通用分与定制分探索与思考

薛志坚 百融云创评分模型部总经理

一、评分概述

评分是风险管理，尤其是零售风险管理的一个非常重要的评估工具。从评分设计的目标客群角度看，可以将评分分为两大类：定制评分和通用评分。定制评分是结合具体某家金融机构自有的数据为自己的客群量身定做的评分；与此对应的通用评分则一般是基于征信局的数据，或者多家金融机构的数据，为某一个行业客群而设计开发的通用型评分产品，其中就包括基于征信数据而设计的征信局评分。从上述概念可知，定制评分是基于特定客群定制开发的，它的效果理论上应该更好一些，实际上由专业团队开发的定制化评分效果一般情况下也确实会比通用评分更好。但是由于通用评分具有通用性好、效果稳定、综合成本低等优点，通用评分在业务实践中也有非常巨大的的应用价值。

二、主要的通用评分

2014年央行推出的个人数字解读是我国第一个真正意义上的通用评分，它是基于央行的跨地区、跨产品、跨机构数据开发的一个评分产品。该产品不但是国内第一个通用评分，而且也是目前唯一的征信评分。在央行推出评分之后，2015年初百融和芝麻信用都陆续推出了自己的通用评分，并且得到了很多金融机构的支持和应用。在这之后，市场进入一个百家争鸣的阶段，金融科技公司推出了很多的评分产品，包括同盾分、FICO评分和腾讯分等产品。高峰时市场上的评分种类可能达上百个。

三、通用评分的作用和价值

通用评分需求旺盛的一个重要的原因是通用评分可以帮助金融机构稳健地开拓新业务。以信用卡的发展为例：经过多年发展，国内的信用卡市场在2015年发卡量出现了明显的下滑。除了互联网金融冲击的外部因素，在银行内部也面临很多挑战。首先是以前信用卡审批高度依赖于征信，通过征信报告去评估客户的风险，评估后进行发卡决策。但是互联网时代初期有大量征信白户，导致当时银行没办法有效评估其风险。但是线上用户量又非常大，如果没有有效的手段去衡量这部分客户的风险就很难开拓这个市场。经过必要的验证之后，很多银行发现数字解读和百融评分这些通用评分可以有效的帮助他们对无征信和线上客群的风险进行比较有效的评估，逐步在这两个新客群上发力拉新。我们可以看到2017年开始信用卡发卡量再次出现了快速的爆发式增长，但是整个行业的风险跟之前基本是持平的！从信用卡的这段发展历程可见，有了通用评分之后，银行对用户的风险识别能力得到了明显的提升，能够准确识别其风险，从而推动信用卡业务的健康发展。这是通用评分为金融行业带来的第一个贡献。

通用评分的第二个重要价值是可以帮助金融机构快速提升风险管理能力。如果中小型金融机构选择定制评分，自行培养团队或是寻找外部咨询公司的成本都很高，同时对数据规模、质量有很高的要求，其实大部分中小型金融机构的数据也难以开发出比较可靠的定制化评分。因此这类机构可以通过引入外部通用评分，来快速拓展业务，并借助通用评分来提高自己的风险管理能力。

此外，基于可替代数据的通用评分还可以帮助大量无征信客群获得信贷服务，并建立起征信记录。从2015年到2020年，央行个人征信系统中有贷款记录的人数逐年递增，使得征信覆盖率逐年稳步上升。所以通用评分能够帮助更多的人获得金融服务，同时也建立了信贷记录。

四、通用评分和定制评分的对比

通用评分和定制评分有很多不同，也各有利弊，金融机构需要酌情选用才能更有效的管理风险。从适用客群的角度看，通用评分的适用客群为行业客群整体，定制评分的适用客群则为机构自身客群。通用评分反映的风险特征是一个行业总体的风险特征，定制化评分反映的则是某家机构自身客群的风险特征。通过引入外部评分，金融机构可以把其他机构已经发现的一些风险特征，有效反映在自己的风险评估体系里，从而更好的评估风险。从预测维度角度看，通用评分，尤其金融科技公司做的通用评分的评估维度非常广泛，使得其预测维度非常丰富；定制评分由金融机构自身设计开发，往往有很多限制，获得的信息相对往往也比较单一。在稳定性方面，通用评分的稳定性往往更好，有些定制评分的稳定性较差。因为通用评分反映的是整个行业的情况，基本上不会受机构自身业务调整的影响，比如央行征信中心的数字解读评分基于2010年数据的开发，10年之后在主流客群上仍有良好的排序性，说明了通用评分的稳定性非常不错；定制评分是基于自身客群开发的，随着机构的策略调整、业务调整，客群在不断发生变化，因此定制化评分能够稳定使用好多年的就比较少。在获取难度与成本方面，通用评分也往往更低而更有优势，只需要简单对接就能方便获取，而定制评分在这两方面相对较高。 

