殊貸款族群的影響，導致評分樣本分配上出現較大的變動，臺灣地區聯征中心進一步對評分產品進行修正，并于2010年12月上線第三版個人信用評分產品[1]。

二、臺灣地區聯征中心信用評分數據處理與變量篩選

（一）信用評分數據資料的篩選原則

臺灣地區聯征中心在信用評分數據資料的篩選方面，主要考慮以下三個層面的10大因素。

1.資料層面，包括4個主要因素。（1）涵蓋程度（cov-

erage）。信用報告機構所提供的對受查企業或受查個人的涵蓋程度，是否經查無資料，或所查得的信息涵蓋廣度十分貧乏；（2）時間性（recency）。信用報告機構所提供數據呈現與揭露的時間縱截面的長短。例如可取得距今多久的正面與負面歷史信用紀錄；（3）動態性（dynamic）。信用報告機構所提供數據的更新程度，所使用信息是否過于陳舊，資料與服務的更新周期是否定期全面一致得到更新；（4）一致性（consistency）。跨機構所搜集的數據，其數據定義是否一致；前后期資料的定義是否有重大改變，若有，是否有完整的說明與對照。

2.增值層面，包括3個主要因素。（1）相關性（relevancy）。信用報告機構可否從眾多龐雜的資料中，獲取與提煉出與所關注風險相關的信息，該信息是否符合信息使用者的風險管理直覺；（2）穩定性（stability）。所產生的增值性信息，能否維持穩定的相關性，所提供的增值產品或服務的內涵是否經常變動，新舊產品的銜接是否須耗費太多成本；（3）創新性（innovation）。信用報告機構能否對外在環境變動或市場需求，及時提出有別于既有產品與服務的創新想法，并能主動持續挖掘數據庫中尚未被發現的有價值信息，轉化成為新的產品或服務。

3.行政管理面向，包括3個主要因素。（1）可用性（ease of use）。信用報告機構可否提供簡單、清晰、一目了然的信息內涵，讓信息使用者迅速掌握重要信息；（2）可得性（ease of access）。信用報告機構可否提供便捷的信息取得環境，讓信息使用者可迅速取得所需信息；（3）取得成本（cost of access）。信息使用者取得信息所須支付信用報告機構的查詢費用，是否有大量查詢的優惠方式，是否可根據不同需求，量身訂制收費機制。

（二）信用評分變量的產生方式

數據增值與信用評分模型建立過程的核心，即為評分變量的產生。確定合適變量的目標即是使評分模型所使用的解釋變量，除可更為精準地識別違約與否之外，還能同時兼顧解釋變量的合理性與穩定性。

1.傳統變量類型。為能從龐大的數據庫中挖掘有意義的變量，變量產生的方式必須將預期產生的變量進行基本的分類，進而系統性地大量產生，并進行廣泛的測試。除根據不同數據來源進行變量的基本分類外（例如：授信變量、信用卡變量、查詢變量等），還要根據所產生變量與欲衡量的風險層面之間的關系進行分類，以確保所產生的變量群，完整涵蓋各種重要風險層面。目前臺灣地區聯征中心建模過程中產生變量的主要層面大致如表1。根據各個主要層面風險，進而設計與系統化產生大量的不同性質的變量群（見表2）。

2.創新變量類型。由于外在環境的變動，消費金融客戶群體行為日趨多元與異質，一般常用的變量或許已無法捕捉特殊客戶群體特性，因此所使用的變量必須更加精確與深入。臺灣地區聯征中心第3版個人信用評分模型，納入了以下幾類創新類型的變量：一是信用趨勢的速度型（velocity）變量：除了辨認信用變量的升降趨勢，還創造變量以衡量其上升或下降的速度。例如：授信余額連續下降月份數與下降金額比率。二是信用趨勢的轉折點（turning points）變量：嘗試捕捉跨月份變量的信用趨勢轉折點，并衡量該信用行為的改變，對于信用質量變動的影響程度。例如：新增（或結清）賬戶、新增（或結清）余額。三是設立重大性門檻（thresholds）變量：除了衡量次數的變量外，為突顯某些變量數值的重大性，在某些變量數值上設立合理的重大性門檻，而僅計算超過門檻值的次數。例如：過去12個月額度使用率超過30%的月份數。四是各類組合變量：結合類似或相關的2個或多個變量，衍生成為特征區分更為精確的變量[2]。

三、臺灣地區聯征中心個人信用評分產品主要內容

（一）受評對象的歸類

臺灣地區聯征中心個人信用評分模型將數據庫中所有個人，區分為“無法進行評分者”、“給予固定評分者”與“實際評分者”三大類：

1.不予評分客戶群。存在下列條件之一者，列入不予評分對象：（1）信用資料不足：如信用歷史未超過3個月、或最近一年內無任何信用交易，歸戶后金額小于等于零；（2）不適合取得信用：如年齡小于20歲、受監護宣告；（3）被評分對象非臺灣地區居民；（4）信用資料有爭議：如消費者請求注銷其信用數據或目前紀錄為爭議中或訴訟中；（5）已成為臺灣地區聯征中心評分模型所定義的“違約”者：臺灣地區聯征中心信用評分定義的“違約”是指在臺灣地區聯征中心資料揭露期間內有下列任一情況：一是信用卡有強制停卡、逾期、催收、呆帳紀錄者；二是授信賬戶有逾期、催收、呆帳紀錄；三是票據拒絕往來紀錄；（6）已完成債務協商注銷；（7）適用“消費者債務協商清理條例”的情況。

2.固定評分客戶群。給予固定評分客戶族群，則是消費者目前與金融機構往來資料中，同時存在前述“違約”以及正常的信用交易，此一部分的受評者，不分對象給予固定的信用評分：200分，并同時揭露固定評分者相關信息，供使用者辨別此分數是否為固定評分。

