数据源——信用评分的前世今生【附FICO分介绍】

信用评分这把“看不见的标尺”如今已经逐渐渗透到我们生活的方方面面，大到贷款买房买车，小到租用一个共享充电宝，都受到它的影响。那么问题来了，这个重要的数字是从哪里冒出来的呢？这就要从信用评分的起源讲起。

什么是信用评分？

信用评分（Credit Scoring）是辅助贷款机构发放消费信贷、小微信贷等小额线上贷款的一整套决策支持技术。这些技术将决定谁会获得贷款、获得多少贷款，以及贷款机构将设定哪些合适的经营策略来提高利润率。

信用评分的起源

信用评分的历史可以追溯到上世纪三十年代。1936年，英国统计学家Sir Ronald Fisher①发表了一篇关于使用“线性判别分析”区分鸢尾花物种的文章。1941年，David Durand发现该方法也可以用来区分贷款客户的好坏。David Durand的研究涵盖27家企业的7200次贷款，好坏账都有，其中数据包括年龄、性别、稳定性（地址和工作时长）、职业行业、主要资产（银行账户、房产、人寿保险）等。

二战中，由于美国大批劳动力纷纷从军，信贷员缺口巨大，经验丰富的信贷员们写出啦经验法则，开发出一套高效的纸质专家评分系统，给非专家们使用。此后，Henry Wells领导开发了首个信用评分系统。但在早期，信用评分并没有得到很好地认可，一是因为当时的机构拒绝使用计算机进行决策，二是因为计算数据和评分卡的使用方法十分枯燥且复杂。

直到1956年，工程师Bill Fair和数学家Earl Isaac在美国旧金山共同创立了Fair Isaac咨询公司，即后来著名的FICO公司。1958年，FICO公司为American Investment开发了首个评分卡，成为了这项新技术的先驱。这个进步急要归功于计算机能力的提升（开发评分卡更容易），也要归功于信用卡市场的飞速发展（新业务的违约率很高）。

1963年，FICO公司与MW商场展开了长期合作，不仅成功地稳固了前者的市场地位，而且把业务拓展到美国其他贷款机构。就像其他零售商一样，MW的每个商店中都有信贷部门，计算机的出现使得集中处理信贷成为可能。MW还率先采用了行为评分，这使其成为了“20年后世界上信贷操作效率最高的公司之一”。

在20世纪70-80年代间，信用评分被应用在个人贷款、透支、汽车贷款，甚至是小企业贷款审批上，但是评分大多是通过人工完成。直到1972年，FICO公司在帮Wells Fargo开发系统时才完成了信用评分的自动化。

早期的信用评分建模方法主要是判别分析和线性模型，后来随着计算机的计算能力的提升与统计软件的升级，评分卡开发者们开始尝试其他方法。逻辑回归是现今最常使用的算法，专家系统和神经网络的应用也获得了阶段性成功。信用评分应用到更多的领域，包括客户保留、损耗、催收，保险等。

首个征信分数PreScore由FICO公司在1984/1985年开发出来，用征信数据初步筛选邮寄订单。1987年，MDS为三家大型征信机构开发出破产评分模型后，征信分数开始受到广泛认可。随后在1989-1991年间，FICO公司开发了与MSD匹敌的违约评分系统。

1984年，FICO公司在欧洲办公室招募的第20位员工Jean-Michel Trousse在FICO工作了10年后辞职，成立了位于摩纳哥的Scorex。他认为，未来信用评分要重视和征信机构的合作。1980年，Experian的前身Commercial Credit Nottingham (CCN) 成立，其从百货商店Great Universal Stores中独立而来。2003年，Scorex被Experian收购，Experian将Scorex与其他决策支持分支合并，成立了Experian-Scorex。

1995年，信用评分首次应用在住房按揭贷款证券化的机构，如房地美和房利美。1996年后，这两个机构也要求转让债权的机构提供信用分数。两年内，美国40%的贷款申请中都用到了信用评分。

同期，贷款机构开始意识到个人贷款和小微贷款差异不大，信用评分开始在小企业贷款中普及。FICO公司在1993年开发了一种小额商业信用评分服务，名为Small Business Scoring Service（SBSS）。

信用评分期初不涉及大型企业的风险评估。但是，在2000年，Moody's发布了信用评分模型RiskCalc，利用中小企业财务报表数据，计算预期违约率。2002年，Moddy's收购KMV，KMV公司最著名的是它的Merton期权定价模型。随后Moody's创立子公司Moody's KMV，同时融合了Moody's和KMV的方法，为贷款机构提供信用分析工具。

