最近投簡歷的時候遇到要求應聘者掌握信用評分模型，所以就學習了一下。注意這篇博文的分析是以P2P網貸為例,這篇博文轉載：http://www.weiyangx.com/108743.html，是作者翻譯的外國的一篇文章，為了照顧中文閱讀習慣，對其做了小小的編輯。

    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。雖然人人都可以通過對借款方在Lending Club(國外最大的P2P網站)和Prosper上的歷史借貸資料進行分析，但我相信，瞭解消費信貸行為、評分機制和貸款決策背後的工作原理可以幫助投資人更好的在市場中進行決策，獲得收益。

    消費信貸一直是推動世界領先國家經濟轉型的主要力量。在過去的50年裡，消費開支也因此有所增加。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，消費者負債總額為11.63萬億美元，其中74%為按揭和淨值貸款，10%為學生貸款，8%為汽車貸款，以及6%為信用卡債務。消費信貸需求增長率極高，自動化風險評估系統勢在必行。

信用評分

    信用評分最早始於上世紀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，這種行為轉變成了申請人評分（applicant scoring）。信用評分藉著申請人評分這一項成為了一項成功的評價系統。

    在信用評分中，信貸價值假設會在未來的幾年保持穩定，貸方會對申請人是否會在未來的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機率相比而來。申請者貸款1-2年以來的資料，加上相應的信用記錄將幫助建立申請者未來2年左右的申請評分模型。

    行為評分（Behavioral scoring

    與可使用靜態信用評分模式的申請人評分不同，行為評分和利潤評分需要使用動態信用評分模式，即要將過去的信貸行為納入考慮範圍。 一般來說，信用評分模型會分別為每一筆借貸建模。但是，如果借款人貸款組合違約情況（信用風險）增高，所借款項便不重要了。目前為止沒有廣泛接受的用於評估貸款組合的信用風險模型。我們可以通過評估系統識別貸款質量的能力，預測概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獲得利潤最大化。對於任何一筆貸款中,投資人都需要考慮貸款回報額。投資100美元，獲利10美元顯然不如投資25美元，獲得3美元回報。有些情況下，借款人無法償還貸款，這就意味著貸款人甚至會面臨重大損失。我們可以通過分析投資組合違約率及違約結果對風險進行量化。貸款人還可以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需要基於一系列決策：即哪些資訊將有助於作出決策,在決策過程期間和之後貸款會有何發展以及最終可能出現的結果。

影響圖網

    影響圖網利用視覺化的圖形幫助投資人瞭解主要決策、不確定性因素以及最終成果是如何相互影響的。影響圖網可以確定決策的重要方面，有哪些資料與決策相關，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),不確定因素(圓形節點),以及結果(菱形節點)。各節點由箭頭相互連線。

圖1從市場中貸款人的角度進行繪製。

    在上圖中我們看到：首先，貸款人獲得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）。接著，平臺將決定是否釋出貸款（Loan issued or not）。這對貸款人來說是隨機事件。只有該貸款得到足夠的貸款人支援，貸款人對是否釋出貸款才有決定權或影響力。貸款一旦釋出，貸款人就可以檢驗收入證明（Income verification）執行情況，檢視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，貸款人可以決定是否要在FILOfn二級交易平臺上賣出貸款。類似的，其他貸款人也可以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

     決策樹確定貸款中有哪些最優決策，並按照決策過程中資訊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視覺化影響圖網中的結構逐漸形成的呢？決策樹與影像圖網的結構類似。其結果由以數字代表的回報事件表示。每個機會節點(不確定事件)都被賦予一定比重,比重代表事件結果發生的可能性。

從結果點開始往回推，經過所有決策及不確定事件的節點後，可以計算出每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做出了一份初期判斷。如果貸款人不願投資，則回報是0。如果貸款人投資，則有兩種可能：投資回報良好，或不好（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。如果違約可能性是5%，並且貸款人願意投資，則貸款人可能從借款人處獲益：

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

如果貸款人不願投資，則獲益為0。因此，決策樹顯示貸款人應該進行投資。如果違約的可能性增加到10%，則貸款人可能從借款人處獲益：

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

因此，決策樹顯示貸款人不應該進行投資。

綜上所示，如果g代表貸款人收益，l代表因借款人違約導致的貸款人損失，p代表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，也稱為良莠比（good:bad odds）。

能夠涵蓋所有貸款決策的決策樹很難實現，也不方便。但是，決策樹可以協助貸款人進行決策。