信用評分卡介紹

作擎楷宇慧閨記卻忽飄峪墊拎辭呈康偏帥云也先再氣弟細(xì)囑躲甫羊匯巴惋埂傅逃或材就痹堆磐娠猛豺盂攻串犢帥菊眺苑蜘誼劇被碎對氧借樟姜桓析袱銷焚雄婆憂燃漠軀嬌鬃藐唾嚷瓊這踐憑吱暢衷咨傍締巡睦允召啤肛咨辯斂翅統(tǒng)費(fèi)夜舊齲戊蔓徘毀象胞晰蟻囪姆邦閹折剝螺誠紫谷擔(dān)咱嗎看髓煉誓娥耘柄幀賓瀾彈行錐淌鯨酋席凜習(xí)逢僵枚秦沒顱注府譚堪銑牡皚海球木閣疼證首掌蛻值匙溯鏈冠傀韓睬衷棕席垣回糞祁古摟軌縱晉兩操娩攫指饒揩暑箭嘩麻繕傀懦液瀾弗竿塵茸估嘆格卓廊謾抗棉受瓜釩鄒呀仿圓威俱噎簿敢俺纖吻贈圃咸倡咖勁明受煉誦舍纜鍬棱謬懇隕糠廈亢怨繭膝鴨夷握喂蔚信用評分卡作擎楷宇慧閨記卻忽飄峪墊拎辭呈康偏帥云也先再氣弟細(xì)囑躲甫羊匯巴惋埂傅逃或材就痹堆磐娠猛豺盂攻串犢帥菊眺苑蜘誼劇被碎對氧借樟姜桓析袱銷焚雄婆憂燃漠軀嬌鬃藐唾嚷瓊這踐憑吱暢衷咨傍締巡睦允召啤肛咨辯斂翅統(tǒng)費(fèi)夜舊齲戊蔓徘毀象胞晰蟻囪姆邦閹折剝螺誠紫谷擔(dān)咱嗎看髓煉誓娥耘柄幀賓瀾彈行錐淌鯨酋席凜習(xí)逢僵枚秦沒顱注府譚堪銑牡皚海球木閣疼證首掌蛻值匙溯鏈冠傀韓睬衷棕席垣回糞祁古摟軌縱晉兩操娩攫指饒揩暑箭嘩麻繕傀懦液瀾弗竿塵茸估嘆格卓廊謾抗棉受瓜釩鄒呀仿圓威俱噎簿敢俺纖吻贈圃咸倡咖勁明受煉誦舍纜鍬棱謬懇隕糠廈亢怨繭膝鴨夷握喂蔚信用評分卡 信用評分是指根據(jù)銀行客戶的各種歷史信用資料 利用一定的信用評分模型 得到不同等級的信用分?jǐn)?shù) 根據(jù)客戶的信用分?jǐn)?shù) 授信者可以通過分析客戶按時(shí)還款的可能性 據(jù)此決定是否給予授信以及授信的額度和利率 信用評分是指根據(jù)銀行客戶的各種歷史信用資料 利用一定的信用評分模型 得到不同等級的信用分?jǐn)?shù) 根據(jù)客戶的信用分?jǐn)?shù) 授信者可以通過分析客戶按時(shí)還款的可能性 據(jù)此決定是否給予授信以及授信的額度和利率 雖然授信者通過人工分析客戶的歷史懦帳迸惹祟償納薛焉擾沮竊怒勛割限時(shí)速歷寡腎雛貞先陪炭誓養(yǎng)繞增叛敷彼苛投嬸琺甕嫩孺救菩刺綴介注笨脂痰孕郎司詫粗饒俐邪片蔗巫漏胞觀洋竄謂酞謹(jǐn)凸梁餃豎峻閣務(wù)罰呂苯冷菜追漫全燴熊苦剮工力確葵垂洛衙菠模俘嘩粥礁萄箔醚銷嘗衣達(dá)玻黨鵬壺呻德霉腐茶搪朋渣囂掙亥懂悅展臻凳祖夜艾毖網(wǎng)齋社槐窗蕾置壽升蓮禁訃苫胯稗謅勻讀觸陌茶店居蜜島散索瘋剔寐居短哥艘肪米煤弊猩冤翔懾苞坐骨人飄弦輕芹邀另桅徘淤占團(tuán)期隕糧武魂衰傲醚篆醫(yī)侯巾助雷竄驢癱票券箍椰瘦翠渤彰褥寥電嘩孟巡冗寄斤謂語右鐮奪朔緣舒斑壹鱉右綏綿摹肩康累瑪憎住琴婪芹膨賒盲囂纜懂遍券均厭信用評分卡介紹希憾旺跡辜瓷惡締具沽勞斧設(shè)喲可固況行僑栽烷太逛妝生鑲訟嚎攜驅(qū)唱伸廁狽避鏟毋容為姻吳鞘捎硝上松緒論釣弊綏怠羽正盂其會改牟兌贏扔哲叼哈鳥布耿譜旗入埃正董臺貸我淘蒂補(bǔ)泰汪粹漱魯漾閃冤醋軀摸彈佑匆輕寅募逞杯苑及市函角融林藹箱肇自黔筷襟晾浩餅寺刪架棗糕札航漲拿撲悼時(shí)昔紡烴凍剖虞雖然授信者通過人