（金融学专业论文）基于数据挖掘的信用卡申请者信用评分模型研究.pdf

内 容 摘 要 随着中国改革开放的逐渐深入， 居民的消费观念不断更新， 银行 业个人信贷业务的热点也相继涌出。 在房贷和车贷之后， 作为既是日 常生活消费的支付工具， 也是非计划性 ( n o n - t a r g e t ) 循环贷款的 信 用卡业务，从 2 0 0 3年开始就吸引了各中外商业银行的眼球。这也归 因于各大商业银行看准了信用卡业务潜在的高额利润和巨大的市场 空间。 众所周知， 对于绝大部分银行业务而言， 收益总是和风险相伴而 行的。 高的收益总要承担高的风险， 没有风险的业务不一定是好业务， 逃避风险则意味着盈利机会的丧失。 信用卡成功的关键在于强大的风 险管理能力，而不是风险逃避能力，也就是说通过承担一定的风险， 并对其进行有效管理，以实现收益最大化。 由于信用卡业务具有信用风险、 利率风险、 汇率风险、 流动性风 险等多种风险， 各风险又存在于信用卡业务经营的每个环节， 要想一 跋而就地建立一个全面、有效的信用卡风险管理体系几乎是不可能。 的。 即使引进外资银行先进的经验， 也会因为国情的较大差别， 需要 较长时间的学习和消化。 所以， 本文仅就信用卡风险管理的征信环节中对信用卡申 请者的 信用评分进行研究，并开发一个基于研究结果的信用卡管理系统。 信用评分是对每个申请者的信贷风险进行目 标明确的定量评估， 即用分数定量表示信贷风险。 信用卡申 请者信用评分属于消费信贷信 用评分法， 它有两个最基本的假设: 第一， 一个人过去的表现可以 表 征其未来的行为; 第二， 具有相同背景和行为特点的人， 会有同样的 表现。 美国征信机构的庞大数据库以及统计分析， 总体上支持这两个 假设。 信用评分的具体方法有很多种， 从本质上来讲， 可以大致被划分 为三类。 它们分别是基于规则的评分方法、 基于行为的评分方法和神 经网络模型评分方法。 本文提出的基于数据挖掘的信用评分可归于基 于行为的评分方法。 数据挖掘( d m:d a t a m i n i n g ) 就是从大量的、 不完全的、 有噪声的、 模糊的、随机的数据中， 提取隐含在其中的、人们事先不知道的、但 又是潜在有用的信息和知识的过程。 数据挖掘是一门交叉学科， 它汇 聚了数据库、 人工智能、 统计学、 可视化、并行计算等不同学科和领 域， 近年来受到各界的广泛关注。 数据挖掘最吸引人的地方是它能建 立预测模型而不是回顾型的模型。 目 前在美国， 数据挖掘技术已广泛地应用于信用评估、 欺诈发现、 客户保持、 营销策划、价格制订、投资组合分析、财务分析、 安全管 理和战略规划等银行经营、 管理和决策的各个方面。 可以说， 数据挖 掘技术己成为美国商业银行在竞争中的制胜关键。 利用数据挖掘技术来建立信用卡申请者信用评分模型能为银行 信用风险管理提供了一个客观、 准确、一致的评估和控制机制。 借助 数据挖掘技术， 从已 有的大量的有关客户背景、 行为和信用的数据中， 银行能挖掘出“ 好客户” 和 “ 坏客户” 的背景特征， 包括年龄、 收入、 职业和教育水平等不同属性， 并能计算出不同属性值对客户信用大小 的贡献权重，从而建立起能更为科学的评估客户信用大小的数学模 型，帮助银行建立信用风险监控的第一道防线。 这次研究所使用的数据挖掘工具是 s a s系统软件，且主要是使 用其中的把强大的统计分析功能和容易使用的图形化界面结合的 e n t e r p r i s e m in e r 模 块。 并 按照s a s 公 司 提出 的“ s e m m a ” 方 法 论， 即在通过数据抽样， 数据特征探索， 数据调整， 建模和模型评价五个 步骤来建立信用评分模型。 本文采用了两个建模方法: 一个是决策树， 另一个是l o g i s t i c 回归。 这次分析和建模目标是通过对已有大量的客户基本信息及相关 资料使用数据探测，建立决策树模型和l o g i s t i 。回归模型等方法，并 进行对比分析， 以求能够找到最佳模型。 再根据最佳模型实现对客户 的信用风险状况进行分析和评分， 并得到准确区分好客户和坏客户的 最佳信用分值，以 便信用卡公司能高效的应对大量的信用卡申 请者， 快速地做出接受还是拒绝的判断， 以及对接受的申 请者根据其信用高 低给出不同的信用额度和其他信用政策。 经过具体的研究和分析，本文得出主要两点: 1 ，对于信用好的客户，即信用评分在前2 0 %的客户， 两个模型 都有很 好的 预测能力， 且l o g i s t i 。 回 归 模型明 显优于决策树 模型: 对于信用差的客户， 我们可知决策树的预测能力不好， 它只把5 0 %的坏客户判为坏客户， 而l o g i s t i c 回归模型的预 测能力很好，把高达 9 2 .6 %的坏客户判为坏客户。可见， l o g i s t i c 回归模型正好能满足我们这次研究的目的， 即能相当 准确的对信用好的客户和信用差的申请者进行评分，所以本 文选择 l o g i s t i 。回归模型作为信用卡申 请者信用评分的最佳 模型。 2 .运用建立的l o g i s t i c 模型对信用卡申 请者进行信用评分，分 值高于或等于临界分值 ( c ,= 8 3 . 