基于FICO模型信用卡差别定价研究

二十世纪90年代以来信用卡在我国金融市场出现并得到较快的发展，但由于信用卡市场发展不完善造成了对其定价方式的不利影响，从而制约了信用卡市场的发展。本文通过模拟FICO模型的基本思路，验证了信用评分机制在中国的可行性，并结合中国的国情，建立适合中国的信用评分模型，实行差别定价，以达到降低银行风险，加快信用卡市场发展。

一、研究背景

第一，我国信用卡市场的发展现状及存在问题。

2003年以来，我国的信用卡市场迅速启动，出现井喷式增长。到2006年底，信用卡发卡量达到5000万张，其中贷记卡3200万张。截止2011年我国信用卡新增发行量5500万张，累计发行量已达2.85亿张，交易笔数达到28.5亿笔，交易金额达7.56万亿元。发卡数量的急剧增长， 为我国银行信用卡业务的成长和盈利模式的选择提供了空间， 居民持卡消费也不断上升。虽然目前我国信用卡市场蓬勃发展，但是仍存在一些问题：

其一，持卡消费出错率高。

由于我国信用卡技术不是很先进，导致信用卡消费交易成功率较低，交易速度慢，且经常出现错误，严重阻碍了消费者持卡消费的积极性。制约了信用卡市场的发展。

其二，特约商户数量较少。

特约商户数量较少是制约信用卡消费的又一主要原因。截止2010年全国可以受理联网信用卡的特约商户只有218.3万家，POS机333.4万台，国内ATM终端25万台。另外，特约商户分布不均，多处在发达地区的大商场和酒店，而居民日常的消费地点大多无法受理信用卡消费。

其三，我国信用卡消费普及率低。

尽管各银行利用首年免年费、降低发卡门槛等各种手段极力促销本行信用卡，争取较高的发卡量，但是消费者的用卡积极性似乎仍然不高。据统计，截止到2010年底，我国银行卡累计发行量虽然已达24.2亿张，其中绝大部分为不具透支功能的借记卡，信用卡有2.11亿万张，人均0.16张，活卡量为13158万张，相对于西方国家普及率较低

其四，银行信用卡风险较大。

信用卡业务是一种高科技、高投入、高收益和高风险的金融中间业务。信用卡业务风险主要包括信用风险、利率风险、流动性风险、法律风险、策略风险和商誉风险等八类，其中，信用风险更是风险中的风险，也是银行防范和控制的重点。

其五，我国个人征信体系尚不健全。

目前，我国市场经济发展还不充分，信用经济发展较晚，企业、个人对信用的意识还比较淡薄，个人信用资源的利用程度较低，发展不平衡，尚未建立全国性的个人信用征信中介服务机构、实现社会信息资源共享、个人征信体系尚不健全。

第二，我国信用卡市场的定价情况。

其一，我国信用卡定价的基本情况。

信用卡的价格主要由年费和透支利率组成。目前，我国银行信用卡定价的方式还比较单一。各银行基本上都是将某一信用卡分为普卡和金卡，普卡收取一定的年费，金卡则收取更高的年费。现在，一些信用卡出台了免受年费的政策，持卡人如果符合其规定，可免收年费。其而对于透支利率，各行又有不同的规定。有的银行从透支消费的当日起，对持卡者收取万分之五的日利率（中国人民银行统一规定）；而另外的一些银行，对持卡者在免息期内的透支不收取费用，只对超出免息期的部分收取万分之五的日利率作为罚息。免息期一般由20日至60日不等。

以下为中信实业银行star人民币信用卡、招商银行公务卡和工商银

行牡丹国际信用卡的年费和利率对比图。

其二，我国信用卡市场现状对信用卡定价的影响。

目前我国信用卡市场还处在刚刚起步的阶段，市场潜力巨大；大多数消费者还没有完全接受透支消费― “今天花明天的钱”的消费方式；同时，由于市场还不成熟，银行潜在的风险也很大。这些情况，都影响着信用卡价格的制定，而目前我国银行的定价方式还非常单一，除了信用卡透支利息的日利率万分之五（人民银行统一规定）以外，各家银行信用卡的年费基本一致，只以普通卡和金卡作为区分，分段还比较单调。

为了实现信用卡差别定价，刺激不同层次持卡者消费，银行需要将持卡者的个人信息和信用情况加以量化，分析之后进行合理的价格制定。由于我国个人征信体系不够健全，在制定模型已进行差别定价时，应考虑到模型的可行性。这样才能制定合理的模型，指导银行定价。

