導(dǎo)語：商業(yè)銀行個人信貸信用評分模型分析論文一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、文獻(xiàn)回顧

從歷史的視角來看，我國銀行業(yè)最初是以對公業(yè)務(wù)為主，其特點是機(jī)構(gòu)客戶數(shù)量較少、資金規(guī)模大、參與的銀行業(yè)務(wù)人員也較少。然而，面對經(jīng)濟(jì)全球化和金融國際化的激烈競爭，特別是隨著外資銀行的不斷進(jìn)人，極大地加劇了銀行產(chǎn)品和服務(wù)競爭的白熱化。因此，對私業(yè)務(wù)，即個人信貸業(yè)務(wù)這一發(fā)達(dá)國家銀行的重要基礎(chǔ)業(yè)務(wù)和利潤支柱將成為我國商業(yè)銀行今后發(fā)展的重點領(lǐng)域。個人信貸業(yè)務(wù)，例如房貸、車貸、信用卡消費(fèi)及其他個人消費(fèi)貸款，其特點是單筆業(yè)務(wù)的資金規(guī)模小、業(yè)務(wù)復(fù)雜且數(shù)量大，因此如繼續(xù)沿用傳統(tǒng)的人工審批方法，則必將占用銀行大量的業(yè)務(wù)人員，增加成本，降低效率，從而影響銀行競爭力，同時也不符合全球銀行業(yè)的發(fā)展趨勢。

在國外已經(jīng)發(fā)展了50年的信用評分是以計算機(jī)技術(shù)為核心的，以取代人力為特征的大規(guī)模自動化處理方法，是發(fā)達(dá)國家普遍采用的能夠有效控制風(fēng)險、降低業(yè)務(wù)人員數(shù)量、極大提高審批效率的商業(yè)銀行革命性措施之一。因此，構(gòu)建個人信貸信用評分模型對銀行開展個人消費(fèi)信貸業(yè)務(wù)有重要作用。

最初的信用評分是由評級人員依個人經(jīng)驗進(jìn)行主觀評價，之后發(fā)展到3C評價(品德、能力、擔(dān)保)和5C評價(品行、能力、資金、條件和抵押擔(dān)保)。這些多數(shù)是主觀、定性的評價方法。為了降低信用評分中的主觀因素，越來越多的定量評估方法被采用。這些方法主要包括：判別分析、Logistic回歸模型、線性規(guī)劃法、神經(jīng)網(wǎng)絡(luò)法和分類決策樹法。

銀行常常采用某種統(tǒng)計方法建立個人信用評分模型，至于具體采用何種方法則取決于不同方法對不同問題的預(yù)測精度以及建模人員的知識及偏好。線性判別分析是第一個用于信用評分模型的簡單參數(shù)回歸模型，而Logistic回歸方法則是信用評分的一種常用方法，在預(yù)測二分性結(jié)果上，Logistic是一種準(zhǔn)確性最高的技術(shù)。此外，其他的一些學(xué)者將一些非參數(shù)統(tǒng)計模型，如K—近鄰判別、分類樹應(yīng)用于信用評分。

近年來在信用評分領(lǐng)域也開始嘗試引入神經(jīng)網(wǎng)絡(luò)方法，Desai等和West等人都使用神經(jīng)網(wǎng)絡(luò)技術(shù)來構(gòu)造個人信用評分模型。通過實證分析，他們驗證了在各種變量間呈現(xiàn)復(fù)雜的非線性關(guān)系的情況下，神經(jīng)網(wǎng)絡(luò)技術(shù)所具有的明顯優(yōu)勢(Desai，1996；West，2000)。

分類樹是一種由計算機(jī)實現(xiàn)，基于統(tǒng)計理論的非參數(shù)識別方法。分類樹把貸款申請者進(jìn)行不斷的分類，盡量使每一類申請者都具有相似的違約風(fēng)險，并且與其他類別貸款申請者的違約風(fēng)險明顯不同(石慶焱，2004)，分類樹方法充分利用先驗信息處理數(shù)據(jù)間的非同質(zhì)關(guān)系，可有效地對數(shù)據(jù)進(jìn)行分類。該方法雖簡單，但具有很高的分類精確度和分類效率，適合于樣本數(shù)據(jù)量較大的情況。