8 5 )的申 请者将获得通过， 并给予较高的 信用额度; 信用分值低于临界分值 ( c , = 4 8 .4 3 ) 的 申请者将被直接拒绝 。而信用分值低于 临界分值 ( c , = 8 3 . 8 5 ) ，但高于或等于临界分值 ( c o = 4 8 .4 3 )的申 请者 也将获得通过，但只给予较低的信用额度，他们需要通过以 后的良 好的用卡情况来提高信用额度。这样银行就能以承担 较低的信用风险来获得盈利的机会。 接着本文运用上面研究的结果开发了一个信用卡管理系统， 它也 是国家 “ 十五” 项目 子课题 电 子银行模拟系统的一个子模块。 该 系统包括七大功能:客户信息管理、 信用评分管理、 信用卡管理、客 户细分管理、 信息查询、 统计分析、 信息公布。 它能较好的满足对信 用卡业务管理的需要。 本文最后还做出了一些展望。 以后应用于信用卡申请者的信用评 分模型， 不会仅仅是在给定“ 价格” 和利率水平下， 接受或者拒绝申 请者。 模型会演变的更加高级， 将综合风险、 利润和应对客户流失和 吸引客户的市场营销假设等多方面因素， 对申 请者的信用风险水平给 出一个优化的 “ 价格” 。 本交的研究在国内还属于崭新领域， 其创新之处主要体现在以下 三个方面: 1 .把数据挖掘技术应用于信用卡申 请者信用评分模型的建立; 2 .使用了两个建模方法，并对结果进行分析和评比，得出最佳 信用评分模型: 3 .运用本文的研究结果开发了一个信用卡管理系统。 关键字:信用评分、数据挖掘、s a s 、信用卡管理系统 ab s t r a c t a s c h i n a s r e f o r m a n d o p e n n e s s d e v e l o p s d e e p l y , t h e p e o p l e s c o n s u m i n g c o n c e p t i o n r e n o v a t e d g r a d u a l ly , w i t h b o o m i n g o f p e r s o n a l c r e d i t i n t h e b a n k i n g i n d u s t ry . b e i n g t h e i n s t r u m e n t o f p a y m e n t i n d a i l y c o n s u m e a n d t h e n o n - t a r g e t r e v o l v i n g l o a n , t h e b u s i n e s s o f c r e d i t c a r d , s i n c e 2 0 0 3 ,h a s a t t r a c t e d t h e a tt e n t i o n o f c o m m e r c i a l b a n k s a t h o m e a n d a b r o a d f o l l o w i n g l o a n s o f m o t o r s a n d h o u s e s . t h i s a l s o a t t r i b u t e s t o c o m m e r c i a l b a n k s a i m i n g a t i t s p o t e n t i a l h i g h p r o f i t a n d g i a n t m a r k e t s p a c e . a s w e a l l k n o w , r i s k a l w a y s a c c o m p a n y w it h r e t u rn f o r m o s t b a n k i n g b u s i n e s s . t h e b u s i n e s s w i t h o u t r i s k i s n o t a l l g o o d , a n d e s c a p i n g fr o m t h e r i s k m e a n s l o s s o f c h a n c e s f o r e a rni n g . t h e s u c c e s s o f c r e d i t c a r d s b u s i n e s s d e p e n d s o n r i s k s m a n a g e m e n t , t h a t i s , t o r e a l i z e t h e m a x i m u m o f p r o f i t t h r o u g h r i s k s u n d e r t a k i n g a n d e ff e c t i v e m a n a g e m e n t . s i n c e t h e b u s i n e s s o f c r e d i t c a r d s p o s s e s s e s m a n y l i n e s o f r i s k s , s u c h a s c r e d i t r i s k , i n t e r e s