信用评分的现状

现如今，贷款机构的目标正在从降低贷款人在贷款产品中的违约率向提高客户带来的利润率转变。不仅如此，评分卡最初的目的是估计违约风险，至今已经发展成为可以评估客户对营销的响应、客户使用产品的可能性、客户在优惠期后是否能够保留、客户是否会转移到竞争对手，或是预测客户是否会提前还款。评分卡还可以用于债务管理（催收策略）和反欺诈。

信用评分如今也在发展中国家迅速发展。例如在中国，短短几年内，蚂蚁金服已经建立了一个维度极广的评分系统——芝麻信用，覆盖3.25亿人口。拥有一个好的信用分数，不仅仅只在借贷中受益。阿里巴巴将芝麻信用和支付宝相结合，好的信用评分可以让消费者享受包括更快速便捷的签证申请、更低的房屋押金，甚至在约会软件中被放置于一个更好位置等诸多生活福利。虽然这会被认为是对使用支付宝用户的一个奖励，但消费者往往也会为了获得更高的信用评级而提高使用支付宝的频率。

附录：FICO分介绍

1989年，Fair Isaac与当时主导美国征信市场的三家信用机构Equifax、Experian和TransUnion合作发布了第一个消费者信用评分产品。该产品将消费者的信用状况用300-850之间的数字表示，分数越高表明其信用评级越高，这就是我们现在所熟悉的FICO分（Fair Isaac Corporation Score），它迅速成为了美国银行的信贷决策标准。

在美国生活，每个人都会听到信用分数，也叫FICO Credit Score。 那这个信用分数是怎么得来的呢？

FICO通过基于客户过去所持有的特征为放贷方创建自定义算法，来计算客户未来的还款能力，其评分系统使用三家信用机构的数据库，并为系统中的每个个体赋予一个三位数的数值。

（一）FICO Score影响因素

FICO评分从五个方面去分析一个人的财务状况，并为每个方面赋予不同的权重，包括付款历史记录（35%）， 已欠款总额（30%）， 信用增长长度（15%）以及两个信用组合——信用卡、购物记录、抵押贷款（10%）和新贷款申请（10%）得分组成。最终所得出的数字对是否能获得贷款，多久能获得贷款至关重要，FICO评分现在已用于美国90%以上的消费者信贷决策。

信用分数是利用数学模型依据个人的信用报告评估银行风险大小的一个数值，一般来说数值越高风险越小。信用分数的数学模型有许多种，在银行届运用最广泛的就是FICO分数（300～850分之间），这是由FICO公司拥有的一种计算模型，其具体细节并没有批露，但是其信用分数的组成已经被总结出来了，就是下面那张图。从下图可以看出， 以下几点综合，决定了您的信用分数。

1.首先是按时还款（payment history）, 您有贷款，或是有用信用卡没有问题， 问题是您是否可以按时还款和付账单。 如果您的还款记录好， 会对您的信用分数有很大帮助。支付历史主要显示客户的历史偿还情况,以帮助贷款方了解该客户是否存在历史的逾期还款记录,主要包括:(1)各种信用账户的还款记录,包括信用卡(例如:Visa、MasterCard、AmericanExpress、Discover)、零售账户(直接从商户获得的信用)、分期偿还贷款、金融公司账户、抵押贷款。(2)公开记录及支票存款记录,该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。涉及金额大的事件比金额小的对FICO得分的影响要大,同样的金额下,越晚发生的事件要比早发生的事件对得分的影响大。一般来讲,破产信息会在信用报告上记录7-10年。(3)逾期偿还的具体情况,包括,逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。例如,一个发生在上个月的逾期60天的记录对FICO得分的影响会大于一个发生在5年前的逾期90天的记录。据统计,大约有不足50%的人有逾期30天还款的记录,大约只有30%的人有逾期60天以上还款的记录,而77%的人从来没有过逾期90天以上不还款的,仅有低于20%的人有过违约行为而被银行强行关闭信用账户。

2.其次是您的债务和您的收入要有一定的比例(amount Owed）。您的债务和收入比例过高， 会对信用分数有影响。 相反， 如果您不借一分钱， 也就是没有债务的话， 其实对您的信用分数也有负面影响。 所以保持一个合理的比例是最好的。对于贷款方来讲,一个客户有信用账户需要偿还贷款,并不意味着这个客户的信用风险高。相反地,如果一个客户有限的还款能力被用尽,则说明这个客户存在很高的信用风险,有过度使用信用的可能,同时也就意味着他具有更高的逾期还款可能性。该类因素主要是分析对于一个客户,究竟多少个信用账户是足够多的,从而能够准确反应出客户的还款能力。

