第110章：信用评分模型策略运用¶

建立信用评分模型的目的只是判断客户的风险程度，若要在日常业务执行中使用，则需考虑其他营销面、财务面或法规面、作业面等因素，方能切合实际业务需求，将全体客户切分为性质有明显差异的客群。在分析并了解各客群所具备的性质后，银行即可分别制订适当的行动策略，以有效达成业务目标。

信用评分模型可广泛运用在信用风险管理业务中，但依据其开发类型与目的，不同的信用评分模型各有其适当的应用范围，整理如表10-1所示。

信用评分模型	应用范围
申请评分卡	申请准驳依据、初始额度给予、风险定价及预借额度给予等
行为评分卡	风险定价、预借额度给予、期中复审依据及超额额度给予等
催收评分卡	延滞客户催收等

本章首先介绍如何制订契合业务目标的行动策略，接下来，讨论各信用评分模型应用在各项业务时所应考虑的其他区隔因素。最后，提供范例以供参考。

1. 业务策略制定方式¶

为有效达成预定的业务目标，银行可根据下列流程制订适宜的业务策略。

1.1 定义目标变量¶

与开发信用评分模型相同，定义目标变量的首要步骤是确立业务目标（目标变量），但此处的业务目标除风险程度外，也可能是业务量、利润或催理金额等，应与相关单位讨论后决定。举例而言，风险定价策略的业务目标不一定是降低延滞率（风险程度），可能是扩大产品市占率（业务量），抑或是追求利润极大化。

1.2 拟定资料期间¶

与开发信用评分模型相同，拟定资料期间需分别拟定观察期间与表现期间。其中观察期间是指客户在此期间所发生的先期征兆（区隔变量）；表现期间指客户经过此期间最终呈现的结果（目标变量）（见图10-1）。

此表现期间长度不需要与信用评分模型相同，而是取决于多久后客户的目标变量会产生应有结果。例如，信用卡超额额度给予的策略，若业务目标为降低伪冒诈欺案例（目标变量定义为超额客户发生诈欺），由于恶意诈欺通常在超额刷卡后就会被察觉，因此，可拟定表现期间为超额刷卡后的1～3个月。

1.3 寻找区隔变量¶

除了以信用评分作为主要区隔变量外，还需纳入其他可能影响目标变量的因素（区隔变量），以弥补信用评分模型风险评估的不足。以初始额度给予策略为例，信用评分模型衡量客户还款意愿，但并未考虑客户还款能力，所以还需要加入客户收入高低、职业稳定度与其他财力证明等区隔变量，以确保给予适宜的信用额度。

1.4 建立目标业务区隔模型¶

用决策树（Decision Tree）统计方式，将全体客户用具有鉴别力的区隔变量进行客群分组，使各组组内的目标变量相近，组间的目标变量有明显差异。此决策树模型的优点为：各客群可采用不同区隔变量进行分组（一般统计模型均用相同区隔变量），更可对该分组的行为特质量身定做区隔模型，有效预估未来业务状况。

1.5 设定各客群业务策略¶

用决策树（Decision Tree）统计方式，将全体客户用具有鉴别力的区隔变量进行客群分组，使各组组内的目标变量相近，组间的目标变量有明显差异。此决策树模型的优点为：各客群可采用不同区隔变量进行分组（一般统计模型均用相同区隔变量），更可对该分组的行为特质量身定做区隔模型，有效预估未来业务状况。

2. 业务策略应用方式¶

2.1 申请准驳依据¶

业务目标：为了降低核准客户的违约率（以户数为单位），通常运用申请评分卡搭配其他区隔变量来达成。
区隔因素：营销策略（如争取女性年轻族群）、法令规定（如对学生族群的卡数限制和无担保债务总余额占平均月收入上限）及其他风险政策（如年龄上下限、年收入、职业、工作年资、无担保债务总余额上限、短期内密集申请贷款与信用卡等金融商品）等因素。
其他：若未针对不同客群分别开发信用评分模型，则可依据决策树统计方式划分各客户群组的风险程度，并制订不同的核准点，以符合业务需求。