t r a t e r i s k , e x c h a n g e r a t e r i s k a n d l i q u i d it y r i s k e t c . , a n d t h e r i s k s e x i s t i n e v e ry s t e p o f b u s i n e s s , i t i s h a r d t o e s t a b l i s h a c o m p r e h e n s i v e a n d e ff e c t i v e m a n a g in g s y s t e m f o r t h e r i s k s o f c r e d i t c a r d s i n o n e s t e p . t h o u g h i n t r o d u c i n g t h e a d v a n c e d e x p e r i e n c e fr o m f o r e i g n b a n k s , w e n e e d a l o n g t i m e t o s t u d y a n d d i g e s t f o r t h e r e a s o n o f t h e d i ff e r e n t n a t i o n a l s i t u a t i o n s . 5 o t h i s t h e s i s f o c u s e s o n t h e r e s e a r c h o n c r e d i t s c o r i n g o f t h o s e a p p l y i n g f o r c r e d it c a r d s , w h i c h b e l o n g s t o t h e c r e d i t i n g l i n k w i t h in t h e r i s k m a n a g e m e n t o f c r e d i t c a r d s , a n d .d e v e l o p s a m a n a g i n g s y s t e m b a s e d o n t h e s t u 勿i n g r e s u l t . c r e d i t s c o r i n g i s a q u a n t i t a t i v e a s s e s s m e n t f o r c r e d i t c a r d s a p p l i c a n t s . i t h a s t w o b a s i c h y p o t h e s e s : t h e f i r s t i s t h a t , f o r a h u m a n b e i n g , t h e p a s t a c t i v i t i e s c a n b e r e g a r d e d a s t o k e n s o f h i s f u t u r e a c t i v i t i e s ; t h e s e c o n d i s t h a t p e o p l e w i t h s i m i l a r b a c k g r o u n d s a n d b e h a v i o r c w i l l h a v e t h e s a m e a c t i v i t i e s . b o t h a r e s u p p o rt e d b y t h e g r e a t d a t a b a s e o f c r e d i t a g e n c i e s i n u. s . a n d i t s s t a t i s t i c al a n a l y t h e me t h o d s o f c r e d i t s i sw h o l l y . r a t i n g c a n b e d i v i d e d i n t o t h r e e c l a s s i f i c a t i o n s i n n a 加r e : m o d e l i n g . s c o r i n g da t a r u l e s b a s e d s c o r i n g , b e h a v i o r b a s e d s c o r i n g a n d n e u r a l n e t w o r k t h e d a t a m i n i n g m e t h o d c a n b e c l a s s i f i e d i n t o b e h a v i o r b a s e d p o t e n t ia l l y mi n ing u s e f u l i s t h e p r o c e s s t o c o l l e c t t h e h i d d e n , u n k n o w n b u t i n f o r m a t i o n a n d k n o w