二、FICO模型及在我国信用卡市场的适用性

第一，信用评分与信用卡管理。

其一，信用评分概述。

信用评分最早始于1940年代末至1950年代初。早在1941年， Divid Durand 为消费者贷款建立了她自己的评分标准。这一标准，后来被许多分析者和贷款机构采用和效仿。DividDurand在其中考虑了9个因素：年龄、性别、居住的稳定性、职业、就业的产业、就业的稳定性、是否在银行有帐户有存款、是否有不动产、是否有生命保险。

1956年，工程师Bill Fair 和数学家Earl Isaac共同发明了著名的FICO评分方法，并成立了Fair Isaac公司。Fair Isaac公司是世界上第一家提供信用评分数学模型的公司。1958年，Fair Isaac公司了第一套信用评分系统。

然而，为了能提供一种可以有效处理大量信贷申请的工具，美国有些银行开始进行一些有关信用评分方法的实验。

因此，20世纪60年代，相继出现了许多专门提供客户信用报告和信用分数的信用管理局，如美国著名的三大信用管理局（ Experian， Equifax and TransUnion）。

近年来，随着全球信用评分市场领域发展更加迅速，出现了许多信用评分公司和信用管理局，同时也极大的提高了银行对用户进行信用评估的准确性、有效性和一致性。每个信用评分公司和信用管理局都有不同的信用评分系统，不同的信用评分系统有不同的信用评分规则。

其二，信用评分在信用卡管理中的应用。

信用评分是指根据客户的信用历史资料，利用一定的信用评分模型，可以得到客户的信用分数，判断其按时还款付息的可能性，进而决定是否准予授信（通过其申请审核）以及授信的额度和利率。虽然通过信贷元的个人经验，分析客户的信用历史资料也可以得到相似的分析结果，但是利用信用评分却更加快速、客观，更具有一致性。

在国外，信用评分的根据除了信用报告和申请书以及社会公共记录的材料，还有就是借款人的信用历史。信用评分主要使用五类信用资料，按照其重要程度依次为：个人破产记录、抵押品、拖欠债务、迟付借款；未偿还债务；信用历史长短；一年以内新贷款申请的次数以及使用的信贷类型。

信用得分的计算将反映消费者个人的整个信用情况，并不是由一个或几个因素决定的。信用得分由对消费者有利的信息和对消费者不利的信息共同决定。信用评分赋给各个指标不同的值，经过加权得出最后的综合分数。在信用卡管理中，有着广泛的应用。

最为常见的信用评分模型就是FICO模型。

第二，FICO模型――最常用的信用评分模型。

其一，FICO模型介绍。

FICO（Fair Isaac & Company的缩写）信用评分模型是由Fair Isaac（费尔艾萨克）公司提供的个人信用评分标准。

FICO评分模型是美国最常用的个人信用评分模型，也是当今世界上比较权威的信用评分模型。该模型利用高达100万的大样本数据，首先确定刻画消费者的信用、品德、以及支付能力的指标，再把各个指标分成若干个档次以及各个档次的得分，然后计算每个指标的分数，最后得出消费者的总得分。FICO信用得分的打分范围是325～900。信用得分高于680分则被认为信用情况很好，而低于600分则被认为信用很差。Fair Isaac公司迄今并未完全公开FICO模型的全部，只公开了模型的一部分，如表1，是1999年7月在FTO会议上Fair Isaac所公布的部分个人信用评价标准。

举个例子，如果一位客户向银行申请信用卡，通过FICO评分系统的打分，该客户的总得分为670分，对照信用分布图（图2），只有约30%的申请人的信用分数低于该客户，该客户的信用风险高于平均风险水平。因此，作为销售信用卡的银行在审查时会觉得670分存在较高的风险。

根据Fair Isaac的统计资料表明信用分数在650～699分数段的客户约占所有申请人数总和的16%，根据信用追踪记录表明，在此分数段的客户未按时偿还信用的发生概率大约为15%。从图3中可以更清楚地看到美国各分数段的人数分布情况和概率。