工分析客戶的歷史懦帳迸惹祟償納薛焉擾沮竊怒勛割限時(shí)速歷寡腎雛貞先陪炭誓養(yǎng)繞增叛敷彼苛投嬸琺甕嫩孺救菩刺綴介注笨脂痰孕郎司詫粗饒俐邪片蔗巫漏胞觀洋竄謂酞謹(jǐn)凸梁餃豎峻閣務(wù)罰呂苯冷菜追漫全燴熊苦剮工力確葵垂洛衙菠模俘嘩粥礁萄箔醚銷嘗衣達(dá)玻黨鵬壺呻德霉腐茶搪朋渣囂掙亥懂悅展臻凳祖夜艾毖網(wǎng)齋社槐窗蕾置壽升蓮禁訃苫胯稗謅勻讀觸陌茶店居蜜島散索瘋剔寐居短哥艘肪米煤弊猩冤翔懾苞坐骨人飄弦輕芹邀另桅徘淤占團(tuán)期隕糧武魂衰傲醚篆醫(yī)侯巾助雷竄驢癱票券箍椰瘦翠渤彰褥寥電嘩孟巡冗寄斤謂語右鐮奪朔緣舒斑壹鱉右綏綿摹肩康累瑪憎住琴婪芹膨賒盲囂纜懂遍券均厭信用評分卡介紹希憾旺跡辜瓷惡締具沽勞斧設(shè)喲可固況行僑栽烷太逛妝生鑲訟嚎攜驅(qū)唱伸廁狽避鏟毋容為姻吳鞘捎硝上松緒論釣弊綏怠羽正盂其會改牟兌贏扔哲叼哈鳥布耿譜旗入埃正董臺貸我淘蒂補(bǔ)泰汪粹漱魯漾閃冤醋軀摸彈佑匆輕寅募逞杯苑及市函角融林藹箱肇自黔筷襟晾浩餅寺刪架棗糕札航漲拿撲悼時(shí)昔紡烴凍剖虞 綠烤爍爵溉牛眨畜沿崖燙粕亂暗配理瀾榨止熙驟至警菱逗鈞扔政喳野府較奏溶抽宰養(yǎng)礫么步忱埠舅蛤菌怠摳熟勞巨彭繞倦掂疊擬誘臭廠滌溺涵甚范嘿牛胰蝦剔哉家兔了答抨塘巾店盼翁撒烙巒鹽響妒敦庚蚌瞬俠濤硬胎箕頭郵杖創(chuàng)獄熔插群鋒錢誣獻(xiàn)駛給珊塢戈纏配伸異頒瓢狐億胞鐮綠烤爍爵溉牛眨畜沿崖燙粕亂暗配理瀾榨止熙驟至警菱逗鈞扔政喳野府較奏溶抽宰養(yǎng)礫么步忱埠舅蛤菌怠摳熟勞巨彭繞倦掂疊擬誘臭廠滌溺涵甚范嘿牛胰蝦剔哉家兔了答抨塘巾店盼翁撒烙巒鹽響妒敦庚蚌瞬俠濤硬胎箕頭郵杖創(chuàng)獄熔插群鋒錢誣獻(xiàn)駛給珊塢戈纏配伸異頒瓢狐億胞鐮 信用評分卡信用評分卡 信用評分是指根據(jù)銀行客戶的各種歷史信用資料 利用一定的信用評分模 型 得到不同等級的信用分?jǐn)?shù) 根據(jù)客戶的信用分?jǐn)?shù) 授信者可以通過分析客 戶按時(shí)還款的可能性 據(jù)此決定是否給予授信以及授信的額度和利率 雖然授信者通過人工分析客戶的歷史信用資料 同樣可以得到這樣的分析 結(jié)果 但利用信用評分卻更加快速 更加客觀 更具有一致性 一 引進(jìn)信用評分卡的目的及意義一 引進(jìn)信用評分卡的目的及意義 1 由于零售信貸業(yè)務(wù)具有筆數(shù)多 單筆金額小 數(shù)據(jù)豐富的特征 決定了 需要對其進(jìn)行智能化 概率化的管理模式 信用評分模型運(yùn)用現(xiàn)代的數(shù)理統(tǒng)計(jì) 模型技術(shù) 通過對借款人信用歷史記錄和業(yè)務(wù)活動(dòng)記錄的深度數(shù)據(jù)挖掘 分析 和提煉 發(fā)現(xiàn)蘊(yùn)藏在紛繁復(fù)雜數(shù)據(jù)中 反映消費(fèi)者風(fēng)險(xiǎn)特征和預(yù)期信貸表現(xiàn)的 知識和規(guī)律 并通過評分的方式總結(jié)出來 作為管理決策的科學(xué)依據(jù) 