l e d g e fr o m n u m e r o u s , i n c o m p l e t e , n o i s y , o b s c u r e a n d r a n d o m d a t a , w h i c h a g g r e g a t e s d a t a b a s e , a r t i f i c i a l i n t e l l i g e n c e , s t a t i s t i c s , i n v i s ib i l i t y a n d p a r a l l e l -c a l c u l a t i o n a s a c r o s s s u b j e c t . t h e m o s t a tt r a c t i v e p o i n t i s t h e a b i l i t y t o e s t a b l i s h a m o d e l f o r e c a s t , n o t m e r e l y t o r e v i e w . d a t a m i n i n g h a s b e e n a p p l i e d t o a l l o v e r t h e b u s i n e s s , o p e r a t i o n a n d d e c i s i o n - m a k i n g a s a k e y t o s u c c e s s i n c o m p e t i t i o n i n u . s . b y m e a n s o f d a t a m i n i n g , t h e e s t a b l i s h m e n t o f c r e d i t s c o r i n g o n a p p l i c a n t s o f c r e d i t c a r d s c a n p r o v i d e a n o b j e c t i v e , a c c u r a t e a n d c o i n c i d e n t s t a n d a r d f o r m a n a g in g t h e c r e d i t r i s k i n b a n k i n g i n d u s t ry . t o s e t u p a m a t h e m a t i c m o d e l a n d t o c o n s t r u c t t h e f i r s t d e f e n s e l i n e , a b a n k c a n d e f i n e t h e c h a r a c t e r i s t i c s o f i t s g o o d a n d b a d c l i e n t s b a c k g r o u n d s , s u c h a s a g e s , i n c o m e s , p r o f e s s i o n s a n d e d u c a t i o n a l l e v e l s fr o m a n u m b e r o f d a t a a b o u t c l i e n t s b a c k g r o u n d s , b e h a v i o r s a n d c r e d i t , a n d m e a s u r e t h e c o n t r i b u t i n g w e i g h t f o r m v a r i o u s c h a r a c t e r s . t h e t o o l f o r m in i n g i s s a s s y s t e m i c s o f t w a r e , m a i n l y t h e m o d u l e e n t e r p r i s e mi n e r . a c c o r d i n g t o t h e m e t h o d o l o g y o f s e mma p r o v i d e d b y s a s c o . , t h e r e s e a r c h s e t s u p t h e c r e d i t s c o r i n g m o d e l w i t h t h e f i v e s t e p s : s a m p l e , e x p l o r e , m o d i f y , m o d e l a n d a s s e s s . t w o m e t h o d s f o r s e tt i n g u p m o d e l s a r e u t i l i z e d i n t h i s t h e s i s : o n e i s d e c i s i o n t r e e , a n d t h e o t h e r i s l o g i s t i c r e g r e s s i o n . t h i s