信用評分及模型原理解析（以P2P網貸爲例）

   本博文將針對消費貸款領域的信用評分及其模型進行相關研究探討。雖然人人均可以經過對借款方在Lending Club(國外最大的P2P網站)和Prosper上的歷史借貸數據進行分析，但我相信，瞭解消費信貸行爲、評分機制和貸款決策背後的工做原理能夠幫助投資人更好的在市場中進行決策，得到收益。

    消費信貸一直是推進世界領先國家經濟轉型的主要力量。在過去的50年裏，消費開支也所以有所增長。根據紐約聯邦儲備銀行家庭債務和信用季度報告,2014年8月，消費者負債總額爲11.63萬億美圓，其中74%爲按揭和淨值貸款，10%爲學生貸款，8%爲汽車貸款，以及6%爲信用卡債務。消費信貸需求增加率極高，自動化風險評估系統勢在必行。

信用評分

    信用評分最先始於上世紀50年代初。信用評分最初使用統計學方法來區分優秀和不良貸款。最初，信用評分的重點是是否要給貸方發放貸款，後來，這種行爲轉變成了申請人評分（applicant scoring）。信用評分藉着申請人評分這一項成爲了一項成功的評價系統。

    在信用評分中，信貸價值假設會在將來的幾年保持穩定，貸方會對申請人是否會在將來的12個月內出現90天以上的逾期支付進行評估。申請成功時的最低評分界限是該分值邊際良好和不良貸款概率相比而來。申請者貸款1-2年以來的數據，加上相應的信用記錄將幫助創建申請者將來2年左右的申請評分模型。

    行爲評分（Behavioral scoring）,是申請人評分的一個補充，旨在評估申請人在過去一年中支付和購買行爲的情況。 此數據用於預測將來12個月的違約風險狀況,一般每月更新一次數據。最近表現和當前信貸信息比最開始的申請信息更爲重要。比起違約風險，現在貸款方更加註重能知足他們盈利目標的貸款戰略。他們經過選擇貸款額、利率及其餘條款,從而最大限度地提升盈利能力。基於盈利能力而作出決策的技術分析叫作利潤評分（profitscoring）。

    與可以使用靜態信用評分模式的申請人評分不一樣，行爲評分和利潤評分須要使用動態信用評分模式，即要將過去的信貸行爲歸入考慮範圍。 通常來講，信用評分模型會分別爲每一筆借貸建模。可是，若是借款人貸款組合違約狀況（信用風險）增高，所借款項便不重要了。目前爲止沒有普遍接受的用於評估貸款組合的信用風險模型。咱們能夠經過評估系統識別貸款質量的能力，預測機率的精確性以及分類預測的準確性這三點來評估一個信用評分模型。

貸款決策模型

    貸款人的主要目標是在其投資組合中得到利潤最大化。對於任何一筆貸款中,投資人都須要考慮貸款回報額。投資100美圓，獲利10美圓顯然不如投資25美圓，得到3美圓回報。有些狀況下，借款人沒法償還貸款，這就意味着貸款人甚至會面臨重大損失。咱們能夠經過分析投資組合違約率及違約結果對風險進行量化。貸款人還能夠將風險和回報設定在預期的範圍內。最終是否投資給借款人須要基於一系列決策：即哪些信息將有助於做出決策,在決策過程期間和以後貸款會有何發展以及最終可能出現的結果。

影響圖網

    影響圖網利用可視化的圖形幫助投資人瞭解主要決策、不肯定性因素以及最終成果是如何相互影響的。影響圖網能夠肯定決策的重要方面，有哪些數據與決策相關，以及在哪些方面與決策有關。圖網包括三種節點:決策(長方形節點),不肯定因素(圓形節點),以及結果(菱形節點)。各節點由箭頭相互鏈接。

圖1從市場中貸款人的角度進行繪製。

    在上圖中咱們看到：首先，貸款人得到借款人是否會有良好表現的貸款預測。預測是隨機事件,貸款人也不能決定預測的結果。它影響的是否投資貸款（Loan or not）的決策，也會影響借款人的表現優劣（Borrower good or bad）。接着，平臺將決定是否發佈貸款（Loan issued or not）。這對貸款人來講是隨機事件。只有該貸款獲得足夠的貸款人支持，貸款人對是否發佈貸款纔有決定權或影響力。貸款一旦發佈，貸款人就能夠檢驗收入證實（Income verification）執行狀況，查看FICO分數及還款記錄（FICO score and payment history.）的變化，並更新貸款預測。根據更新後的貸款預測，貸款人能夠決定是否要在FILOfn二級交易平臺上賣出貸款。相似的，其餘貸款人也能夠在二級交易平臺上很據更新的貸款預測決定是否買入貸款。這一系列事件會最終影響貸款人的收益。

決策樹

     決策樹肯定貸款中有哪些最優決策，並按照決策過程當中信息的瞭解順序來解析決策的各個步驟。

那麼決策樹模型又是如何根據可視化影響圖網中的結構逐漸造成的呢？決策樹與影像圖網的結構相似。其結果由以數字表明的回報事件表示。每一個機會節點(不肯定事件)都被賦予必定比重,比重表明事件結果發生的可能性。

從結果點開始往回推，通過全部決策及不肯定事件的節點後，能夠計算出每一個結果的預期貨幣值（EMV）。

圖2是一個簡單的貸款決策的決策樹。貸款人對是否進行投資作出了一份初期判斷。若是貸款人不肯投資，則回報是0。若是貸款人投資，則有兩種可能：投資回報良好，或很差（即違約）。

假設，借款人回報良好時，貸款人獲益10，借款人違約時，貸款人則損失100。若是違約可能性是5%，而且貸款人願意投資，則貸款人可能從借款人處獲益：

0.95 x 10 + 0.05 x (-100) = 4.5

若是貸款人不肯投資，則獲益爲0。所以，決策樹顯示貸款人應該進行投資。若是違約的可能性增長到10%，則貸款人可能從借款人處獲益：

0.90 x 10 + 0.10 x (-100) = -1

所以，決策樹顯示貸款人不該該進行投資。

綜上所示，若是g表明貸款人收益，l表明因借款人違約致使的貸款人損失，p表明投資回報良好的可能性，那麼根據預期貨幣值（EMV）的標準，只有 pg – (1-p)l > 0時，貸款人應該進行投資。

p/(1-p)即投資回報良好的可能性與違約可能性的比值，也稱爲良莠比（good:bad odds）。

可以涵蓋全部貸款決策的決策樹很難實現，也不方便。可是，決策樹能夠協助貸款人進行決策。