一、消费者信用计量的起源与发展

消费者信用计量技术是指与消费者信用有关的计量技术，它将信用风险或有关其它指标进行定量的刻画，并结合定性的描述，通过一定的形式表现出来，以利于信用决策和管理，从而减小信用风险，提高贷款人（企业）价值。消费者信用计量技术则涵盖面很广，通常是定量方法与定性方法的结合，其中心是信用评分技术，涉及许多统计方法、数学方法、计算机技术以及专家主观判断等方面的内容。以最初的信用申请评分为开端，消费者信用计量技术逐渐发展演变，下面介绍该演变过程。

消费信用计量最初动因在于决策支持，特别是新信用申请的初始授信决策。刚开始时候，申请评分或信用评分只是为了提高信用决策能力，后来逐渐演变为连续自动地行为，以便于处理大量贷款等信用申请。其哲学基础是实用主义，并假定信用质量不具有时间依赖性，即随时间流逝而不断变化。它利用大量以前的申请数据，依照违约风险大小将目前的信用申请人排序。任何有关申请人的违约预测的信息都应当考虑，不试图建立因果或解释性的模型。申请评分一般需要申请人过去2年以上的数据以及至少1年的信用记录。这种处理方法的基本思想在于信用申请人过去的信用质量对当前以及将来仍然具有参考价值。

尽管信用计量的目标是评估某一特定风险—比如1年内不偿还贷款，但是却不注重其真实风险值，只要信用申请人的相对风险次序正确就可以。原因就在于贷款人一般通过经验加上一定程度主观判断来确定一个指标接受点，只要申请人的评分在该点以上则给予授信。这些指标有似然接受率或边际好坏比例等。这样，最终决策与真实的违约概率无关。

申请评分的数据来源随着信用局的发展得到极大的扩展。这样，各种数据就可以集中到一起，这些数据包括申请人在不同授信人那里的信用表现信息甚至民意选举以及法律诉讼信息等与消费者信用质量有关的信息。不过，由于社会文化和法律差异，各国的信用局数据以及允许用于信用计量的数据不尽相同。这导致信用计量模型的非普适性，也就是说在一个国家的适用的评分模型到另外一个国家就不一定适用，因为模型选择的因素不同。

从申请评分到行为评分可以说是消费信用计量的一大进步。行为评分将消费者的支付和购物信息和社会整体统计信息结合起来，进行分析计量，以预测消费者未来若干时期内的违约风险。其基本方法与申请评分类似，只不过采用了更多关于消费者以前消费行为的变量数据。有时，为了精确刻画消费者行为特征，刚采用的变量多达1000个。从申请评分到行为评分有两个值得关注的问题。首先，行为评分可以用于什么决策？是为了更进一步精确信用评估，是为了产品直销，还是为了自动增加消费者信用限额？或者是为了更好地给他们提供其他信用产品和服务？其次，行为评分不仅建立统计分类模型，而且通过对消费者过去的行为研究建立概率模型来预测他们未来的行为。这些模型采用马尔科夫链思想。虽然这种模型用途早在1962年就出现，但消费信用行业所采用的行为评分用途依然是通过统计分类发现潜在的违约者。

在消费信用计量发展演变的第二个50年里，有几件非常值得关注的事情。首先，贷款人的目标从简单的违约风险评估转变到其他与企业股东价值相关的商业经营目标上来，即贷款人的信用管理目标不仅仅考虑减小信用风险，还提升到了增加企业价值的战略层次。其次，贷款人许多决策不仅仅涉及普通贷款或信用卡申请接受问题。再次，西方国家的消费信用市场日渐成熟，很难保证贷款组合稳定不变，意味着贷款人必须将更多注意力集中到留住客户和开发新客户上。最后，新巴塞尔协议（Basle II）要求从整体贷款组合的高度计算消费信贷组合的风险并计提资本金，以达到8%的资本充足率要求；而不是简单地独立考虑单笔消费贷款的信用风险。

在过去的10年里，消费信用计量模型在扩展和统一方向上都有所前进。在某些方面，信用评分可以算是数据挖掘的先驱，在倾向性函数方面的工作更是如此，它使得消费信用计量向估计消费者违约风险以外的其他行为倾向迈进了一大步。于是，响应评分卡、使用评分卡和损耗评分卡等与消费者有关的计量工具出现了。响应评分卡（response scorecard）计量消费者对直销方式的反应程度，即消费者是否对直销产品做出反应。使用评分卡（usage scorecard）测试消费者是否接受提供的信用产品以及接受程度。而损耗评分卡（attrition scorecard）则测量消费者是否持续接受信用产品供应商提供的产品或服务，特别是在信用产品面世初期有多家供应商产品竞争时。另一方面，许多贷款人将目光更多转移到消费者带来的赢利潜力而非他们的违约概率方面。不过，从产品违约评分到客户违约评分，到产品利润评分再到客户利润评分，消费信用计量仅取得了有限的进步。产品违约评分是估计客户在某一特定信用产品上违约的概率，客户违约评分是对客户与某些贷款人之间信用关系存在违约的可能进行估计。产品利润评分是估计贷款人在某一特定信用产品上的利润潜力，而客户利润评分则是评估客户对贷款人的整体利润潜力。这些评分模型许多仍然处于萌芽阶段。有些模型利用周转额或其他财务指标作为贷款人回报的替代并辅以标准评分卡来测度风险。这些模型目前在一定程度上有融合的趋势。另外有些模型则利用回归直接寻找利润与消费者信用评分和行为特征之间的关系或通过贝叶斯学习网络以及生存分析方法间接将贷款人利润与消费者特征联系起来。还有的采用基于马尔科夫链思想的概率模型，通过动态规划寻求利润最大化策略。

消费信用计量发生这些变化的客观原因之一在于贷款人试图优化与客户之间的所有决策而不仅仅是违约预测。贷款人发现他们不仅可以在初期通过选择信用限额、利率和其它产品特征最大化消费者的利润贡献，还能够在交易存续期内通过调整这些可控变量影响其他营业或营销决策。因此有必要构造其他的模型以适应不同的决策目标。

最近，消费信用市场上开始流行依据消费者风险给信用产品进行个性化定价。这种具有不同风险的消费者（客户）对同一产品支付不同费用的观念在保险业长期以来盛行，而在信用行业却经历了很长一段时间才开始被接受。对某一特定客户收费多少远比在给定价格或利率情况下是否接受某一客户所做的计量建模技术要复杂得多。这些模型既需要用到风险思想，还需要营销思想。目前，做这方面工作的模型不多，尚属尝试阶段。

传统消费信用计量模型单独考虑每笔贷款或每个消费者，而贷款人却对零售贷款组合的特征也非常感兴趣。这种兴趣经过近来新巴塞尔协议对内部评级模型的强调而集中爆发出来。新巴塞尔协议允许银行采用自己估计的违约概率和违约损失率参数引入零售信贷组合的损失分布计算之中。这就需要精确估计违约概率并对贷款组合进行恰当分类以准确估计成本最小化资本需求。而目前的消费信用模型却显然不具备这样的能力。这对消费信用计量提出了巨大的挑战。

消费贷款组合计量新近发展的另外一个动力来自于贷款证券化急剧增加的压力。贷款证券化是指将贷款或相似的贷款组合打包出售给第三方或以之为支撑在公开市场发行债券，由第三方承担新打包组合的收益和风险。由于第三方的出现，可能不再需要精致的组合管理技术。打包组合的价格依据组合的信用风险。尽管证券化时也考虑信用评分的分布，但给打包组合定价时已经不再需要连续的客观模型，只需要主观判断和简便的工具就可以了。