信用评分模型

信用评分模型是根据数据计算申请贷款或信用卡的个人或企业今后按时还款的可能性，并以分数或等级表示的模型。金融机构依据这一分数决定是否批准、额度和利率。

关于这个术语

通俗解释 这就像借钱给初次见面的人时，翻看对方过去履约的记录，判断其“是否可信”，再把这种判断整理成数字。不过与人的直觉不同，模型在训练所用的历史数据中未出现过的情况下，判断可能会严重出错。

工作原理

把过往借款人的信息（还款记录、收入、负债规模、交易年限等）与其是否实际逾期配对，用来训练模型。模型根据新申请人的信息预测其逾期概率，再转换为分数或等级。传统上多使用逻辑回归等易于解释的统计模型，如今也会结合梯度提升等机器学习方法。最终决定会在分数之外综合考虑公司的贷款政策和规定。

信用评分模型如何得出分数

用历史数据训练的模型预测新申请人的逾期概率，再结合公司政策做出决定。

它是金融机构在减少损失的同时，仍能向有还款能力的人放贷的核心工具。将审核自动化后，可以快速、一致地处理大量申请。此外，利用通信费、公用事业费缴纳记录等替代数据，金融交易记录较少的职场新人或个体经营者也更有机会获得评估。

模型可能原样学到历史数据中的偏见，因此需要检查结果是否对特定群体不利。很多情况下需要向被拒贷的人说明理由，所以可解释性尤为重要。经济形势变化后数据分布随之改变、导致模型性能下降的数据漂移也很常见。因此，金融业会在模型风险管理体系内定期进行验证和监控。

在互联网银行或金融科技应用中查询贷款额度时，几秒钟内就会显示额度和利率，其背后正是信用评分模型根据申请人的信息计算还款可能性。部分服务会在信用评级机构的分数之外，再加上用自有数据构建的模型进行审核。