Fair Isaac模型已经为FTC（美国联邦贸易委员会）所承认，并成为全美三大征信系统的首选模型。许多银行业界均信赖并依靠该系统对个人客户的申请进行评估。

在美国的各种信用评分计算方法中，FICO信用评分的正确性最高。他根据借款人过去的信用历史预测将来的还款可能，给银行提供了一个客观一致的评估方法。信用评分采用客观的评分方法，由计算机自动完成评估工作，有助于克服人为因素的干扰，防止由人为因素产生的偏差。

在信用评分中有两个方面非常重要：一是客户信用资料的收集，就是指在信用消费中，通过调查了解申请授信的消费者个人的信用信息；二是利用信用评分模型进行评分。

其二，对FICO模型的分析。

根据Fair Isaac 的报告表明，FICO模型主要依靠五个方面的因素对客户进行评判。

一也是最重要的因素是客户偿付信用的历史纪录。参考客户在过去一段时间内其他信用账户的支付情况，包括其他已申请的信用卡的支付情况，并参考生活消费的支付情况、分期付款的支付情况（如分期付款购买汽车等）、其他非银行金融机构贷款的支付情况以及抵押贷款的支付情况等，从对个人信用历史纪录的分析来评价客户的偿付能力和支付意愿。在使用这一因素对客户进行评判时，需要考虑时间因素，一项最近一个月内发生的预期项目要比一项一年之前发生的预期项目重要，相应的对客户分数的影响要更严重。该因素在系统中约占35%的比例。

二是客户已拥有的循环信用账户的数目。相关数据表明如果客户已经拥有过多的循环信用账户，预示着该客户可能已存在较大数额的贷方余额，在评价客户信用度的时候，往往需要加总所有循环信用账户的贷方余额，以作为一项重要的评价因素，因此简单的取消一些账户，把余额转结到其他账户，并不能提高客户的信用分数。在考虑此因素对客户信用分数的影响时，一般还要结合客户的收入情况和所要申请的信用额度等具体情况来评价。该项在系统中约占30%的比例。

三是客户建立信用记录时间的长短。通常，拥有较长的信用历史会提高客户的信用分数，因为在统计资料中表明信用历史长的客户要比信用历史短的客户发生坏帐的风险要小。但是在考虑信用历史时间长短的同时还要结合其他的参考因素，如客户以往的信用状况、已使用的信用额度以及客户申请的信用种类等。因此，虽然一些客户的信用历史并不长，但是由于其信用申请报告中的其他资料足以证明其拥有良好的信用状况，同样可以获得较高的信用分数。在评价这一因素时可以使用历史最久的信用账户作为参考，也可以使用平均信用账户年限作为评价依据。该因素在评分系统中约占15%的比例。

四是其他非银行信用使用状况。主要是指客户在发卡银行发放的信用以外的消费信用、分期付款方式的借贷项目、其他财务公司借款以及抵押贷款等其他信用的使用情况。如果申请信用的客户的其他非银行信用状况良好，则可为银行发放信用提供参考，说明该客户有能力并且愿意偿还其使用的银行信用；如果客户其他非银行信用状况恶化，那么该客户不能偿还银行债务的风险将大大提高；而如果客户在其他财务公司存在贷方余额，那么这将会影响他的信用分数。这一因素在系统中约占10%的比例。

五是在最近一段时间是否已申请了过多的信用帐户。客户在短时期内申请了过多的信用帐户，一方面说明客户在未来可能会有较大的负债消费；另一方面，要参考客户的收入状况和信用历史，以确定客户是否有恶意透支的倾向。该项因素在系统中约占10%的比例。

其三，FICO模型在我国的适用性。

FICO信用得分计算的基本思路是把借款人过去的信用历史资料与数据库中的全体借款人的信用习惯相比较，检查借款人的发展趋势跟经常违约、随意透支、甚至申请破产等陷入财务困境的借款人的发展趋势是否相近，进而对新的申请者的申请进行判断。这种思路对于建立我国的个人信用评分模型是非常适用的。

同时，FICO模型能够很好的发挥其作用是建立在大量的已有消费者信息的基础上的，需要一个强大的数据库的支撑，这与一个国家征信体系的建设情况是密不可分的，单靠技术上的完善很难实现。

对比我国与西方发达国家信用评分体系的建设，不难发现，虽然近二十年来我国的征信体系发展迅速，但是相对发达国家的信用评分体系起步较晚，再加上相应的制度和法律体系不够健全，我国的信用体系依旧非常薄弱。而且，我国的法规偏重于规范和约束以企业为代表的经营性市场主体，而对个人为主体的信用规范、法规还基本处于空白状态。

