原创《我国小企业信用评分系统开发策略》：本论文主要论述了系统开发论文范文相关的参考文献,对您的论文写作有参考作用。
摘 要：商业银行将信用评分技术引入小企业贷款业务中,能够揭示小企业的信用风险、减少信息不对称、扩大信贷范围和增强发放贷款的意愿,获得带来利润的客户群,进而促进小企业融资难题的解决｡本文从提高小企业贷款发放体系效率的视角,借鉴国外小企业评分系统的开发经验,提出我国小企业评分系统开发的策略构想｡
关键词：小企业；信用评分；开发策略
中图分类号：F832.4文献标识码：B文章编号：1007-4392(2009)01-0058-02
为了缓解借贷双方严重的信息不对称问题,防范和化解借款人较高的逆向选择和道德风险,促进盈利水平和核心竞争能力的增强,美国等西方国家的商业银行率先将信用评分技术引入小企业贷款业务中,使用数据对小企业信用风险进行准确度量,准确快速地识别“好客户”和“坏客户”｡目前小企业信用评分模型已广泛应用于欧美等西方发达国家中小企业授信业务上,并在大量授信实践中丰富了信用评分的内容,使该项技术日趋成熟｡我国小企业信用评分系统开发还处于探索和起步阶段｡
一、小企业信用评分及其作用机制
小企业信用评分是将小企业的数据转化成对一个小企业还款能力可量化的、客观预测的数学(统计)过程｡信用评分模型使用统计方法对同类贷款申请者的特点进行分析,识别出影响偿还贷款的最关键指标,并根据其和信用风险的关系赋予一定的权重,预测企业拖欠贷款可能性｡信用评分包括一个特定范围内的分数,评分越高,表明该小企业的信用度越高｡若小企业得到高分,银行将批准申请,反之则拒绝申请；若小企业分数处于分数线左右的“灰色”区域,那么商业银行信贷人员将使用传统方法对该申请者进行评估,并到该企业进行进一步的调查｡
信用评分可以运用于采用简单的接受/拒绝规则的贷款审批程序中,也可以运用于采用更为复杂的风险定价规则和信贷额度的贷款审批程序中｡当银行将信用评分引入自动审贷程序,并运用它来积极管理战略和银行风险偏好时,信用评分的效力就变得更加强大｡美国富国银行集团为了降低费用,同时也是为了应对越来越激烈的市场竞争,于20世纪90年代将信用评分技术引入小企业贷款业务中,利用信用评分卡直接发放小企业贷款｡美国富国银行将小企业贷款定义为向销售额小于200万美元的企业发放的最高额度为10万美元的无抵押 ｡新的贷款方式运行第一年就贷出20亿美元,贷款余额也由4亿美元猛增到10亿美元｡2006年,富国银行拥有230多亿美元信贷额度和90亿美元余额,其中90%属于非抵押贷款｡而且,小企业贷款业务赢利10年来飞速增长｡
信用评分模型的运用带来了极大的便利｡首先,定量衡量贷款风险,提高贷款标准化程度｡其次,提高贷款操作效率,降低经管成本｡再次,完善管理信息系统,优化信贷政策｡此外,自动化的贷款程序也使得电话或者信函贷款申请方式变得可行,因此,即使在其网络未覆盖的地区,银行也能够发放大量小企业贷款,提高了放款规模｡
二、我国小企业信用评分系统开发的策略构想
我国中小企业既是一个数量庞大、富有活力的经济群体,又是一个相对处于弱势的群体,普遍存在融资难题｡借鉴国际小企业信用评分的成熟经验,结合我国信用体系建设的实际,我们认为应加快我国小企业信用评分系统的开发和应用进程,改进对小企业的金融服务｡
(一)合理确定进行评分的细分市场
开发评分系统的第一步是明确需要使用评分模型的客户和产品类型｡这一决定最好不是由一个管理人员或部门单方面做出的,而是从那些可能接触到信用评分的职能部门(如信贷风险、贷款操作、市场营销、IT、咨询)抽调人员组成工作小组来做出｡工作小组还要推动整个机构对评分系统的正确理解和使用｡
(二)精心选择信用评分模型类型
信用评分模型的类型主要有三种：一是统计型,根据经验从历史贷款数据中推演而出｡二是专家型,由专家判断和机构经验构成｡三是混合型,由统计方法和判断方法交错形成｡统计型评分模型用于预测单个借款人的违约概率｡它所拥有的精确度使其成为在风险管理、定价和计提方面最有力的评分模型｡专家型和混合型评分模型用于对借款人的相对风险进行排序,分数越高风险越低｡