盡管許多銀行通常會采用不同的技術(shù)方法來建立個人信用評分模型，但是在實際信貸決策中將不同的模型結(jié)合起來使用也是一種常用的方法，這樣做的目的往往是為了節(jié)省成本。例如，信貸機(jī)構(gòu)利用貸款人申請表中的數(shù)據(jù)建立個人信用評分模型，若這一模型有助于對申請人做出批準(zhǔn)與否的貸款決定，就可以僅利用該模型；反之，則還需使用外部信用評分機(jī)構(gòu)的評分結(jié)果對其進(jìn)行評價(Thomas，2002)。

在個人住房貸款的決策中，許多銀行都按“貸款—收入比”事先對客戶進(jìn)行分類而過濾掉一批申請人，然后在此基礎(chǔ)上再利用信用評分模型進(jìn)行評分。摩根大通在個人住房貸款行為評分模型中，則將外部信用評分機(jī)構(gòu)的評分作為Logistic回歸模型的解釋變量之一，以提高模型的預(yù)測精度(Mogern，2002)。

關(guān)于將不同的評分模型綜合起來使用，目前在學(xué)術(shù)文獻(xiàn)中積累的資料還不多，其中較有影響的是：Zhu，Belling和Overstreet(1999)考察了一組汽車貸款樣本的組合評分問題，他們利用這組樣本的申請信息建立了一個評分模型，并從外部信用評分機(jī)構(gòu)取得了這些客戶的外部信用評分，然后構(gòu)造了一個組合評分模型，研究結(jié)果表明，如果組合系數(shù)設(shè)置得好，組合模型的評分就有可能優(yōu)于單個模型的評分。Tian等(2002)則提出了一種“兩階段混合神經(jīng)網(wǎng)絡(luò)判別方法”，其做法是先利用線性判別分析方法挑選出對區(qū)分“好”“壞”客戶有顯著影響的特征變量，建立評分模型，將這些顯著性特征變量作為神經(jīng)網(wǎng)絡(luò)模型的輸入單元，并將判別分析所得到的對各樣本的評分也作為輸入單元之一，然后建立神經(jīng)網(wǎng)絡(luò)模型。他們認(rèn)為，這樣的模型克服了單純使用神經(jīng)網(wǎng)絡(luò)模型的一些缺陷，如可以挑選出有顯著意義的特征變量，從而簡化了模型的結(jié)構(gòu)；可以更好地給出神經(jīng)網(wǎng)絡(luò)的初始解從而縮短神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間；還可以提高預(yù)測的精度等。

從我國銀行業(yè)的實踐來看，信用評分模型的應(yīng)用還處于初級階段。由于缺乏有效的歷史數(shù)據(jù)的緣故(某些銀行通過其所建立的數(shù)據(jù)庫收集了部分歷史數(shù)據(jù)，但數(shù)據(jù)的質(zhì)量較差)，我國商業(yè)銀行普遍沒有建立起定量信用評分的模型，大多數(shù)銀行只是根據(jù)自身情況建立了基于專家判斷法的信用評分模型，但由于此模型的預(yù)測能力沒有經(jīng)過系統(tǒng)的驗證，導(dǎo)致這些模型在實際業(yè)務(wù)中的應(yīng)用實效大打折扣。目前，各商業(yè)銀行對個人信貸信用風(fēng)險的評估主要還是依據(jù)客戶經(jīng)理和專家的經(jīng)驗判斷，因此迫切需要構(gòu)建適當(dāng)?shù)男庞迷u分模型。

二、信用評分模型整體框架的構(gòu)建及其對個人住房貸款的應(yīng)用

建立一套信用評分模型的整體分析框架有以下兩個方面的重要作用：首先，該框架的建立使得評分模型中所考慮的要素合理化、條理化和清晰化，從而可以以一個全局性的視角來進(jìn)行模型的具體構(gòu)建工作；其次，由這一框架所確定的完整備選變量集合也可以為銀行有針對性地收集和存儲個人信貸數(shù)據(jù)信息提供有益的指導(dǎo)和幫助。