五、评分的应用

评分运用场景覆盖信贷业务全生命周期，其中最常见的应用就是用评分把信贷申请人群分成风险高、中、低三个档次，低风险客群自动通过，高风险客群自动拒绝，对应中间灰色的中风险人群进行人工审批。如果同时有定制评分与通用评分，那么可以用两个风险评分做一个交叉矩阵，如下面图1所示，然后根据风险进行差异化审批。比如当通用评分显示风险较高，但定制评分显示风险却比较低，这时如果我们对这个客群比较放心，可以考虑自动通过，如果觉得不太放心，可以走人工审核。经过一段时间验证之后，如果说这个机制非常稳定，就可以逐步变成自动化的审核。这样一个简单的应用框架，就可以帮助金融机构提升精细化管理水平。如果我们对风险有了更加精细、精准的认识的时候，除了审批准入之外，还可以做很多的事情，包括后续的额度、定价等，都可以通过这样一个框架来做非常精细化的差异化处理，以实现不同的业务目标。 

图1 评分应用系统

六、通用评分的主要局限

上面我们看到通用评分具有非常巨大的应用价值，但是目前为止市场上大部分通用评分还存在一定的局限性。比如在样本客群的代表性方面，目前大部分通用评分的样本都是以自己体系内或者部分合作机构的客户为主，因此很多通用评分的客群代表性都有一些局限性。从预测信息的维度来看，预测信息维度也存在较多局限，比如很多通用评分都是基于可替代数据源设计开发，不包括征信数据，所以其评估完整性不足。由于信息孤岛现象普遍存在，很多通用评分都是基于可以获取的信息来做判断，对风险评估仍不够完整。虽然整体效果可能还不错，但它仍然不是非常准确。最后一个方面就是市场上很多机构推出了各种不同的评分产品，各自评分之间的标准都非常不一样，当金融机构面对很多评分的时候，会面临使用方面的困难和挑战，这也说明了在行业的标准上或者说行业的管理上也还存在一定的不足。

七、建议与展望

展望未来，首先我认为应该打通征信数据，如果能够把征信数据打通或者开放给行业进行合规的共享，那么对通用评分行业来讲将带来一个非常重要的提升，可以提升建模样本的代表性来提高通用评分的客群适应性。

第二个是从预测变量的角度，现在很多通用评分都基于可替代数据，可替代数据和征信数据之间可能还是需要存在一个融合的空间，因为征信数据只包括了在主流金融机构做的一些信贷信息，而市场上第三方金融科技公司更多基于可替代数据，两者各自为政其实也会导致数据的割裂和信息孤岛问题，所以我认为征信数据和其他可替代数据的有效融合也是接下来非常值得期待的一件事情。如果可以把数据打通，这会进一步提升通用评分的效果。当然可替代数据在满足我们的征信管理、风险管理需要的同时，还存在一个跟个人隐私之间平衡的问题。

最后一点希望每类机构和公司都能发挥各自的长处，密切合作更有利行业的健康可持续发展。比如政府或者持牌征信机构在信息采集和管理方面有优势，金融科技公司则在技术和机制方面有优势。如果政府或者持征信牌机构聚焦数据基础设施建设和管理，金融科技公司发挥在技术、产品方面的优势，通过技术创新和产品创新以提高整个产品的可用性，无疑可以进一步提升通用评分的有效供给。
最后做个简单的总结：通用评分和定制评分，各有优缺点，需要合理选择有效组合使用才能够发挥出更大的价值。相关的不同机构分工合作，行业也才能发展的更加平稳和健康。

（责任编辑：郭钰阳）

来源：TGES 2021年高级研讨会：零售小微、普惠金融与风险管理（7月）