s t u d y i s t o e s t a b l i s h t h e m o d e l o f d e c i s i o n t r e e a n d l o g i s t i c r e g r e s s i o n a n d m a k e c o m p a r a t i v e a n a l y s i s b y u s e o f e x p l o r i n g t h e b a s i c a n d p e r t i n e n t i n f o r m a t i o n o f p i l e s o f c l i e n t s i n o r d e r t o s e e k o p t i m u m . o n t h e b a s i s o f o p t i m u m m o d e l c o m p a n i e s a r e a b l e t o a n a l y z e a n d s c o r e s t a t u s o f c r e d it r i s k , t h e n t o a t t a i n t h e o p t i m u m s c o r i n g v a l u e t o d i s t i n g u i s h g o o d c l i e n t s fr o m b a d o n e s , a n d t o m a k e q u i c k r e s p o n s e s t o l o t s o f a p p l i c a n t s , f u r t h e r m o r e , t o f i g u r e o u t c r e d it r a t i n g a n d p o l i c e s f o r t h o s e r e c e i v a b l e a p p l i c a n t s i n a c c o r d a n c e w i t h c r e d i t l e v e l s . a ft e r t h e e l a b o r a t e a n a l y s i s , t h e t h e s i s r e a c h e s t w o c o n c l u s i o n s : f i r s t , f o r c l i e n t s t wo mo d e l s f o r e c a s t w i t h g o o d c r e d i t , w h o a r e l i s t e d w i t h i n t h e f i r s t 2 0 %, t h e m v e r y w e l l , a n d l o g i s t i c d o e s b e tte r t h a n d e c i s i o n t r e e b e h a v i o r t r e e ; w h i l e f o r c l i e n t s w i t h b a d c r e d i t , r e g r e s s i o n t h e mo d e lo f d e c i s i o n i s wo r s e b e c a us e i to n l y d e f i n e s h a l f o f b a d c l i e n t s a s t h e y a r e , c o m p a r a t i v e l y , l o g i s t i c r e g r e s s i o n c l a s s i f i e s 9 2 .6 % a s b a d . wh a t t h a t i s t h e r e a s o n w h y w e c h o o s e t h e l a tt e r f o r c r e d i t s c o r i n g o n a p p l i c a n t s . s e c o n d , t h r o u g h t h e l o g i s t i c m o d e l f o r c r e d i t r a t i n g , a p p l i c a n t s w h o s e s c o r e a r e m o r e t h a n o r e q u a l t o c r i t i c a l s c o r e ( c 1 = 8 3 . 