考慮到信用評分模型的評估對象有客戶、產(chǎn)品(住房、汽車貸款等)和賬戶三類，從我國商業(yè)銀行的實際需要出發(fā)，本文選擇了產(chǎn)品水平的信用評分模型作為建模目標(biāo)，構(gòu)建了信用評分模型的整體框架(見圖1)。信用評分模型在整體框架上綜合考慮了借款人和債項兩方面因素，其中債項又被劃分成貸款方案、貸款投向和風(fēng)險緩釋三個要素，借款人與這三個要素一起構(gòu)成了整體框架中所考慮的四方面總體要素。對于不同的產(chǎn)品來說，借款人要素保持不變，而貸款方案、貸款投向和風(fēng)險緩釋三要素的具體內(nèi)容會有所不同，在圖l中我們以個人住房貸款為例給出了這三方面要素的具體內(nèi)容。如果我們將該框架應(yīng)用于其他信貸產(chǎn)品，如個人汽車貸款和個人消費(fèi)貸款等，則只需在保持整體框架相對穩(wěn)定的情況下將這三方面要素的具體內(nèi)容做相應(yīng)的修改即可。

在借款人要素中我們考慮了借款人還款能力和還款意愿兩方面內(nèi)容，其中對于前者，以收入充足性和穩(wěn)定性來度量借款人短期和長期還款能力；對于后者，以名譽(yù)度(代表違約的機(jī)會成本)和誠信度(代表歷史信用記錄)來進(jìn)一步加以度量。在貸款方案中我們考慮了貸款本金、期限及還款方式等一些關(guān)鍵要素。由于對于個人住房貸款來說，作為貸款投向的房產(chǎn)(圖1虛線方框中的內(nèi)容)和用于風(fēng)險緩釋的抵押房產(chǎn)是同一個對象，因此我們沒有對此時的貸款投向要素做單獨(dú)考慮，而是將其合并到風(fēng)險緩釋中統(tǒng)一考慮。在風(fēng)險緩釋要素中我們考慮了房產(chǎn)抵押和其他緩釋方式，主要為住房擔(dān)保公司提供的擔(dān)保，而對于前者又以保值性(代表抵押的充足性)和必要性來進(jìn)一步加以度量。

(一)信用評分模型的具體指標(biāo)。根據(jù)圖1中信用評分模型的總體要素和細(xì)化要素，我們進(jìn)一步設(shè)計了各細(xì)化要素中所包含的具體指標(biāo)，并對各具體指標(biāo)的取值范圍進(jìn)行了匯總，以便在后面具體構(gòu)建模型時使用(如表1所示)。

金融,銀行-[飛諾網(wǎng)]

(二)個人住房貸款信用評分模型的構(gòu)建。與公司業(yè)務(wù)評級模型相同，個人信貸信用評分模型所使用的評分方法也可以分為三類：專家判斷法、定量模型法、專家判斷法和定量模型法相結(jié)合的方法。專家判斷法采用的是一種“自上而下”的建模方法，主要在沒有足夠歷史數(shù)據(jù)的情形下使用，這些情形包括：沒有建立數(shù)據(jù)庫來系統(tǒng)地存儲已有信貸業(yè)務(wù)的歷史數(shù)據(jù)、對于新的信貸產(chǎn)品或處于信貸產(chǎn)品的早期等，該方法的優(yōu)點是考慮的評估因素比較全，靈活性較高，缺點是在沒有得到量化驗證的情況下難以確定模型的預(yù)測能力；定量模型法則采用的是一種“自下而上”的建模方法，主要是在有足夠歷史數(shù)據(jù)的情形下使用，類型上可分為Logistic回歸模型、多元線形回歸模型、決策樹模型以及神經(jīng)網(wǎng)絡(luò)模型等，該方法的優(yōu)缺點則剛好與前一方法相反；而專家判斷法和定量模型法相結(jié)合的方法(我們簡稱混合模型)則是綜合了上述兩方法的優(yōu)點，因此本文選擇這一評級方法，并構(gòu)建了以下兩個模型：基于專家判斷法的評分卡模型和基于定量模型法的Logistic回歸模型。

1.評分卡模型。該模型可以通過數(shù)學(xué)表達(dá)式來加以表達(dá)，其中：Xi為第i個評估變量的取值，wi為對應(yīng)的權(quán)重，N為評估變量的總個數(shù)，Score為最終的得分值(越高越好)。進(jìn)一步可依據(jù)最終的得分值對個人信貸的風(fēng)險水平進(jìn)行等級劃分，在該模型中Xi，wi都是基于個人信貸專家的經(jīng)驗和主觀判斷來加以確定的。根據(jù)前文所構(gòu)建的個人住房貸款信用評分模型的分析框架(參見圖1)，并通過與個人信貸專家的廣泛交流，我們最終確定了如圖2所示的打分卡權(quán)重，其中：以100分為滿分，作為第一還款來源的借款人要素占有了最高的權(quán)重，為50分；包括住房抵押和擔(dān)保在內(nèi)的風(fēng)險緩釋要素作為第二還款來源占有次之的權(quán)重，為30分；貸款方案的權(quán)重占有剩余的20分，結(jié)合表1給出的收入充足性和穩(wěn)定性、借款名譽(yù)度和誠信度等各細(xì)化要素的具體指標(biāo)及其取值，我們就可以基于該評分卡來對個人住房貸款做出信用評分。