这类因素具体包括:(1)仍需要偿还的信用账户总数，美国的信用管理局每个月都会将客户截止到上个月的需要偿还的信用账户总数写入客户的信用报告中。(2)仍需要偿还的分类账户数,这是对信用账户总数的详细描述，例如，仍需要偿还的信用卡数量,分期付款账户数等。(3)信用账户的余额，一般来讲，有一个少量余额的信用账户会比没有余额的信用账户让贷款方更感觉到可靠。另外，注消那些余额为零的不再使用的信用账户会体现客户的良好信用，但是并不能提高信用得分。(4)总信用额度的使用率，使用率越高，则说明客户的信用风险越大。(5)分期付款账户偿还率，用以衡量分期付款账户的余额。据最新统计，美国人均信用账户13个，包括信用卡账户和分期付款账户，不包括储蓄存款户和支票账户，这13个信用账户中，信用卡账户一般占9个,分期付款账户有4个。大约40%的信用卡持有者,其信用卡内的余额低于1000美元，仅有15%的客户会使用超过10000美元的信用。除了抵押贷款外，48%的客户贷款余额低于5000美元，近37%的客户贷款余额超过10000美元。在美国使用信用卡的客户，平均授信额度为19000美元，超过半数的客户使用信用额度不足30%，仅有七分之一的客户会使用信用额度超过80%。

3.您的信用史的长短（length of Credit History). 这里有一个问题，如果您没有美国的社会安全号码， 信用调查局没有办法收集您的信用历史。 一般好的信用要有起码两年以上的信用历史。 这包括了你的所有卡的平均长短，以及你最久的那张卡的长短。所以你的第一张卡最好申请没有年费的卡，然后一直不要取消。并且你的有年费的卡最好等到9-11个月以后再取消，不要一拿到你的bonus就取消，这样都有利于增长你的credit history的长度。

一般来讲,使用信用的历史越长,越能增加FICO信用得分。该项因素主要指信用账户的账龄,既考虑最早开立的账户的账龄,也包括新开立的信用账户的账龄,以及平均信用账户账龄。

据信用报告反映,美国最早开立的信用账户的平均账龄是14年,超过25%的客户的信用历史长于20年,只有不足5%的客户的信用历史小于2年。

4.其它还包括您的新增的信用账户（New Credit Account)

在现今的经济生活中,人们总是倾向于开立更多的信用账户,选择信用购物的消费方式,FICO评分系统也将这种倾向体现在信用得分中。据调查,在很短时间内开立多个信用账户的客户具有更高的信用风险,尤其是那些信用历史不长的人。该项因素主要包括:(1)新开立的信用账户数,系统将记录客户新开立的账户类型及总数;(2)新开立的信用账户账龄;(3)目前的信用申请数量,该项内容主要由查询该客户信用的次数得出,查询次数在信用报告中只保存两年;(4)贷款方查询客户信用的时间长度;(5)最近的信用状况,对于新开立的信用账户及时还款,会在一段时间后,提高客户的FICO得分。

和

您借款的种类(types of credit used)

主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况,具体包括:持有的信用账户类型和每种类型的信用账户数。

美国人的FICO分数分布情况

（二）FICO Score计算因素

目前fico分已衍生出FICO大数据评分、FICO消金分、FICO快核分等。

① 罗纳德 · 费雪（1890 - 1962），英国统计与遗传学家，现代统计科学的奠基人之一

参考文献：

[1] Andrew Tavin. CFEI. A Brief History of Credit Scores.

https://www.opploans.com/oppu/articles/a-brief-history-of-credit-scores/

[2] Raymond Anderson. 李志勇（译）. 信用评分工具：自动化信用管理的理论与实践

[3] Lyn Thomas. Jonathan Crook. David Edelman. 李志勇（译）. 信用评分应用（第二版）

[4] 上海新金融风险实验室. 你不了解的信用评分

https://mp.weixin.qq.com/s/LmOuApTAYWo-6l-ck1DuxA

[5] 杨梦滢. 品钛研究院. 信用评分发展年鉴|信用评分的过去、现在和未来 （下）

https://zhuanlan.zhihu.com/p/76