2.2 初始额度给予¶

业务目标：为了降低核准客户的违约率（以金额为单位），通常运用申请评分卡搭配其他区隔变量来达成。
区隔因素：营销策略（如高财力客户及特殊项目）、法令规定（如对学生族群的额度限制和无担保债务总余额占月收入上限）及其他风险政策（如本行产品额度上限、无担保债务总余额上限及每月应缴贷款本息占月收入比率）等因素。
其他：申请评分卡为了评估客户违约的可能性，通常以账户为单位，并非以金额为单位，若搭配如《巴塞尔新资本协议》这样的内部评分模型，则可进一步预估各客群违约金额的多少，据此给予适当的额度，达成业务目标。

2.3 风险定价¶

业务目标：通常为了追求最大利润，可以把申请评分卡（针对新客户）、行为评分卡（针对既有客户）或《巴塞尔新资本协议》的内部评分模型作为信用风险成本，搭配收益预测模型及其他区隔变量来达成目标。
区隔因素：信用卡是否动用循环、信用额度、营销策略（如信用卡种类与卡片等级、特殊项目）、职业、无担保债务总余额占月收入比率及每月应缴贷款本息占月收入比率等。

2.4 预借额度给予¶

业务目标：通常为了追求最大利润，可以申请评分卡（针对新客户）、行为评分卡（针对既有客户）或《巴塞尔新资本协议》的内部评分模型作为信用风险成本，搭配收益预测模型及其他区隔变量来达成目标。
区隔因素：区隔因素是指与本行往来月数、近期消费金额等因素。

2.5 期中复审依据¶

业务目标：通常为了降低核准客户的违约率（以金额为单位），可运用行为评分卡搭配其他区隔变量达成。
区隔因素：信用卡是否动用循环、无担保债务总余额占月收入比率、无担保债务总余额、无担保产品数、过去延滞状态与次数、信用卡额度使用率、信用卡预借现金次数及过去缴款状况等。

2.6 超额额度给予¶

业务目标：通常为了降低核准客户的伪冒诈欺概率，可运用行为评分卡搭配其他区隔变量达成。
区隔因素：是否为预借现金类交易、交易地点为国内/国外、信用卡是否动用循环、信用额度、近期消费金额及营销策略（如信用卡种类与卡片等级）等。

2.7 延滞客户催收¶

业务目标：通常为了提高延滞客户的回收金额，可运用催收评分卡搭配其他区隔变量来达成。
区隔因素：目前逾期金额、与本行往来月数、过去缴款金额、过去延滞状态与次数、客户年龄、信用卡额度使用率及无担保产品总余额等。
其他：若尚未建立催收评分卡，可用行为评分卡试算，但两种评分卡性质与目的不尽相同，因此，需要注意最终分析结果是否合理与恰当。

3. 范例¶

以下内容针对信用卡额度调整策略，说明应如何利用信用评分模型，搭配其他区隔变量来拟定最佳的分组方式，并依据各分组的平均目标变量值，给予各分组适当的额度调整比率。

3.1 目标变量¶

定义目标变量为违约率（客户延滞状况M2+为违约），额度调整策略预期能降低整体资产违约率。

3.2 资料期间¶

以 2×09/03 进行额度调整的客户作为开发样本，观察这些开发样本在过去6个月（观察期间：2×08/10—2×09/03）的各项特征，并以后续12个月内（表现期间：2×09/04—2×10/03）曾经发生延滞状况M2+者为违约客户。

3.3 区隔变量¶

区隔变量是指客户与本行往来月数、上次额度调整迄今月数、行为评分卡风险等级、预借现金余额占信用额度比率、过去6个月额度使用率及过去6个月缴款率。

3.4 业务目标区隔模型¶

用决策树统计软件将全体客户依据违约率做区分，得到最合适的区隔模型，如图10-2所示。

3.5 设定业务策略¶

各分组在表现期内会有部分客户违约，但另一部分客户尚未违约，计算该组的平均违约率后，依据“高违约率给予较低额度增加率，低违约率给予较高额度增加率”的原则，分别给予各组不同额度的增加率，以期有效降低全体违约率。

但部分分组还是以非直接与风险相关的变量分组（如客户往来月数小于6个月，或上次额度调整迄今月数小于6个月），而是由人为进行强制区隔分组，因此，某些客户分组违约率虽不高，但仍不给予额度调整空间。