2.定量模型

(1)定量模型的構(gòu)建方法。個人住房貸款信用評分定量模型的整個構(gòu)建流程可以分為以下幾個步驟：

①建立指標(biāo)體系。即給出個人住房貸款信用評分定量模型的使用指標(biāo)范圍，類似于表1的內(nèi)容。

②數(shù)據(jù)收集。即根據(jù)“正常貸款”和“不良貸款”的定義，收集包含所有指標(biāo)在內(nèi)的個人住房貸款數(shù)據(jù)樣本，此時要考慮到模型的觀察期、表現(xiàn)期的要求，其中：觀察期是指在建立信用評分模型時，解釋變量的歷史觀測時段；表現(xiàn)期是指建立信用評分模型時，被解釋變量或違約紀(jì)錄的觀測時段。對于我們所建立的個人住房貸款信用批準(zhǔn)模型來說，其觀察期可選為12個月，表現(xiàn)期可選為10～15個月。

③數(shù)據(jù)清洗。數(shù)據(jù)清洗是保證模型分析效果的關(guān)鍵性步驟。不同來源的數(shù)據(jù)對同一個概念有不同的表示方法，在集成多個數(shù)據(jù)來源時，需要消除數(shù)據(jù)結(jié)構(gòu)上的這種差異。此外，對于相似或重復(fù)記錄，需要檢測并且合并這些記錄，解決這些問題的過程稱為數(shù)據(jù)清洗過程。數(shù)據(jù)清洗的目的是檢測數(shù)據(jù)中存在的錯誤和不一致并加以修正，由此提高數(shù)據(jù)的完整性、正確性和一致性。

④變量篩選。變量篩選的目的是從整個指標(biāo)體系中選擇出最終量化模型所需要使用的一組解釋變量，其過程大致為：用所有變量對違約記錄進(jìn)行單變量回歸；找出對違約解釋能力最強(qiáng)的單個變量，將該變量與每單個剩余變量組合后進(jìn)行雙因素回歸；找出對違約解釋能力最強(qiáng)的兩個變量，將這兩個變量再與每單個剩余變量進(jìn)行三因素回歸；找出對違約解釋能力最強(qiáng)的三個變量，然后再進(jìn)行四變量回歸，直到所選擇的變量個數(shù)達(dá)到預(yù)定的違約解釋能力為止，一般來說，最后使用的解釋變量個數(shù)不超過15個。

⑤模型估計。對于個人住房貸款信用評分模型而言，目前應(yīng)用最廣泛的統(tǒng)計模型是Logistic回歸模型，在已知模型解釋變量的基礎(chǔ)上，應(yīng)用收集的樣本數(shù)據(jù)對所選擇的模型進(jìn)行參數(shù)估計，獲得各解釋變量的權(quán)重系數(shù)。

⑥模型驗證。模型驗證可分為定性和定量兩個方面，其中：定性驗證主要對模型的解釋變量及其權(quán)重在經(jīng)濟(jì)意義等方面的合理性進(jìn)行評估；而定量驗證則是通過使用ROC曲線、CAP曲線及其度量指標(biāo)線下面積AUC、準(zhǔn)確率比率AR等，來對個人住房貸款信用評分模型的違約區(qū)分能力進(jìn)行統(tǒng)計檢驗。

⑦模型使用。利用以上建立的模型對個人住房貸款進(jìn)行信用評分，進(jìn)一步可依據(jù)計算的信用評分值對個人住房貸款進(jìn)行等級劃分，如優(yōu)、良、中、差和違約五個等級，并在此基礎(chǔ)上設(shè)定不同的風(fēng)險限額和貸款定價策略。

