中小银行消费金融业务信用评价体系研究

李国全+杨勇+陈思博

【摘要】文章在分析我国发展消费金融和中小银行发展消费金融的意义的基础上，梳理了现有的消费金融研究成果，指出对中小银行消费金融业务信用评价研究不足之处，构建了消费金融个人信用评价模型，通过实证分析研究了某中小银行在消费金融业务信用评价方面的应用效果和发展对策，最后对消费金融信用评价的未来研究方向进行了展望。

【关键词】中小银行 消费金融 信用评价

一、引言

（一）我国发展消费金融的意义

近十年来，拉动我国经济增长的两驾马车——投资和出口明显疲软。中央“十三五”规划中提到了坚持扩大内需，特别是居民消费需求。因此，培育和发展居民消费，促进消费经济就成为扩大内需的落脚点（宋明月，2015）。从发达国家促进消费经济成功经验来看，以金融助力居民消费升级、进而推动产业结构调整是“新常态”下金融改革的一项重要任务。

（二）中小银行发展消费金融的意义

虽然国有大型商业银行在市场竞争、抵御风险及网络与信息化建设等方面比中小商业银行有很多优势，但地方中小银行在微观信息方面也有自己的独特的优势。当地方中小银行为这些中小企业提供了客制化的金融服务后，企业与银行就建立了长期的合作关系，这些客户成为了地方中小银行的长期发展与进步的基础。通过不断的合作，银行对企业的经营状况有了更加清晰的认识，可以用较低的成本来收集企业信息，对于企业财务报表和统计报表以外的其他信息也可以及时获取，进而准确地掌握企业的信誉状况、风险程度、资产抵押情况等，达到降低信息不对称降的目的，通过不同行业的贷款组合管理降低风险（姜鹏，2009）。由此可见，这种信息优势使得地方中小银行存在和大型商业银行并存的基础，成为地方中小银行得以生存和发展的动力。

（三）消费金融信用评估的意义

随着贷款利率市场化，个人信贷业务将成为商业银行争夺的优质业务，其中价格竞争必然成为各家商业银行的竞争手段。如何给出一个合理科学且有竞争力的市场价格就是摆在各家银行面前的一个重要问题。如果缺失合理科学的个人信贷定价机制，就会造成恶性的价格竞争，使各商业银行陷入价格战，甚至是使得商业银行体系崩溃。

商业银行个人信贷定价的难点和重点就是个人信用评估。消费金融业务的特点就是“快捷、纯信用，额度小”，审批也多为采用批量获客和批量审批的方式，甚至是有的采用人工智能的系统自动审批，这些都可能造成呆账、坏账的产生，进而会产生信用风险（彭飞等，2014）。由于我国的个人信用体系建设还未完善，消费者的个人数据具有分撒化和非结构化特点，这些都会造成消费金融信息数据获取成本高和准确性差等特点，造成信息不对称，进而引发信用风险。

因此，如何实现准确且便捷的个人信用评估是各商业银行控制贷前风险、计算个人信贷价格的关键。

二、消费金融评价体系研究现状

国外在消费金融方面的研究比国内要早很多。现有的已经被学术界广为接受的消费金融国概念包括Consumer Finance（消费者金融）、Household Finance（家庭金融）、Personal Finance（个人金融）、Consumer Credit（消费者信贷）（清华大学中国金融研究中心，2011）。与西方国家相比，由于我国缺少个人数据的积累，个人财富中储蓄为主，这些差异导致我国的消费金领域的研究起步较晚。随着我国经济社会的发展，我国的消费观念和消费结构也在发生着巨大的变化，消费金融也越来越得到社会各界的广泛关注。

然而国内关于消费金融的研究多集中于其中某个方面，缺少整体性研究，基础性的理论更是缺少，现有的研究主要包括以下几个方面：一是消费金融公司的发展模式研究。李瑞红（2010）在分析了国外发展消费金融公司成功经验额度基础上，提出了我国消费金融公司面临的风险与挑战及未来的发展前景，建议通过政府监管政策和行业规范来促进消费金融公司的规范化发展；二是政策监管对策研究。翟帅、朱玛（2010）从法律法规和监管的角度分析了消费金融公司发展的困难，指出在市场竞争环境中有许多困境需要政府和企业来解决。

通过以上研究可以看出，其中很少涉及中小银行的消费金融信用评价指标体系的研究，本文就从方法和实证角度研究中小银行的消费金融信用评价问题，主要从三个方面开展研究：一是中小银行消费金融指标体系建设；二是中小银行消费金融评价指标体系权重的确定；三是消费金融信用评价得分的合成。最后通过对一家中等规模银行的实际数据进行实证分析来验证模型的准确定和适用性。

三、消费金融信用评价体系构建

（一）指标体系建设

尽管不同的消费金融公司给出了自己的个人信用评价指标体系，但都是立足于自己的银行，而没有从整个银行环境来考虑个人的银行信用。于此同时也缺乏对非银行信用记录的考察，非银行信用记录很多，但并不是所有的不良记录都要考虑进来，只有那些对信贷履约有较大影响的不良记录才需要加以考虑。在选取评价指标时采用了单变量分析法针对每个风险因素的风险区分能力以及经济理论假设一致性进行分析，筛选出精简的、有足够区分能力的风险因素。

用于筛选单变量区分能力的统计量，业界常用的主要有AR值和KS值。根据每个单变量在两个统计量上的表现，可以判断出单个财务指标是否在一定程度上区分“违约”和“非违约”状态，从而识别出能对“违约”有潜在区分能力的单变量。

AR值是CAP曲线（Cumulative Accuracy Profile）用来分析单因素风险区分能力的手段。如果CAP曲线越接近“完美曲线”，表示这个风险因素的區分力越好。而且，在得分低的部分越陡峭，说明区分力越好。曲线陡峭的原因是大部分差的债务人可以很好地在这部分的得分低端中表现出来。

CAP曲线是通过对债务人按照按评分从低到高进行排列。对于任意给定比例x的债务人，CAP曲线计算该比例中债务人的违约概率，当x从0%到100%进行变动，就得到了CAP曲线。

假设共有N个客户，总共D个客户违约，C个客户没有违约，且有CAP曲线的绘制方法如下：则第i个客户在图中的坐标为 [i/N，f（i）/D]，其中f（i）表示摆在它前面的违约客户总数。连接所有的点[i/N，f（i）/D]即为CAP曲线；