3.實際評分客戶群。未符合前述“無法進行評分”、“給予固定評分”標準者，則以臺灣地區聯征中心所搜集有關個人的相關信用資料，依各類標準進行區分，結合相關變量給予評分[3]。

（二）評分結果比較指標

在“實際評分”客戶群呈現的內容中，除了提供個人的信用評分，還提供該個人信用分數對應的好壞比（ODDS）值、位于所有受評者的百分位區間，讓使用者除掌握個人的評分外，還能通過其它信息的提供，更為了解個人的信用好壞情形。

1.評分分數的好/壞比值。該分數表示在對應過去一定期間的績效期內，實際未違約人數與違約人數的比值，比值越低則表示違約可能性越高，“好/壞比值”表，間隔一年，并列兩期數據，且臺灣地區聯征中心定期于每季第3月份的月初更新。

2.評分分數位于所有受評者的百分位區間。指個人信用評分分數相較于整體給分樣本（包括所有受評者及有不良紀錄者）所處的分數高低相對位置。例如某當事人位于整體的百分位區間為70%～80%，即代表在本中心整體給分樣本中，有70%-80%比例的人其評分低于該當事人的評分。該當事人為實際評分者，方提供分數的百分位區間。所有評分分數的百分位點區間數據，臺灣地區聯征中心定期于每季第3月份的月初更新。

四、啟示

近年來大陸地區信用體系及相關征信法規不斷完善，但個人信用評分技術還處于探索的實踐階段。大陸地區可以借鑒臺灣地區經驗，逐步建立和完善個人信用評分體系，適時開發個人信用評分等增值產品，實現個人征信體系建設的新突破。

（一）注重評分技術面與實際應用面的結合

臺灣地區聯征中心在開發個人信用評分模型方面較重視模型結果的實際應用，并針對使用過程中不斷產生的問題適時進行模型改版。發展信用評分模型所有的過程與階段，必須滿足一定的統計技術、模型穩健性及信息產品質量的要求。但即使符合上述所有要求，若不能創造信息終端使用者在風險管理上的價值，建模過程所投入的努力，也僅限于滿足建模人員技術上的暫時滿足，而無實質效益。因此信用評分模型建立技術發展至一定程度后，必須將焦點逐漸移轉至信息使用者的應用效益上。在信息服務的提供上，應以使用者的角度，不斷對評分產品進行轉型與調整。探索對評分結果進行適度的拆解、組合與轉換，提供多樣化的信用指標、變量結果產品供金融機構選擇使用，大幅提升信用評分的附加價值[4-5]。

（二）增強信用分析人員對評分資料的解讀

用于評分的歷史數據固然是“客觀”存在，建模分析人員通常以“客觀”的分析過程，呈現“客觀”的結果“讓資料說話”。但建模分析人員基于對資料的了解（包括定義、搜集方式、政策的變更、資料合并的技術性細節等），應對數據產生的信息有一定程度的直觀洞察，進而加以闡釋。該種對數據的主觀了解與判斷，對于模型變量的選擇、模型結果的可用性等，都有直接而重大的影響，而并非純粹的分析建模技術可取代。而對于無歷史數據可供佐證的重要因素，則必須依靠專家直覺判斷，“專家系統”是信用評分模型應用成功與否的必要條件，二者相輔相成，相得益彰。

（三）加強對評分模型應用結果的密切監控與反饋

信用評分模型驗證完成并正式核準上線后，模型就此從“實驗室產品”轉變成現實生活使用的“管理工具”，其考驗也正式開始。如何具體了解模型的有效性與可用性，則必須依靠模型應用結果的密切監控與追蹤。使用信用評分模型的優點之一，即在于評分結果方便記錄與追蹤，通過對評分結果與實際狀況的擬合程度、模型變量的實際表現、不同時點評分變動狀況等進行分析，清楚掌握評分模型的實用程度。即使“模型上線即是模型失效的開始”，也應配合明確的驗證政策與程序，了解并判別模型的“失效程度”（如“滿意”、“可接受”、“堪用”、“無法使用”等），以決定是否進行評分模型的必要調整，或是以較具代表性的新數據建立新的模型。除了評分模型本身的監控外，評分產品使用者也應適時對評分模型的表現及結果進行監控，例如授信核準點設定后，觀察“核準率”與違約率的關系，以便作為對信用評分模型進行調整的依據。

（四）擴大與整合各種信用評分信息來源

信息來源包括金融機構內部信息與外部相關信息、同業務類別信息與跨業類別信息、評分信息與變量信息等。在數據處理方面，除單純借款人的信用數據外，應加強與其它數據的整合與串聯（例如企業與企業負責人；借款人與借款保證人；借款人與擔保品價值等），并強化數據處理的效率。在變量衍生與篩選方面，除標準化與自動化流程所產生“制式變量清單”外，應加強建模人員對資料的了解與深入剖析闡述的能力，并與前端的資料搜集與處理者（數據搜集部門、信息部門）、不同機構的專業建模人員（外部專家、學者）、后端的信用信息使用者（金融機構）等，進行密切的溝通[6]。

（責任編輯：李興發）

參考文獻：

[1][2]林思惟.臺灣聯征中心個人信用評分之回顧與展望[J].金融聯合征信，2010（15）.

[3]金融聯合征信中心.新版個人信用評分簡介[DB/OL].www.jcic.org.tw，2008-3-27.

[4]向暉.個人信用評分關鍵技術研究的新進展[J].財經理論與實踐，2011（4）.

[5]白云峰.美國個人信用評分體系研究及啟示[J].現代管理科學，2010（12）.

[6]林思惟.信用評分模型之省思與發展[J].金融聯合征信，2009（8）.