⑧持續(xù)監(jiān)控。在量化信用評分模型的使用過程中，應(yīng)該不斷地對模型的評估績效進(jìn)行持續(xù)監(jiān)控以分析模型是否需要進(jìn)行調(diào)整和優(yōu)化，例如，在銀行客戶群發(fā)生變化的情況下，我們就應(yīng)該對所建立的模型進(jìn)行適當(dāng)調(diào)整。此外，由于所建立的信用批準(zhǔn)模型一般是預(yù)測貸款批準(zhǔn)后10—15個月的違約表現(xiàn)，那么可以將實際情況與預(yù)測情況進(jìn)行對比，計算實際的違約率。通常在國外先進(jìn)銀行中，它們會批準(zhǔn)一些信用評分低于最佳截止點的客戶得到貸款，以檢驗在10—15個月內(nèi)這些客戶是否會如預(yù)測的那樣發(fā)生違約。對信用評級量化模型的監(jiān)控和維護(hù)是非常重要的，因為它直接關(guān)系到前臺營銷和后臺審批工作，通常每12～18個月會調(diào)整一次。

(2)定量模型的現(xiàn)實選擇。對于個人住房貸款信用評分模型而言，目前應(yīng)用最廣泛的統(tǒng)計模型是Logistic回歸模型，該模型可以通過以下的數(shù)學(xué)表達(dá)式來加以表達(dá)：其中，Xi為第i個解釋變量的取值，βi為對應(yīng)的權(quán)重，N為解釋變量的總個數(shù)。這里的Score為最終得分值，代表了貸款的風(fēng)險水平，因此該值越低越好，當(dāng)然我們也可以通過簡單的線形變換來將該值轉(zhuǎn)化為貸款的信用得分，此時的信用得分是越高越好，符合使用上的習(xí)慣。從理論上講，對此式所給出的個人住房貸款信用評分Logistic模型的完整估計需要在大量歷史數(shù)據(jù)的基礎(chǔ)上，通過執(zhí)行解釋變量篩選、模型參數(shù)估計以及模型驗證三個步驟來獲得，很顯然目前不具備這樣的數(shù)據(jù)基礎(chǔ)，因此這里我們通過借鑒一些國外銀行在東南亞國家所使用的定量化模型，并結(jié)合我國的實際情況，確定了該模型的Xi和wi，如表2所示，其中各變量的具體含義可以參見表1。從表2可以看出，與所建立的評分卡模型相比，該模型只用了為數(shù)不多的幾個關(guān)鍵解釋變量來評估個人住房貸款的信用狀況。

根據(jù)上面構(gòu)建的個人住房貸款信用評分卡模型和定量的Logistic回歸模型這兩個模型，我們可以最終設(shè)定所要得到的混合模型(見圖3)。在圖3中，根據(jù)評分卡模型和定量模型的結(jié)果劃分了四個區(qū)域，其中：右上角是兩個模型都接受的區(qū)域，此時可依據(jù)模型的結(jié)果直接接受貸款的申請；左下角是兩個模型都拒絕的區(qū)域，此時可依據(jù)模型的結(jié)果直接拒絕貸款的申請；左上角和右下角是兩個模型結(jié)果互相沖突的區(qū)域，此時需要審批人員的干預(yù)并運(yùn)用業(yè)務(wù)規(guī)則來做出接受或拒絕貸款申請的決策。從這里的分析可以看出，所構(gòu)建的混合模型實質(zhì)上是利用打分卡模型和定量模型兩種模型的結(jié)果進(jìn)行相互校驗的模型，因而也就同時具備了這兩種模型的優(yōu)點。

三、混合型個人住房貸款信用評分模型的驗證

前文我們基于專家判斷法和定量模型法建立了個人住房貸款的混合型信用評分模型，接下來的工作是要對該評分模型的預(yù)測能力進(jìn)行驗證，以便在實際中得到應(yīng)用。從理論上看，模型驗證方法可分為定性和定量方法兩大類，其中：定性方法主要是從理論和經(jīng)驗依據(jù)出發(fā)，對模型開發(fā)中的過程、所使用的方法和所使用數(shù)據(jù)的質(zhì)量等方面的正確性和合理性做出定性判斷；而定量方法則是基于各種數(shù)據(jù)、運(yùn)用統(tǒng)計方法來對模型的預(yù)測能力做出定量判斷，按照所使用數(shù)據(jù)來源的不同，定量方法又可分為返回測試和基準(zhǔn)測試，前者是將模型預(yù)測結(jié)果與自身內(nèi)部得到的實際結(jié)果進(jìn)行比較，后者是在缺乏內(nèi)部數(shù)據(jù)的情形下將模型預(yù)測結(jié)果和相關(guān)模型利用外部數(shù)據(jù)所得到的結(jié)果進(jìn)行比較。

