第8章：决策点（Cut-off）设定¶
信用评分模型的目的是判断客户的风险程度高低，必须搭配适宜的决策点，方能导入业务应用方面。而各组织、单位及产品所能承受的风险程度并不相同，要求的报酬水平也不相同，因此，用信用评分模型作为核准依据时，需先设定预期策略目标（如核准率/核准数/好坏件比率/好坏件数等），并参考信用评分模型评分分布表，评估并拟定适当的信用策略方案，以执行征信审查等作业，达成业务目标。
以下各节将针对决策点的设定方式和信用评分模型作为准驳依据时的应用方式进行介绍，同时提供相关范例作为参考。
1. 决策点策略设定方式¶
依据事先设定的策略目标（如核准率/核准数/好坏件比率/好坏件数等），并参考信用评分模型评分分布表，对预期目标（事先设定）与实际数据（由评分分布表取得）的评分等级，制订适当决策点。
1.1 好坏件比率（Good/Bad Odds）¶
此方式是以模型开发母体的好坏件比率为预期目标，并由评分分布表高评分等级往低评分等级方向移动核准决策点，而累计好坏件比率也随着核准决策点移动而降低，直到某一评分等级累计好坏件比率接近预期目标时便停止移动，此时评分等级便被设定为决策点。
若新开发的信用评分模型鉴别好坏客户能力较佳，则运用此模型所做的决策，在相同好坏件比率的目标下将会接受更多的客户，也会提高核准客户数。
1.2 核准率（Approval Rate）¶
此方式是以模型开发母体的核准率为预期目标，并由评分分布表高评分等级往低评分等级方向移动核准决策点，而累计核准率也随着核准决策点移动而增加，直到某一评分等级累计核准率接近预期目标时便停止移动，此时评分等级便被设定为决策点。
若新开发的信用评分模型鉴别好坏客户能力较佳，则运用此模型所做的决策，在相同核准率的目标下将会接受更多的好客户，同时拒绝更多的坏客户，也会提高好坏件比率（资产品质）。
1.3 核准件中好客户数（Good Accounts）¶
此方式是以模型开发母体的核准件中好客户数目为预期目标，并由评分分布表高评分等级往低评分等级方向移动核准决策点，而累计好客户数也随着核准决策点移动而增加，直到某一评分等级累计好客户数接近预期目标时便停止移动，此时评分等级便被设定为决策点。
若新开发的信用评分模型鉴别好坏客户能力较佳，则运用此模型所做决策，在相同的好客户数的目标下将会拒绝更多（原本会被接受的）的坏客户，也会提高核准件未来的好坏件比率（资产质量）。
1.4 核准件中坏客户数（Bad Accounts）¶
此方式是以模型开发母体的核准件中坏客户数目为预期目标，并由评分分布表高评分等级往低评分等级方向移动核准决策点，而累计坏客户数也随着核准决策点移动而增加，直到某一评分等级累计坏客户数接近预期目标时便停止移动，此时评分等级便被设定为决策点。
若新开发的信用评分模型鉴别好坏客户能力较佳，则运用此模型所做的决策，在相同坏客户数的目标下，将会接受更多（原本会被拒绝的）的好客户，也会提高核准件未来的好坏件比率（资产质量）。
2. 核准点应用方式¶
信用评分模型应用于案件准驳决策时，有以下两种应用方式。
- 案件自动核准/拒绝：案件自动核准/拒绝方式是拟订决策点，若案件评分结果超过决策点，则系统建议自动核准；若案件评分结果低于决策点，则系统建议自动拒绝。此方式已广泛运用于日常业务中，且在组织相关单位信任时被采用。
- 部分案件移交征审人员（Referral）：部分案件移交征审人员的方式定义为两个决策点（核准点与拒绝点），若案件评分结果超过核准点，则系统建议自动核准；若案件评分结果低于拒绝点，则系统建议自动拒绝；落于核准点与拒绝点之间的不确定案件，则移交征审人员用经验法则或电话照会方式，做出最终决策。为避免对信用决策产生重大影响，此方式通常在评分模型导入系统初期时采用。
3. 范例¶
某风险校准后评分模型（Calibrated Scorecard）的评分分布表如表8-1所示。依据各项策略目标，制定决策点如下。
3.1 好坏件比率（Good/Bad Odds）¶
预期目标（栏e）：核准件客户好坏件比率为312.95（245 354/784）。
决策点策略（栏q）：决策点为638时，好坏件比率为313.42，接近目标值。
3.2 核准率（Approval Rate）¶
预期目标：核准率为60.4%（核准案件246 660/申请案件408 658）。
决策点策略（栏r）：决策点为717时，核准率为60.0%，接近目标值。
3.3 核准件中好客户数（Good Accounts）¶
预期目标（栏a）：核准件中好客户数为245 354。
决策点策略（栏m）：决策点为717时，好客户数为244 560，接近目标值。
3.4 核准件中坏客户数（Bad Accounts）¶
预期目标（栏b）：核准件中坏客户数为784。
决策点策略（栏n）：决策点为646时，坏客户数为780，接近目标值。