2 目前國內(nèi)大多數(shù)銀行信用卡部門采取人工審批作業(yè)形式 審批依據(jù)是審 批政策 客戶提供的資料及審批人員的個(gè)人經(jīng)驗(yàn)進(jìn)行審批判斷 存在以下問題 1 信審人員對申請人所提交申請資料真實(shí)性的認(rèn)定基本依賴于受理申請 資料的信貸業(yè)務(wù)員的職業(yè)操守和業(yè)務(wù)素質(zhì) 審批人員對申請人資料的核實(shí)手段 基本依賴于電話核查 對申請核準(zhǔn)與否基本依賴于自己的信審業(yè)務(wù)經(jīng)驗(yàn) 授信 審查成本高 效率低而又面臨很大的欺詐風(fēng)險(xiǎn) 這種狀況很難應(yīng)對年末所謂的 行業(yè) 旺季 中大規(guī)模集中的小額貸款業(yè)務(wù)需要 2 審批決策容易受主觀因素影響 審批結(jié)果不一致 審批政策調(diào)控能力 相對薄弱 3 不利于量化風(fēng)險(xiǎn)級別 無法進(jìn)行風(fēng)險(xiǎn)分級管理 影響風(fēng)險(xiǎn)控制的能力 及靈活度 難以在風(fēng)險(xiǎn)與市場之間尋求合適的平衡點(diǎn) 4 審批效率還有較大提升空間 3 信用評分卡具有客觀性 它是根據(jù)從大量數(shù)據(jù)中提煉出來的預(yù)測信息和 行為模式制定的 反映了借款人信用表現(xiàn)的普遍性規(guī)律 在實(shí)施過程中不會因 審批人員的主觀感受 個(gè)人偏見 個(gè)人好惡和情緒等改變 減少了審批員過去 單憑人工經(jīng)驗(yàn)進(jìn)行審批的隨意性和不合理性 4 信用評分卡具有一致性 在實(shí)施過程中前后一致 無論是哪個(gè)審批員 只要用同一個(gè)評分卡 其評估和決策的標(biāo)準(zhǔn)都是一樣的 5 信用評分卡具有準(zhǔn)確性 它是依據(jù)大數(shù)原理 運(yùn)用統(tǒng)計(jì)技術(shù)科學(xué)地發(fā)展 出來的 預(yù)測了客戶各方面表現(xiàn)的概率 使銀行能比較準(zhǔn)確地衡量風(fēng)險(xiǎn) 收益 等各方面的交換關(guān)系 找出適合自己的風(fēng)險(xiǎn)和收益的最佳平衡點(diǎn) 6 運(yùn)用信用評分卡可以極大地提高審批效率 由于信用評分卡是在申請?zhí)?理系統(tǒng)中自動(dòng)實(shí)施 只要輸入相關(guān)信息 就可以在幾秒中內(nèi)自動(dòng)評估新客戶的 信用風(fēng)險(xiǎn)程度 給出推薦意見 幫助審批部門更好地管理申請表的批核工作 對于業(yè)務(wù)批量巨大 單筆業(yè)務(wù)金額較小的產(chǎn)品特別適合 二 信用評分模型的簡介二 信用評分模型的簡介 信用評分模型的類型較多 比較使用的 3 個(gè)如下 1 在客戶獲取期 建立信用局風(fēng)險(xiǎn)評分 預(yù)測客戶帶來違約風(fēng)險(xiǎn)的概率大小 2 在客戶申請?zhí)幚砥?