由于歷史數(shù)據(jù)和相關(guān)外部數(shù)據(jù)的缺乏，難以對所構(gòu)建的信用評分模型做出完整的定量驗證，因此，我們在此設(shè)計了另一種形式的定性驗證方法，即將所構(gòu)建的信用評分模型應(yīng)用于已有的個人住房貸款，通過觀察已有個人住房貸款信用得分的分布特征來判斷該模型結(jié)果的合理性。

為此，我們從某股份制商業(yè)銀行收集了544筆有效的個人住房貸款數(shù)據(jù)，然后用所構(gòu)建的個人住房貸款信用評分卡模型和定量模型對這些貸款分別進(jìn)行評估，最后以直方圖的形式來表達(dá)所有貸款信用得分的分布(見圖4和圖5)。從圖4和圖5可以看出兩個模型的評估結(jié)果都呈現(xiàn)出一種近似正態(tài)的分布，這符合我們的期望，反映了兩個模型能夠?qū)J款的風(fēng)險水平做出明顯的區(qū)分。

在設(shè)定評分卡模型和定量模型的接受臨界值為40的情況下(實際使用時要根據(jù)各模型的實際表現(xiàn)和銀行信用政策來加以具體確定)，混合模型對樣本貸款的評估結(jié)果顯示在圖6中，對照示意圖3可以看出，在大多數(shù)情況下評分卡模型和定量模型的評估結(jié)果是一致的，此時可直接做出接受或拒絕的信貸決策，只在少數(shù)情況下評分卡模型和定量模型的評估結(jié)果產(chǎn)生差異，此時需要人工干預(yù)來做出決策。

四、總結(jié)與下一步的研究方向

個人信貸信用評分模型的構(gòu)建是我國銀行業(yè)緊迫的一項工作，對此本文首先從借款人、貸款方案、貸款投向和風(fēng)險緩釋四個要素出發(fā)構(gòu)建了產(chǎn)品水平的信用評分模型的整體分析框架，并將該分析框架具體應(yīng)用于個人住房貸款產(chǎn)品，詳細(xì)分析了該產(chǎn)品信用評分模型應(yīng)考慮的細(xì)化要素和指標(biāo)；隨后，在考慮構(gòu)建個人住房貸款信用評分模型時，本文結(jié)合目前我國商業(yè)銀行業(yè)的發(fā)展現(xiàn)狀與所構(gòu)建模型的可實施性，構(gòu)建了一個基于專家判斷法的評分卡模型和一個基于定量模型法的Logistic回歸模型，將這兩個模型相結(jié)合就構(gòu)成了我們所設(shè)計的個人住房貸款信用評分混合模型；最后，本文還基于某股份制商業(yè)銀行的樣本貸款數(shù)據(jù)對所建立的模型進(jìn)行了部分驗證工作，該工作顯示模型的評估結(jié)果是合理的。為更進(jìn)一步驗證本文所構(gòu)建混合型模型的有效性，我們下一步的研究方向是準(zhǔn)備通過加強(qiáng)數(shù)據(jù)收集工作來對模型的實際預(yù)測能力執(zhí)行量化的返回測試工作。

摘要：面對全球經(jīng)濟(jì)、金融一體化的現(xiàn)實背景以及隨之而來的白熱化競爭態(tài)勢，個人信貸業(yè)務(wù)將是我國銀行業(yè)目前及未來發(fā)展的關(guān)鍵領(lǐng)域。為此，文章首先從借款人、貸款方案、貸款投向和風(fēng)險緩釋四個要素出發(fā)，構(gòu)建了一套產(chǎn)品水平的信用評分模型的整體分析框架，并將該框架具體應(yīng)用于個人住房貸款產(chǎn)品；在此基礎(chǔ)上，考慮到我國銀行業(yè)的發(fā)展現(xiàn)狀與評分模型的可實施性，設(shè)計了一個根據(jù)專家判斷法的評分結(jié)果和定量模型法的評分結(jié)果進(jìn)行相互校驗的混合型個人住房貸款信用評分模型，并基于所收集的某股份制商業(yè)銀行的樣本貸款數(shù)據(jù)進(jìn)行了部分驗證工作，同時指出下一步的研究方向。

關(guān)鍵詞：住房貸款信用評分模型；專家判斷法；定量模型法