梁子怡 王晶

（1、北京市顺义区第一中学，北京 101300）

（2、北京科技大学，北京 100083）

一、个人信用评估体系溯源

个人信贷一直以来都是银行主要资产业务之一，如何对个人信用风险进行有效的识别与评估，成为银行维持经济资本稳定的关键因素。

金融机构的传统做法是由专家基于自身经验对个人经验进行判断，并由此形成了“5C”评价法（主要集中在借款人的道德品质、还款能力、资本实力、担保和经营环境条件五个方面进行全面的定性分析以判别借款人的还款意愿和还款能力）。

随着金融界对信用评分研究的不断深入，模型经历了由统计学方法到非参数方法、运筹学方法再到人工智能方法的演变，同时模型趋向组合化、复杂化。

著名的FICO评分系统以判别分析为核心方法，采集客户的人口统计学信息、历史贷款还款信息、历史金融交易信息、人民银行征信信息等，通过逻辑回归模型计算客户的还款能力，预测客户在未来一年违约的概率；21世纪以来，神经网络算法被广泛引入信用风险评测机制中，稳定性远高于其他传统方法……

对于网络在线信用贷款、P2P贷款、电商小额贷款以及虚拟信用卡等以信贷类服务为主的各种互联网金融服务平台，其面临的最大风险来源于客户信用风险，但传统个人信用风险评估模式过分依赖央行征信系统，能获取的数据对当今社会生活状况而言有很大的局限性。

同时，云计算、大数据、人工智能行业的发展给个人信用评分模型的改进和完善带来了更多的可能性——全面、准确、多变的模型指日可待。