申請風險評分模型是通過對消費信貸申請人的資信狀況進行評估來預測其未來驗證拖欠或壞賬概率的模型。申請風險評分模型在信貸風險管理中有著非常重要的作用，因為該評分往往是信貸審批的主要依據。最有效的風險管理莫過於把風險過高而收益不能對稱的申請者拒之門外，因為一旦高風險的申請人獲得信貸，其他管理手段只能減少損失而不能避免損失。
申請風險評分模型的效益
據調查，80%左右的信貸風險來自信貸審批環節，一旦消費者獲得信貸，後續的管理只能控制20%的風險，由此可見科學的信貸審批風險管理是十分重要的。
發展申請風險評分模型，進行科學的審批風險管理來降低壞賬率，其效益是非常巨大的。如表所示，如果銀行一年批准新開戶的信用卡賬戶為100萬張，假定主觀決策的壞賬率為4%，通過發展申請風險評分模型進行科學決策，壞賬率降低為3%，假定平均的單位壞賬額為2萬元，如用模型決策出的效益就把壞賬額從8億元降低為6億元，減少損失達2億元之巨。及時以模型決策僅把壞賬率下降0.5%，其收益也是1億元之巨。哪怕是壞賬率只下降0.1%，也可節約2000萬元的壞賬損失。
何況單位壞賬可額可能超過2萬元，模型決策的單位壞賬額也會比主觀決策低（因為依賴型決策不僅是批准髮卡與否，而且包括根據評分來制定信用額度高低，風險高的客戶給予較低的信用額度，這就降低了單位壞賬額）。根據銀行的具體情況，開發申請風險評分模型進行決策的效益會有所不同，但一個共同之處就是效益巨大，考慮到開發模型的成本並不高，其投資回報率是巨大的。
申請風險評分模型的開發
數據時間段劃分
發展申請風險評分模型的數據可以分為表現期和觀察期兩個時間段，如圖所示
表現期：
提煉模型索要預測的信用表現時期，對於信用卡而言，一般為6-18個月，而對於住房貸款而言，則長達24-36個月。表現期長（如18個月）的好處是給賬戶較充分的時間來表現其信用狀況，因為許多高風險賬戶在6-12個月內往往還沒有把拖欠行為表現出來，而18個月則比較充分；
當然表現期也不宜過長，過長可能導致信用表現與申請信息之間的聯繫比較弱，因為在較長的時間裡申請者的貸款資信狀況與申請時的資信狀況之間的變化可能比較大，而且銀行的信貸環境、目標客戶、申請群體的變遷也可能比較大，導致歷史數據關係的適用性降低；表現期短（如6個月）的好處是可以儘快發展風險評分來作為決策依據，缺點是許多高風險客戶的拖欠風險尚未充分表現出來，因此對風險的估計不足。
較短的表現期對於業務歷史較短、亟需發展風險評分來改進風險管理的銀行比較使用，對業務歷史足夠長、樣本數據量足夠多的銀行來說，應該儘可能使用長一些的表現期。
觀察期：
觀察、提煉與模型所要預測的表現有一定相關性的預測變量的時期。
這兩方面的信息相互補充，在信用局不存在或不發達的國家，申請表的信息是預測變量的全部或主要來源。當然，如果申請人在銀行內部還存在其他業務關係，則這種內部關係的數據也可以是非常有用的預測信息。
由於申請表的信息在申請者填寫申請表時即可全部獲得，而信用局的信用記錄也可在申請時從信用局提取（如果存在信用局的話），所以預測性信息是在申請時即可獲得的，這個意義上講，並不需要經過一個時期的觀察來獲得這些信息。
但是，在申請風險評分模型裡面常常使用6個月左右的觀察期，其原因是為了獲得足夠多的申請者樣本，因為一個月的申請者樣本量可能不夠，特別是後來表現為“壞”的樣本量可能不夠，這樣，通過彙集6個月的觀察期裡的申請者樣本，可以獲得模型所需要的比較充分樣本量。
表現變量
申請風險評分模型的表現變量的定義一般根據表現期終的信用表現界定如下：
3期拖欠以上、呆賬、破產的賬戶定義為“壞”；
未拖欠或1期拖欠的賬戶定義為“好”；
2期拖欠的賬戶定義為“不確定”，被排除於模型之外；
如果銀行業務歷史較短，“壞”的樣本量不足（一般一個模型需要800-1500個“壞”賬戶為樣本），則可以把2期拖欠的賬戶也定義為“壞”；
如果按“表現期終”的界定方法“壞”的樣本量不足，也可以把“表現期內”最大拖欠達3期以上的統統定義為“壞”，即使其在表現期終恢復到相對“好”的地位。
預測變量
根據申請表信息提取的預測變量反映了申請者3個方面的信息：還款能力、還款意願和穩定性。
第一，反映申請者未來還款能力的預測變量
典型的例子如房產狀況、學歷高低、收入狀況、職業類別等。住房狀況是很能區分信用風險的預測變量，一般來說，擁有房產的申請者，其風險要比沒有房產的申請者小得多。有能力購買住房本身就相當程度上說明了申請者的還款能力。類似的，收入越高，還款能力越強；學歷越高，還款能力也越強，因此風險較低。
第二，反映申請者還款意願的預測變量
還款意願更大程度上是信用局負面歷史記錄裡體現出來的。顯然，如果申請者歷史上有較多或較嚴重的拖欠記錄，說明他們的還款意願比較低。從申請表上的信息來講，性別、婚姻狀況等信息一般比較能顯示申請者的還款意願。女性的還款意願一般比男性高，因此風險較低，這是女生的心理特徵和生活習慣所決定的，也是實踐中經常看到的。類似的，已婚申請者的還款意願一般比未婚的高，因為已婚人士的責任感一般更強，所以信用風險也低一些。
第三，反映申請者穩定性的預測變量。
穩定性也是預測信用風險的一個重要指標，一般來說，申請者的穩定性越高，風險越低。
反映穩定性預測變量的例子有申請者在現單位工作時間長短、在現住地址居住時間長短等。顯然，在一個工作單位或一個住址待的時間越長，穩定性越高，壞賬也越低。
當然，也有一些變量不限於某種類型，而是同時反映幾個方面的信息，比如年齡，實踐中經常觀察到的現象是年齡越小，風險越高，其中的原因，可能是年輕人的還款能力、還款意願和穩定性都相對差一些。
閱讀更多 甩單俠 的文章
