信用風險評分模型是銀行等信貸發放機構應用較為成熟的風險計量工具。早在20世紀40年代，美國有些銀行就開始嘗試性研究信用評分方法，用於快速處理大量信貸申請。

1956年，工程師BillFair和數學家EarlIsaac共同發明了著名的FICO評分方法。該方法基本以Logistic迴歸方法為技術核心，是當前業界應用最成熟的信用風險評分模型。在20世紀60～80年代，隨著資訊科技的進步和業務的快速發展，信用評分模型在信用卡、消費信貸、住房抵押貸款和小企業貸款中得到了廣泛應用。

近幾年來，隨著大資料和網際網路金融的興起，某些新穎的機器學習演算法走出了學術領域，開始在部分網際網路金融機構的信用風險評分模型中得到應用。以Zestfinance公司為例，該公司將機器學習演算法應用於信用風險評分模型中，這是大資料信用風險評分模型領域的早期探索之一，也是業界討論熱點。然而，在討論基於大資料的信用評分模型過程中，經常見到的是出於公關需要的炒作、宣傳文章，對技術方法本身的討論較少，不利於應用方正確辨析和恰當應用大資料信用風險評分模型。

本文比對、分析了傳統信用風險評分模型和基於大資料的信用風險評分模型的差異。由於文章篇幅較長，下期我們還將刊文總結分析大資料信用風險評分模型的優缺點，以及有若干建議告訴讀者。

基於大資料的信用風險評分模型和傳統信用風險評分模型的差異分析

網際網路金融機構基於大資料的信用風險評分模型和傳統金融機構採用的信用風險評分模型在資料來源、變數生成、模型方法、應用方式、應用目標上均存在一定差異，主要體現在以下幾方面。

傳統信用風險評分模型的資料來源主要是三大類：客戶向金融機構提交的個人申請資訊、金融機構內部積累的客戶歷史資料、人民銀行徵信中心等外部機構提供的資料。

資料的主要特點是資料質量和資訊價值密度高、維度相對單一、可驗證性較差、資料採集渠道規範性較好。傳統金融機構基於傳統的高價值密度的資料，研發出各類信用風險評分模型，實現對客戶信用風險的評價，已經成為成熟的、規範化的執行方式。

大資料時代的客戶資訊來源更加多元化，主要包括各網際網路金融機構掌控的生態體系內積累的客戶資訊，以及通過外部各種渠道採集的客戶資訊。其資料特徵包括：

一是資料較為稀疏。資料採集渠道的多元化和非標準化，導致客戶資訊缺失率較高，同一客戶不同維度的資訊經常不完整，最終體現為資料的稀疏性。

二是價值密度相對較低。單項資料的信用評估價值密度較低，缺少傳統金融機構擁有的含金量較高的徵信類資料、歷史違約資料。

三是資料覆蓋維度廣。部分機構通過各種渠道積累了涉及使用者行為各方面的資料，如不少機構採集了覆蓋衣、食、住、行、娛樂、購物、通訊等各種來源的資訊。

四是單變數風險區分能力弱。分析發現，儘管市場上常見的大資料機構採集了各種維度的客戶行為資訊，對客戶總體形象的刻畫更詳細，但這類資料並未專注於客戶信用風險，往往缺少內部徵信資料、外部徵信資料、個人資產評估等有強區分能力的變數。大資料機構採集的客戶衣食住行、社交類等資訊，在信用風險評估領域大多屬於弱區分能力變數，需要彙集、整合大量資訊以後才能實現區分效果的實質性提升。

五是資料來源規範性不足，不少大資料採集機構通過灰色渠道採集個人隱私資料，資料可持續性不佳。

不同的資料特徵直接影響到模型變數的生成、挑選方式。傳統信用風險評分模型候選變數數量較少，單一模型候選變數常在數百至數千個數量級。進入模型的變數往往在數十個數量級。模型變數數量較少，客觀上使得資料可以經過多番清洗，清洗後的資料質量相對較好;同樣由於變數較少，傳統金融機構往往在變數挑選過程中開展多輪定量和定性分析。在篩選模型變數的過程中，除了參考變數的區分能力等定量維度，往往還需要參考機構內部業務專家的意見。

大資料時代，由於原始資料體量較大，通過變數本身衍生、變數之間衍生後產生更多候選變數。在單個模型內，相近的候選變數可多達數百乃至上萬個。由於缺乏專家團隊支援，通常採用挑選規則等方式自動化挑選候選變數，人工干預和專家稽核較少。同時，由於模型變數數量龐大和資料質量較差，容易出現模型變數未經嚴格資料清洗程式就進入模型的情況，對模型表現造成影響。