8 5 )w i l l b e p e r m i tt e d a n d g r a n t e d f o r h i g h e r c r e d i t r a t i n g ; m e a n w h i l e a p p l i c a n t s w h o s e s c o r e a r e l e s s t h a n c r i t i c a l s c o r e( c a = 4 8 .4 3 ) w i l l b e r e j e c t e d d i r e c t ly ; b e s i d e s , a p p l i c a n t s w h o s e s c o r e a r e b e t w e e n t h e c r i t i c a l f i g u r e s w i l l b e p e r m i tt e d t o o , b u t g r a n t e d f o r l o w e r r a t i n g , a n d t h e y n e e d a f a v o r a b l e r e c o r d s o f u t i l i z i n g c a r d s t o i m p r o v e r a t i n g s o t h a t b a n k s c a n a c q u i r e c h a n c e s t o e a rn w i t h b u r d e n i n g l o w e r c r e d i t r i s k . i n a d d i t i o n , t h e a u t h o r d e v e l o p e d a m a n a g i n g s y s t e m f o r c r e d i t c a r d s o n t h e g r o u n d o f a b o v e r e s e a r c h , w h i c h c a n s a t i s f y m a n a g e r i a l d e m a n d o n b u s i n e s s . i n t h e e n d , t h e a u t h o r v i e w s t h a t t h e c r e d i t s c o r i n g m o d e l s i n t h e f u t u r e w i l l b e c o m e m o r e s o p h i s t i c a t e d t h a n b e f o r e w h e r e i t a c c e p t o r r e f u s e a c u s t o m e r a t a g i v e n p r i c e o r i n t e r e s t r a t e . t h e s e m o d e l s w i l l c h o o s e t h e o p t i m a l p r i c e f o r a g i v e n r i s k , u s i n g b o t h r i s k i d e a s a n d m a r k e t i n g a s s u m p t i o n s o n c o p i n g w i t h a t t r it i o n a n d c h u r n o f c u s t o m e r s . t h e i n n o v a t i o n s o f t h i s t h e s i s h a v e b e e n i n c l u d e d i n t h e f o l l o w i n g : l . a p p l y i n g t h e d a t a m i n i n g i n e s t a b l i s h i n g a c r e d i t s c o r i n g m o d e l f o r c a r d s a p p l i c a n t s ; a n a l y z i n g a n d c o m p a r i n g t h e t w o m e t h o d s f o r s e tt i n g u p m o d e l s , a n d a c q u ir e t h e o p t i m u m s c o r i n g m o d e l ; d e v e l o p i n g a m a n a g e r i a l s y s t e m f o r c r e d i t c a r d s b a s e d o n t h e r e s e a r c h r e s u l t s . 2内 k e y w o r d s : c r e d i t s c o r i n g d a t a c r e d i t c a r d s minings a s m a n a g e r i a l s y s t e m f o r 西南财经大学 学位论文原创性及知识产权声明 本人郑重声明: 所呈交的学位论文，是本人在导师的指导下， 独 立进行研究工作所取得的成果。 除文中己经注明引用的内容外， 本论 文不含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的 研究做出重要贡献的个人和集体， 均已在文中以明确方式标明。 因本 学位论文引起的法律结果完全由本人承担。 本学位论文成果归西南财经大学所有。 特此声明 学位论文作者签名:邹权 2 0 0 4 年 4月 2 2日 1 .