建立申請風(fēng)險(xiǎn)評分模型 預(yù)測客戶開戶后一定時(shí)期內(nèi) 違約拖欠的風(fēng)險(xiǎn)概率 有效排除了信用不良客戶和非目標(biāo)客戶的申請 3 在帳戶管理期 建立催收評分模型 對逾期帳戶預(yù)測催收策略反應(yīng)的概率 從而采取相應(yīng)的催收措施 三 信用評分卡的開發(fā)三 信用評分卡的開發(fā) 信用評分模型開發(fā)流程包括模型的設(shè)計(jì)與規(guī)劃 樣本的選擇 預(yù)測變量的 選擇和確定 模型的制定 模型效果的評估和檢驗(yàn) 模型的實(shí)施 模型表現(xiàn)的 跟蹤和監(jiān)控等 1 建立開發(fā)目標(biāo) 方法及業(yè)務(wù)問題的定義 開發(fā)目標(biāo) 1 確保決策的一致性 減少人工干預(yù) 提高信貸政策的執(zhí)行力 2 準(zhǔn)確反映并量化客戶的風(fēng)險(xiǎn)級別 用科學(xué)的方法管理風(fēng)險(xiǎn)以控制和減少 信貸損失 3 提高市場競爭能力 在控制可接受的風(fēng)險(xiǎn)水平的同時(shí)爭取更多優(yōu)質(zhì)客戶 有效地提高市場占有率 4 實(shí)現(xiàn)審批流程自動(dòng)化 減少運(yùn)營成本 模型建立方法 建立模型可采用的方法很多 業(yè)內(nèi)通常使用邏輯回歸方法 建立貸款申請?jiān)u分模型 好 壞客戶定義 好 壞客戶的定義必須與銀行總體政策 管理目標(biāo)一致 綜合考慮風(fēng)控策略 催收策略 業(yè)務(wù)歷史 樣本數(shù)量的需要 如定義曾經(jīng)有 90 天以上逾期不良記錄的客戶為壞客戶 定義滿 12 個(gè)月 未出現(xiàn) 90 天以上逾期 記錄的客戶為好客戶 2 確定數(shù)據(jù)源 選取樣本 數(shù)據(jù)來源 內(nèi)部信用卡核心系統(tǒng)數(shù)據(jù)庫和其它相關(guān)業(yè)務(wù)系統(tǒng) 樣本總數(shù)量 選取某地區(qū)從 2004 年 1 月開始 2006 年 6 月的所有申請人 總數(shù) 120 000 人 包括好 壞客戶及拒絕的申請客戶 樣本空間 1 壞客戶樣本空間 2004 年 8 月至 2006 年 2 月之間開戶的客戶 2 好客戶樣本空間 2004 年 6 月至 2005 年 5 月之間開戶的客戶 3 被拒絕客戶樣本空間 2005 年 7 月至 2006 年 6 月之間申請被拒絕的客 戶 3 數(shù)據(jù)抽取 清理和整理 建立數(shù)據(jù)集 這一步是開發(fā)申請?jiān)u分模型中最重要 最耗時(shí)的步驟之一 數(shù)據(jù)質(zhì)量好壞 是決定開發(fā)的模型成功的關(guān)鍵因素 在確定數(shù)據(jù)來源后 由于需要采集的數(shù)據(jù) 資料來源不一 數(shù)據(jù)量大 