不同的資料特徵直接影響到建模技術方法的選擇。傳統的信用風險評分模型以Logistic迴歸方法為核心。Logistic方法處理二分類因變數的資料有獨特的優勢，同時模型關於資料分佈的假定較弱，在資料為非正態分佈時，也有較好的表現。因此，該方法是當前國內外金融機構、徵信機構最廣泛應用的方法。

大資料信用風險評分模型更多采用了神經網路(NeuralNetwork)、支援向量機(SupportVectorMachine)、隨機森林(RandomForest)等演算法。這些機器學習方法在解決特定問題時具有優勢，如有些方法適用於處理稀疏的資料;有些能更好地解決模型過度擬合問題;有些能處理大量的輸入變數，預測準確度較高，能有效提升模型表現。和傳統的Logistic方法相比，每類機器學習方法都有自己的特色，但並未完全超越傳統方法。

傳統信用風險評分模型大多采用單層模型技術架構，即自變數因子通過WOE轉換以後計算產生評分和違約概率。在這種技術架構下，傳統模型執行維護相對較為簡單，但模型少數關鍵變數直接影響模型的表現。一旦少數變數導致模型表現下降，需要通過研發新模型及時替換原有的模型。

大資料信用風險評分模型的模型結構具有兩大特點：一是採用母子模型結構。即先通過子模型將稀疏的大資料資訊加工成密集資訊，再將子模型的輸出資訊作為母模型的輸入變數，將資訊逐層加工，形成模型巢狀模型的技術架構。子模型一般採用神經網路、隨機森林、支援向量機等機器學習演算法，母模型採用傳統的、成熟的Logistic迴歸等技術方法，實現模型應用框架不發生太大變化的情況下，具有更好的區分效果。

二是採用動態挑戰者模型挑選和淘汰機制。在母子模型架構下，假設進入執行的子模型有100個，備選模型有200個，一旦在執行的子模型中有效果下降至某個最低閾值的模型，則會被剔除，而從備選的200個模型中挑選效果較好的替補模型進入到子模型序列中。這種動態調整機制在實現總體模型執行效果相對穩定的同時，也給模型的執行維護帶來了較高的複雜度。

模型技術架構的差異直接導致模型上線執行方式的差異。傳統的信用風險評分模型通常將單一模型嵌入到在業務流程系統中，直接用於信貸決策。部分成熟的歐美銀行可以同步執行2~3個挑戰者模型，當單一模型表現下降的時候，實現及時切換。

大資料信用風險評分模型中，數百個模型同步上線平行計算成為可能。這對部署在信貸業務流程系統中的決策引擎和資料環境提出了更高的要求。如決策引擎需要採用分散式架構，以實現海量變數的同步計算，要求提前在資料環境中部署海量的原始變數和建模變數，以保障模型在切換時隨時有新變數可供替換。

傳統的信用風險評分模型本質上是對信貸專家決策過程的模擬，銀行等傳統金融機構在應用信用評分模型時通常採用人機結合的方式，對資訊比較充分的客戶，根據評分和規則實現自動化審批;對資訊不充分的客戶，由專家進行人工審批決策。

網際網路金融機構傾向於應用大資料信用風險評分模型，除了極少數情況(如信貸額度較大)外，均採用全自動化決策方式，一般不進行人工干涉。

上述差異產生的原因主要包括：一是在傳統金融機構內部，信用評分模型是整個信貸決策流程的一部分，完全採用模型決策代替人工決策，需要信貸決策的利益相關方逐步接受和適應;

二是傳統機構對部分客戶掌握資訊不夠豐富，對部分灰色區域的客戶風險判斷依據不足，需要結合審批人的專家判斷作為補充;

三是傳統金融機構授信額度相對更大，在客戶資訊掌握不充分的情況下，潛在損失更大，而網際網路金融機構授信額度普遍較低，完全通過模型進行信貸決策產生的潛在損失較小。

傳統的信用風險評分模型目標和大資料信用風險評分模型目標存在差異。簡單地說，可以把傳統模型盯住的目標變數認定為狹義的信用，大資料模型盯住的目標變數認定為廣義的信用。

傳統信用風險評分模型的目標變數是客戶信貸違約可能性，核心是預測客戶在某個信貸產品上的違約概率。大資料信用風險評分模型的目標變數更多反映的是廣義上客戶信用品質，並未專注於客戶信貸違約預測。因此，大資料信用評分模型也應用於客戶信貸評價以外的領域。

傳統的信用風險評分模型由於結構相對簡單，資料來源相對固定，模型開發和執行所需的計算環境和效能要求相對單一。大資料信用風險評分模型，無論在模型訓練還是應用環節，均需要海量計算，對儲存和計算效能要求較高。