绪论 1 本文研究的意义 在个人消费信贷越来越被中国银行业看重的今天， 由于受信用卡 业务的高额利润和巨大市场空间的引诱， 中国的各大商业银行都开始 加入或增加了在信用卡业务的投入。从2 0 0 3 年下半年，中国的信用 卡市场就开始火热起来。 但高利润必然伴随高风险。 以曾被视为信用卡发展典范的韩国为 例， 他们就是在高速发展信用卡的同时， 忽略了对风险的管理和控制， 最后使得危机频频爆发。 因此， 加强风险管理是各信用卡公司取得最 终胜利的关键。 另一方面， 伴随数据挖掘技术的发展， 国外很多大的银行为了能 从庞大的数据中获得有用信息， 纷纷把数据挖掘技术运用于经营、 管 理和决策的各个方面。 可以说， 数据挖掘技术己成为外资银行在激烈 的市场竞争中获胜的关键技术。 但在中国， 各大银行正在进行数据大 集中或刚完成不久， 再加上各方面的原因， 各项管理决策还主要是依 靠经验， 存在很大的风险和隐患。 把数据挖掘技术应用到银行的经营 活动中， 现在更多的是对这方面的意义、 重要性和应用领域的理论研 究， 很少有从事对其具体如何应用进行研究。 虽有个别银行正在研究， 不过出于商业保密的需要， 都没有公开具体细节。 因此几乎还没有哪 个中资银行把数据挖掘技术应用到银行的经营活动中口 所以， 笔者力图能在这方面做一些研究， 并把具体研究细化到利 用数据挖掘技术建立一个对信用卡申 请者进行信用评分模型的领域。 这是由于在个人信用风险管理这个具体的领域，数据挖掘技术的引 入， 能为其提供了 一个客观、 准确和一致的 评估和控制体系。 借助数 据挖掘技术，从己有的大量的有关客户背景、行为和信用的数据中， 银行能挖掘出“ 好客户” 和“ 坏客户” 的背景特征， 包括年龄、 收入、 职业和教育水平等不同属性， 并能计算出不同属性值对客户信用大小 的贡献权重，从而建立起能更为科学的评估客户信用大小的数学模 型，帮助银行建立信用风险监控的第一道防线。 相信本文的研究能为中国银行业如何把数据挖掘技术应用到日 常的 经营活动中， 尤其是信用卡业务的风险管理中， 提供一些参考和 帮助。 1 . 2 使用的理论工具和研究方法 本文使用的工具是在数据挖掘领域做的很出色的 s a s软件。该 软件的e n t e r p r i s e m in e r 模块把强大的 统计分析功能和容易 使用的图 形化界面结合。 它的成功是你只需要操作图标就能应用、 测试和比较 预测模型， 找出最适合你建模目的的那个。 这些图标操作是: 在图形 工作区连接各图标结点，调整各图标结点的设置和运行工作流程。 研究方法采用的是s a s 公司在数据挖掘领域提出的 “ s e mma 方法论，即在通过数据抽样，数据特征探索， 数据调整，建模和模型 评价五个步骤来挖掘数据中隐藏的模式。 1 . 3 基本思路和逻辑结构 本文可以划分为五个部分。 第一部分信用卡及客户信用评分的现 状和发展， 阐述了信用卡发展现状和加强风险管理的必要性， 提出了 对信用卡申 请者进行信用评分来作为信用卡风险管理的第一道防线。 接着阐述了对客户进行信用评分的历史， 优点和各种方法， 并总结了 西方国家个人信用评分的现状。 第二部分数据挖掘技术及其在商业银行的应用， 主要介绍了数据 挖掘的概念， 还对数据挖掘和统计学进行了比较。 最后分析了数据挖 掘在商业银行应用的趋势， 从而引出和强调了借助数据挖掘技术来建 立信用卡申请者信用评分模型的主要优势。 第三部分信用卡申请者信用评分模型的建立，是本文的精髓所 在， 是笔者对本文研究的中心和重点， 特别是该部分的第四 节建 立信用卡申请者信用评分模型的具体分析， 笔者倾注了大量而详细的 笔墨来表达。该部分首先介绍了所使用的数据挖掘工具 s a s和 s e m m a ” 的 研究方法; 接着阐述了 两个建模方法: 决策树和l o g i s t i c 回归;然后按照 “ s e mm a”方法一步步去建立信用卡申 请者信用评 分模型， 并最终 选定通过l o g i s t i c 回归建立的 模型作为最佳模型: 最 后把该模型应用于实际数据，效果很好。 第四部分基于信用评分模型的信用卡管理系统设计， 是笔者在参 与国家“ 十五” 项目 子课题 电子银行模拟系统 独立开发和设计的， 它的核心技术之一就是运用了第三部分研究的基于数据挖掘的信用 卡申 请者信用评分模型。 该系统包括七大功能: 客户信息管理、 信用 评分管理、 信用卡管理、 客户细分管理、 信息查询、统计分析、信息 公布。 第五部分总结和展望， 是对全文的总结， 以及对以后建立信用卡 申 请者信用评分模型的展望。 1 . 4 其他问题 笔者参加了国家“ 十五” 项目 金融信息化关键技术及应用示范 中子课题 电子银行模拟系统 ，并负责信用卡模块的开发和设计， 本文就是在此基础上进行的进一步研究。 2 ，信用卡及客户信用评分的现状和发展 2 . 1 信用卡及其发展现状 信用卡产品是一种复合型的产品，既是日常生活消费的支付工 具， 也是非计划性 n o n - t a r g e t ) 循环贷款， 兼有金融产品 和一般消 费品的特色。 信用卡的主要功能包括消费信贷、 消费结算、 存取现金 和银行转账等。由 于贷记卡实行存款不计利息、 贷款享受免息期的政 策，因此它最基本的功能是消费信贷。 