开发信用评分模型的方法,主要取决于可获得历史数据的质量和银行的未来战略｡在选择小企业信用评分模型类型时一般需考虑四个因素：一是有关好贷款和问题贷款历史数据的质量和数量｡如果银行拥有大量的历史交易数据,且对特定细分市场经验丰富,应选择统计型信用评分模型｡如果银行缺少历史交易数据,应选择开发专家型信用评分模型｡如果银行拥有部分历史交易数据,具有相关细分市场的丰富经验,应选择混合型信用评分模型｡二是评分针对的细分类别和原有客户和产品的相似程度｡如果银行所期望的未来业务和过往业务比较相似,但以前没有收集过未来业务的信息,可以推导出混合型信用评分模型｡三是机构内部具备的建模技术和顾问咨询成本｡如果银行内部建模技术较先进,就能够自行开发程序,并更新和调整信用评分模型,降低项目成本｡如果银行内部建模技术有限,就需要聘请外部咨询顾问,无法专有知识产权,而且要指派懂行的人员管理供应商,从而增加了成本｡四是信息技术(IT)系统的局限性｡如果银行拥有先进灵活的信息技术系统,能够更容易和信用评分模型相结合,存储和获得评分数据,生成信用评分报告｡如果银行在信息技术方面能力有限,需要升级硬件设施以匹配信用评分系统,延长开发信用评分系统的时间,加大信用评分系统的成本｡
(三)科学设计信用评分模型
信用评分模型设计过程可分为三个阶段：第一阶段是定义,规定什么是坏账｡第二阶段是发现,找出对风险影响最大的特征｡第三阶段是开发,确定哪些因素的组合能使回溯测试获得最佳效果｡
如何定义好客户和坏客户会对计分模型的开发结果产生影响,不同的定义可能产生不同的评分卡,这些不同可能表现在特征项的分数权重不同或最终出现在评分模型中的特征变量不同｡在开发统计型信用评分模型时,对坏客户进行准确、量化的定义能推导出每一种风险衡量因素和坏贷款之间的数化关系｡在开发专家型信用评分模型时则无需对坏客户进行精确定义,而只需对其有一个一般性定义,以便于测试和验证｡
对于统计型信用评分模型来说,发现特征变量指对所有可获得的和坏客户变量有关的借款人和还款数据进行严格的统计分析｡银行使用一系列的分析技术,得出一个可以考虑纳入信用评分模型的特征清单,以及对每种特征和还款风险之间关系形态的基本了解｡在开发专家型模型时,在“发现”阶段不需要使用先进的统计知识或软件｡银行组成一个由信贷决策人组成的专门小组,来讨论影响他们当前信贷决策的因素｡一般是根据影响信贷决策因素在决定客户信用度中的重要性,对信贷审核过程中所使用的风险因素进行排序｡混合型信用评分模型结合了统计和专家判断技术｡例如,它通过统计分析识别出一组主要特征,并可能在此基础上加入由专家小组所建议的和还款风险关系密切的其它因素｡
发现阶段的最后一项工作是结果汇报｡工作小组将一份潜在记分模型清单提交给高级信贷决策人,由他们来对每个因素和还款风险之间关系的强度和相关方向进行审查、核实或质疑｡
(四)严密组织信用评分模型的测试、实施和管理
所有信用评分模型均须通过(下转第25页)(上接第59页)的第一个重要测试是利用历史数据进行回溯测试｡回溯测试结果能成为制定评分政策的关键工具｡
成功实施信用评分模型除了依赖于模型的预测准确度,还更多地取决于管理层和信贷官员的认同度、获取数据的准确度、审慎的信贷政策和良好的管理信息系统报告等一系列因素｡将信用评分模型投入使用的第一步是进行试验测试｡在现代银行中,信用评分系统的配置是十分容易的,只需作为一个附加模块放入现有的软件平台中去即可｡在整个信用评分系统应用过程中都应该不断地提供培训｡
信用评分系统管理是一项长期性的工作,银行机构应持续地收集、存储和定期监控信用评分系统数据和其他借款人信息,这样,才能对专家型信用评分模型进行验证,从专家型或混合型模型过渡到全统计型模型,提高统计型信用评分模型的预测能力,或为其它细分市场开发出信用评分系统｡
参考文献：
[1]林•C.托马斯,戴维•B.埃德尔曼,乔纳森,N.克鲁克.《信用评分及其应》[M].中国金融出版社,2006｡
[2]田姨.《美国信用评分应用的做法和经验》[J].《金融时报》,2006.3.29｡
[3]中国金电公司信用评分工作组.《信用评分如何实现本土化》[J].《金融时报》,2006.3.29｡
(责任编辑王若平)
系统开发论文参考资料：
结论：我国小企业信用评分系统开发策略为关于本文可作为系统开发方面的大学硕士与本科毕业论文系统开发工程师论文开题报告范文和职称论文论文写作参考文献下载。