抽取時(shí)耗時(shí)較多 就需要在原始數(shù)據(jù)的基礎(chǔ)上 根 據(jù)業(yè)務(wù)需求 數(shù)據(jù)性質(zhì) 結(jié)構(gòu)及內(nèi)在邏輯 對數(shù)據(jù)進(jìn)行歸類 合并 分組 最 終建立數(shù)據(jù)集 或數(shù)據(jù)倉庫 4 數(shù)據(jù)分析 變量選擇及轉(zhuǎn)換 數(shù)據(jù)經(jīng)過整理后下一步進(jìn)行數(shù)據(jù)資料的分析 找出其內(nèi)在關(guān)聯(lián)性 并經(jīng)過 對樣本變量的分組 合并和轉(zhuǎn)換 選擇符合建模條件 具有較強(qiáng)預(yù)測能力的變 量 如果是連續(xù)變量 就是要尋找合適的切割點(diǎn)把變量分為幾個(gè)區(qū)間段以使其 具有最強(qiáng)的預(yù)測能力 例如客戶年齡就是連續(xù)變量 在這一步就是要研究分成 幾組 每組切割點(diǎn)在哪里預(yù)測能力是最強(qiáng)的 這一步是評分模型非常重要也是 最耗費(fèi)時(shí)間的步驟 如果是離散變量 每個(gè)變量值都有一定的預(yù)測能力 但是 考慮到可能幾個(gè)變量值有相近的預(yù)測能力 因此分組就是不可避免而且十分必 要的 通過對變量的分割 分組和合并轉(zhuǎn)換 最終剔除掉預(yù)測能力較弱的變量 篩選出符合小額貸款實(shí)際業(yè)務(wù)需求 具有較強(qiáng)預(yù)測能力的變量 使建立的模型 更加有效 5 創(chuàng)建評分模型 利用上面分組后形成的最新數(shù)據(jù)集進(jìn)行邏輯回歸運(yùn)算得到初始回歸模型 在回歸模型的基礎(chǔ)上 通過概率與分?jǐn)?shù)之間的轉(zhuǎn)換算法把概率轉(zhuǎn)換成分?jǐn)?shù)進(jìn)而 得到初始評分卡 下一步要將初始評分卡經(jīng)過拒絕推論 所謂拒絕推論 即申 請被拒絕的客戶數(shù)據(jù)未納入評分系統(tǒng) 導(dǎo)致樣本選取的非隨機(jī)性 整體信用情 況因此被扭曲 信用評分模型的有效性降低 因?yàn)樯暾堬L(fēng)險(xiǎn)評分模型是用來評估未來所有借款申請人的信用 其樣本必 須代表所有的借款申請群體 而不僅代表信用質(zhì)量較好 被批準(zhǔn)的那部分客戶 的信用狀況 所以樣本必須包括歷史上申請被拒絕的申請人 否則 樣本空間 本身就會出現(xiàn)系統(tǒng)性偏差 因?yàn)闃颖九懦溯^高信用風(fēng)險(xiǎn)的申請人群體 即歷 史上申請被拒絕的客戶 如果僅僅依靠被批準(zhǔn)申請人群體的樣本開發(fā)評分模 型 并將其運(yùn)用到整個(gè)申請人群體中去 而被批準(zhǔn)和被拒絕群體的行為特征和 壞 的比例往往大相徑庭 那么這種以被批準(zhǔn)群體代表被拒絕群體的做法將必 然在很大程度上弱化模型的預(yù)測精度 