这种消费信贷实际上是一种循 环信用，其主要特征是: 第一， 一次申请， 贷款额度周转使用。发卡 银行为持卡人设定了 一个可以 按月周转使用的 信用额度( 一般为持卡 人月薪的2 -3 倍) ， 持卡人无需逐笔申 请。第二， 全额还款， 享受免 息期待遇。 持卡人只要在银行约定的最后还救日 前还清一个结算周期 的全部款项，就可以免除该段时间内所有购物消费类交易( 取现和银 行转账除外) 的贷款利息。第三，最低还款，享受正常信用额度。一 般情况下，银行不会要求持卡人在每月还款截止日 前还清全部欠款， 而是设定一个最低还款额( 一般为1 0 % ) 。 只要达到这个标准并愿意承 担未还款部分的利息就可以继续用卡， 信用额度也不会降低。由于信 用卡具有申 请简便快捷，资金利用效率高( 按实际用款天数计.e ,) ，以 及贷款用途灵活( 必要时可按信用额度的5 0 % 预借现金) 等优点， 所以 对于频繁需要短期资金周转的客户来说，即使不能享受免息期待遇， 也比申 请普通贷款或提前支取定期存款要经济得多。 国际上， 以消费信贷为主要功能的信用卡己经成为十分普遍的个 人理财工具。据统计，美国信用卡超过了 1 0 亿张，成年人持卡比例 超过 8 0 %，信用卡占持卡人日 常支出比例为2 5 %;在8 0 0 0 万拥有信 用卡的家庭中， 未清偿的平均欠款为6 0 0 0 -7 0 0 0 美元， 并且只有4 0 % 的持卡人每月偿清信用欠款而享受免息期待遇， 其余6 0 % 的持卡人都 愿意选择最低还款方式承担贷款利息。在我国台湾地区，共有6 0 家 发卡银行，发卡量超过了2 0 0 0 万张，成年人持卡比例达到6 5 %，信 用卡占持卡人日常支出的比例为 9 %，每月有一半以上的持卡人使用 信用额度。 与此同时， 信用卡已 经成为银行业的重要收入来源， 如美 国花旗银行， 其信用卡业务收益已 经占到全部银行收入的6 0 %。 美国 运通公司下属有三家跨国分公司， 其中7 0 %的利润来自 属下的美国运 通旅游服务公司，信用卡业务每年为该公司创造近 加 亿美元的纯收 益。 在中国，从 2 0 0 3年下半年开始，信用卡市场的竞争开始日 渐火 热口 为了在激烈的竞争中抢占先机， 各家银行不惜在信用卡业务上投 入巨资，对系统进行升级换代。各家银行的卖卡手段更是五花i t 门， 从免年费、 赠保险、 送手机的促销手段， 甚至发展到了从行长到具体 经办人全员参与的营销策略。 这是因为在逐渐走向成熟的信用卡环境 中，各家银行都看到了信用卡业务的高赢利性和巨大的市场。 2 . 2 信用卡的风险管理 众所周知， 对于绝大部分银行业务而言， 收益总是和风险相伴而 行的。高的收益总要承担高的风险，而低的收益只需面对低的风险。 但没有风险的业务不一定是好业务， 逃避风险则意味着收益机会的丧 失。 信用卡成功的关键在于强大的风险管理能力， 而不是风险逃避能 力， 也就是说通过承担一定的风险， 并对其进行有效管理，以实现收 益最大化。 近两年逐渐发展起来的韩国信用卡危机， 就给我国信用卡发展在 风险管理方面上了重要的一课。自 1 9 9 7 年亚洲金融危机之后，韩国 积极开放银行市场， 面临外部冲击和日 趋激烈的银行间竞争， 韩国的 商业银行纷纷投入到信用卡市场。2 0 0 0年是韩国信用卡发展的高峰 期，当时银行和信用卡公司为了争抢用户， 纷纷降低手续费， 放宽申 请条件， 到2 0 0 2 年信用卡总数己超过1 亿张， 按经济活动人口计算， 平均每人拥有信用卡4 .6 张。 在短期来看， 韩国 信用卡市场的发展一 度被视为国际银行业信用发快速发展的典范之一， 韩国的银行业在短 期内也获得了令人瞩目的信用卡市场收益。但好景并没有持续多久， 风险就以不同的形式显现甚至爆发出来。就在 2 0 0 2年，韩国信用卡 问题浮出水面。 信用卡滞付率不断上升， 信用卡公司的收益也急剧恶 化。 近两年来，己 有四家信用卡公司陷入窘境， 包括韩国最大的信用 卡公司l g c a r d 。造成这种局面的原因就是韩国的信用卡公司在拼 命进行市场扩张的同时，忽视了对顾客信用偿还能力的评价。 从我国现实问题看加强信用卡风险管理是相当必要的。 与国际先 进的信用卡风险管理体系相比， 国内信用卡风险管理体系存在着很大 差距。 整体上看，比较突出的问题主要表现为五个“ 薄弱环节” 、 一个 “ 缺乏” 和两个“ 不共享” 。五个“ 薄弱环节” 是从商业银行角度讲的，具 体包括: 一是侧重于外部风险防范，内控机制相对薄弱; 二是侧重于 业务风险管理， 信息系统的风险防范相对薄弱; 三是侧重于满足本行 的风险管理标准， 而在提高自 身安全要求与其他银行同业标准的可参 照性和可衔接性上所采取的措施相对薄弱; 四是侧重于事后的风险防 范， 事前的风险预警和实时的风险管理相对薄弱; 五是侧重于传统业 务的风险管理，对新业务、新技术的风险管理相对薄弱。 以上问题的存在，已严重制约着各发卡银行信用卡业务的安全 性、 盈利性， 对我国信用卡市场的稳健发展提出 严峻挑战。 所以 建立 全面、 高效、 实用的信用卡风险管理体制是各家商业银行的重中之重。 信用卡的风险管理可以将整个信用控制循环体系分为六个功能 环节，自