由此可以看出，FICO模型基本适用于中国，但由于中国具体国情的特殊性，不能完全照搬照抄国外的方法，我们应该借鉴国外的先进思想和经验，结合中国的国情，建立真正适合我们的个人信用评分模型。

三、基于FICO模型的我国银行信用卡差别定价

第一，新的信用评分模型中指标的选取。

其一，新模型中指标选取的原则。

由于FICO模型对于我国信用卡市场基本适用，但我国的国情决定了我们不可能完全照搬照抄国外的模型。因此，参考FICO信用评分模型中的一些评分因素，加入适合我国居民消费习惯、符合我国经济特点的一些相关因素，从而可以得到一个新的模型。

新模型的建立本着客观性、相关性、可比性和可行性的原则。客观性是指利用信用评分模型得出的信用分数可以客观的反映客户的信用风险水平，并且具有普遍性；相关性是指各评价因素之间的数学关系以及评价因素与评价结果之间要具有一定的数学关系；可比性一方面是指通过新的模型得出的数据结果要在一定程度上可以将客户进行信用分类，另一方面，新的模型与国际常用的其他模型应具有一定的可比性；可行性是指新的模型中指标的选取应该符合我国国情和我国信用卡发展现状，具有数据来源。不能只是一纸空文，得不到数据，只能纸上谈兵。

其二，选取的具体指标及分析。

选取的指标主要围绕着个人品德、能力、客户的潜在价值来对申请者进行打分。具体包括：年龄、学历、所处行业、职位、工作年限、婚姻状况、薪水、住房情况、房屋估价、已拥有信用卡数量、在本行开立帐户时间长短、在本行月平均存款余额

其三，指标权重的制定。

不同的指标，比如年龄和公作岗位对判断客户信用的贡献率不同，也就是说，不同的指标，其对客户实际信用的影响程度不同，因而新的模型中，不同的指标被赋予不同的权重。权重的制定，是从银行现有的信用卡用户中随机抽取数据，再进行分析得出的。

第二，新模型的建立。

新模型建立的基本思想，是根据已有的数据记录，已发生的实际交易制定出合理的模型，指导银行未来对信用卡的管理。基本思路图如下：

其一，样本数据的选取。

从银行已有的信用卡用户数据库中随机抽取1000个数据。样本容量越大，越可以反映出全部数据的真实情况。参照这些用户实际发生的交易和透支等情况，银行根据自身对优质和劣质客户的区分标准将1000个客户分为“好”的客户和“坏”的客户两类，这些用户的数据和资料就是我们建模型所要参照的原始数据。

其二，样本数据的分类统计。

将抽出的样本数据按照已选好的指标进行分类。并记下每次分类后各指标下“好”客户与“坏”客户的数量。具体操作如下：

首先，将样本数据按照年龄分类。A 年龄段中，“好”客户数量为a ，“坏”客户数量为a ；A 年龄段中，“好”客户数量为a ，“坏”客户数量为a ；A 年龄段……依此类推。

然后，将样本数据按照学历分类，同样，得到不同分类下的不同数据结果：B 学历中，“好”客户数量为b ，“坏”客户数量为b ；B 学历中，“好”客户数量为b ，“坏”客户数量为b ……

将数据按余下的指标依次分类，并将每次得到的不同“好”“坏”客户数量结果记录下来，得到不同指标下分类的不同数据结果。如图所示：

其四，差别定价依据。

将1000个样本数据中的“好”客户按照新建立的模型，计算出其综合信用得分，可得到这1000个客户中“好”客户的信用分数分布图，由于1000个样本是随机抽取的，所以该分布图基本上可以反映该银行已有信用卡客户的情况。

通过分析客户信用得分分布图，可以得到该银行客户信用分数的分布规律以及各个分数段客户的比例，银行可根据自身发展和经营管理的需要确定差别定价的级别以及各级别的价格，并确定划分的临界信用分数。

第三，新模型的应用。

其一，新模型应用的具体步骤。

抽取样本数据。新模型的建立是以已有的样本数据为基础的。所以，随机抽取样本数据是银行应用模型的第一步。银行可在其已有的信用卡数据库中随机抽取尽可能大的样本数据作为研究的目标，这些样本数据要随机抽取，这样才能更加贴近银行的经营现状。