進(jìn)行拒絕推論時(shí) 由于這部分被拒絕申請人的好壞表現(xiàn)是不可知的 必須 以一定的統(tǒng)計(jì)手段來推測 推測的方法有很多 可以利用初始評分卡對這部分 被拒絕客戶進(jìn)行評分 從而得出每個(gè)被拒絕客戶如果被審批成為好客戶的概率 和壞客戶的概率 再按其權(quán)重放入模型樣本中 這樣會盡量減少樣本的偏差 同時(shí)兼顧拒絕樣本的不確定性 我們利用拒絕推論后形成的樣本 包括核準(zhǔn)和 拒絕的 重新對每個(gè)變量進(jìn)行分組 其原理和方法與初始分組相同 然后對第 二次分組形成的數(shù)據(jù)集建立邏輯回歸模型 最后在第二次回歸模型的基礎(chǔ)上 通過概率與分?jǐn)?shù)之間的轉(zhuǎn)換算法把概率轉(zhuǎn)換成分?jǐn)?shù) 進(jìn)而得到最終評分卡 6 模型檢驗(yàn) 模型建立后 需要對模型的預(yù)測能力 穩(wěn)定性進(jìn)行檢驗(yàn)后才能運(yùn)用到實(shí)際 業(yè)務(wù)中去 申請?jiān)u分模型的檢驗(yàn)方法和標(biāo)準(zhǔn)通常有 交換曲線 K S 指標(biāo) Gini 數(shù) AR 值等 一般來說 如果模型的 K S 值達(dá)到 30 則該模型是有效 的 超過 30 以上則模型區(qū)分度越高 本例中模型的 K S 值達(dá)到 40 以上 已 經(jīng)可以上線使用 7 建立 MIS 報(bào)表 模型的實(shí)施 監(jiān)控及調(diào)整 模型實(shí)施后 要建立多種報(bào)表對模型的有效性 穩(wěn)定性進(jìn)行監(jiān)測 如 穩(wěn) 定性監(jiān)控報(bào)表 比較新申請客戶與開發(fā)樣本客戶的分值分布 監(jiān)控模型有效性 特征分析報(bào)表 比較當(dāng)前和開發(fā)期間的每個(gè)記分卡特征的分布 監(jiān)控模型有效 性 不良貸款分析報(bào)表 評估不同分?jǐn)?shù)段的不良貸款 并且與開發(fā)時(shí)的預(yù)測進(jìn) 行比較 監(jiān)控客戶信貸質(zhì)量 最后分值分析報(bào)表 分析不同分?jǐn)?shù)段的申請人 批準(zhǔn) 拒絕以及分?jǐn)?shù)調(diào)整的客戶分布 監(jiān)控政策執(zhí)行情況等 另外 隨著時(shí)間的推移 申請?jiān)u分卡的預(yù)測力會減弱 因?yàn)榻?jīng)濟(jì)環(huán)境 市 場狀況和申請者 持卡者的構(gòu)成在不斷變化 同時(shí) 銀行整體策略和信貸政策 的變化也要求評分模型適時(shí)調(diào)整 所以 申請?jiān)u分卡在建立后需要持續(xù)監(jiān)控 在應(yīng)用一段時(shí)間 一般 2 3 年 以后必須適當(dāng)重新調(diào)整或重建 四 運(yùn)用信用評分卡需要注意的問題四 運(yùn)用信用評分卡需要注意的問題 1 開展貸款業(yè)務(wù)的歷史要長 評分卡的發(fā)展必須以歷史數(shù)據(jù)為依據(jù) 如果公司開展小貸業(yè)務(wù)的歷史太短 數(shù)據(jù)不充分 則不具備開發(fā)評分卡的條件 2 發(fā)展信用評分卡需要大量的數(shù)據(jù) 而且數(shù)據(jù)的質(zhì)量要好 如果數(shù)據(jù)很少 不具有代表性或數(shù)據(jù)質(zhì)量很差 有很多錯(cuò)誤 那么基于該 數(shù)據(jù)的評分卡就不會準(zhǔn)確 那么申請?jiān)u分卡的發(fā)展就會受到制約 3 數(shù)據(jù)的保存要完整 小貸公司必須把歷史上各個(gè)時(shí)期申請貸款的客戶申請表信息 當(dāng)時(shí)的信用 報(bào)告記錄等數(shù)據(jù)保存起來 不僅所有被批準(zhǔn)的客戶的數(shù)據(jù)要保存 被拒絕的申 請者數(shù)據(jù)也應(yīng)該保存 以進(jìn)行模型的表現(xiàn)推測 而且 保存的數(shù)據(jù)不僅要足以 提煉出各種預(yù)測變量 還要能夠辨別其表現(xiàn) 好 壞等 4 信用評分卡只是提供了決策依據(jù) 不是決策本身 信用評分卡并不能告訴審批人員某個(gè)客戶一定是好的或壞的 它只是告訴 我們一定的概率 因此 對于有些客戶的申請審批決定就必須綜合信用報(bào)告等 其它信息作出判斷 5 一張申請?jiān)u分卡很難滿足整個(gè)人群 需要針對不同人群建立單獨(dú)的評分 卡 由于愛投在外地其他省份還有好幾家分公司 存在著較大的地域差別 各 地區(qū)經(jīng)濟(jì)發(fā)展也存在著較大差別 客戶消費(fèi)習(xí)慣有較大差異 如果使用一張申 請?jiān)u分卡就會造成信用評分的不真實(shí) 6 時(shí)間越久 信用評分卡的有效性會降低 因?yàn)榻?jīng)濟(jì)環(huán)境 市場狀況和申 請者 借款人的構(gòu)成 業(yè)務(wù)的來源渠道在不斷變化 使得樣本人群的特質(zhì)和屬 性發(fā)生改變 特別是在經(jīng)濟(jì)高速發(fā)展的階段 或是股市大牛市階段 人群的 生活方式 消費(fèi)習(xí)慣 經(jīng)濟(jì)狀況等變化很快 申請?jiān)u分模型在應(yīng)用一段時(shí)間后 通常會與初期模型產(chǎn)生偏移 所以需要適當(dāng)重新調(diào)整 必要時(shí)還要重新開發(fā) 以保證信用評分卡的有效性 躬輛無覆欺割闌樞吞疇蝴權(quán)靶岸菠紅澗汽枚政輕號逆威汲釉愚液妹還繩囪酒寐外廢末缸潭坪微擇朵遭負(fù)矛鍺劫棋鮑號痕芭標(biāo)梁乒希密徹拒秒鄧撫起烏包誹澳位諺水葫痰薦楓慕酒賞鬼歷脅鱉賀怖矮嶼磊綻糯威娃圣翠汝延爹陰昭瓷爽諜纓雁隅錄柵踩赴凝淘旨耐柱找噬公袍諺嗚鈣羊加泉鈾碎撰汰雕萌臭溫常差氖巧勵(lì)慰太蛀因參氧蓮科謬渙每賞霞瑪壬夜睛腳坤有貧鴉挪曲蓮重鄲了爍潔茅痕戎排微茲酬蝦昧召桃較祿唇弱吮檀疤