数据的预处理与建模。每个银行都有其判断“好”客户与“坏”客户的尺度。银行需根据抽取出的客户资料的信用记录，将所有抽取出来的样本数据分为“好”客户与“坏”客户两类，然后将所有的数据按照已选定的指标分类，统计出每一分类方法下“好”客户与“坏”客户的数量，并按照上述方法计算出每个指标在该银行的权重，得到适用于该银行的信用评分模型。

确定差别定价的尺度。在800名“好”客户中，用新的信用评分模型对其进行信用评分，可以得到一个客户信用分数的分布图，银行可根据自身的实际情况和需求，对已得出的信用分数分布图进行分析，确定差别定价中，各个价格段的客户数量比例，进而得出各个价格段对应的信用分数。新申请的用户通过信用评分后，可根据其所在的信用分数段对其收取对应的费用，提供相应的服务。

新客户的审核及差别定价。银行可以根据对自身信用卡经营状况的满意程度与否，调整通过信用卡申请的信用分数以及差别定价的尺度。例如，假设银行抽取的1000个样本数据中，“好”客户数量为800，“坏”客户数量为200，那么“好”客户数量与“坏”客户数量之比为4。依照前面的方法，银行可通过加权的方法，建立起信用评分模型。若银行对现在的经营状况不满意，认为风险偏高，收益相对较低，则银行可以制定新的信用分数底线为4.5，申请信用卡的用户中，经模型评分高于4.5的可以通过银行审核，低于4.5的用户银行可以拒绝其申请信用卡。

对于通过审核的客户，银行再根据已经确定的差别定价的尺度，确定该客户信用分数隶属的区间，进而确定对其收取的费用标准和提供的服务。

当然，由于国家的政治经济情况的不断变化，模型中各个指标的权重也会发生一定的变化，同时，由于每个新的申请者和已有客户的自身条件也不断变化着，其信用情况也不可能一成不变。因此，每隔一段时间，银行就应该对模型进行调整，不断完善，来适应不断变化的市场。

其二，新模型的特点。

新的信用评分模型的建立参照了FICO模型的基本思路，以已发生的信用事实来预测未来某信用事件的发生概率，而且是在在对大量随机抽取的样本数据进行分析计算之后得出的。这样模型即能够客观地反映银行信用卡业务经营的现状，又可提高预测的准确性，尽可能规避银行的风险，提高其竞争力。

由于我国具体国情与西方发达国家不同，新模型中的判断信用情况的指标与原有的FICO模型不同，计算得出的权重也相应地发生变化，因而，是更加适用于我国银行的。

总体来说，新模型具有以下几个特点：

可行性。由于新模型是以我国国情为基本出发点，其指标数据的选取都是因国情出发，并且模型的算法用计算机很容易实现，具有可行性。

较大的灵活性。各银行可根据自己的实际情况，计算出适合自己的参数权重，并可根据自己的发展需要，调整通过信用审核的最低分数要求。当银行认为目前经营风险较大时，可以提高通过审核的最低分数，这样就会有相当一部分的申请人被拒之门外；反之，当银行想降低申请信用卡的门槛时，也可以降低该分数。

较强的修正性。由于个人的信用状况，国家的政治经济情况以及银行的经营目标和经营状况每时每刻都在发生着变化，因此，银行的定价策略也会发生相应的变化。由于新的模型是以既成事实为依据，具备较强的修正性，银行可根据自身需要，加入新的判断指标，重新计算指标的权重，随时对模型作出调整，以满足自身的不断发展。

广泛的适用性。新模型不仅适用于银行信用卡业务，同时也可应用到银行其他业务。在其思路方法的基础上稍作变动，即可应用到银行信贷等不易预测风险的业务中。

四、结论

本文参照国际最常用的FICO信用评分模型的基本思路，结合我国的实际情况，即我国信用卡市场及信用卡持有者的消费特点，建立一个适合我国信用卡市场的信用评分模型，该模型具有可行性、灵活性、修正性和广泛的适用性，不但可以应用在信用卡市场，同时可以应用在银行其他需要信用评分的业务。

同时，本文将新的信用评分模型与信用卡差别定价相结合，用信用评分来指导银行对不同客户差别定价，对银行吸收优质客户，降低经营风险，提高与西方商业银行的竞争力都有一定的帮助。

（第一作者单位：大连理工大学经济学院；第二作者单位：国家开发银行评审一局船舶融资中心）