中国人民银行金融研究所
硕士学位论文
小企业信用评分模型的国际经验及其在中国的可行性研究
姓名：姜涛
申请学位级别：硕士
专业：金融学
指导教师：王君
20070501
内容提要
一、选题背景
小企业贷款难是国内近年来争议较多的领域之一，而问题的落脚点主要是如
何利用经济、合理和可持续的信贷方法来解决小企业贷款业务中存在的若干难
题。作为一种自上世纪90 年代初期以来在西方取得巨大的成功的小企业信贷方
法，小企业信用评分法逐步进入了国内商业机构和监管层的视野。尽管如此，国
内机构对该领域还知之甚少，对该方法在国内运用的前景还存在较多的疑虑和困
惑。在这样的背景下，笔者力求通过对国际经验和国内现状的考察和阐述，试图
探讨小企业信用评分在中国运用的条件和前景，以期得出建设性的结论。
二、研究方法与逻辑架构
本文以对比研究和案例研究方法为主。全文构架分为四个部分：
第一部分，首先明确小企业信贷的合理范围及在该领域运用信用评分的必要
性，然后对信用评分的基本概念和小企业信用评分的历史沿革进行概览，最后单
独将信用评分和信用评级进行比较，以消除国内业界普遍存在的对信用评分和信
用评级的简单混淆和误解；
介于国内小企业信用评分资料匮乏的现状，第二部分对国外小企业信用评分
系统的各个流程进行结构化的梳理和介绍，力求清晰地展现成熟的评分系统的特
点；
第三部分，首先通过现有的调查数据，了解西方著名的信贷机构运用小企业
信用评分的情况，然后以美国富国银行为代表进行案例研究，最后探讨小企业信
用评分与小企业信贷之间的经济联系；
第四部分，首先通过笔者的调查数据，分析小企业信用评分在中国商业银行
运用的现状，然后以中国工商银行的小企业信用评级体系为例进行案例研究，接
着探讨小企业信用评分在中国运用的内外部条件，最后作出结论。
三、主要观点及结论
本文几个比较有价值的观点和结论是：
1、信用评分不等于信用评级，从历史上来看，两者拥有非常清晰的划分，
它们拥有各自运用的领域。但随着发展和相互借鉴，两者的界线开始逐渐变得模
糊；
2、从富国银行的经验来看，小企业信用评分并不仅仅是一种单纯的信贷方
法，而是一个高度自动化的决策体系；
3、考察国际经验，成功的小企业信用评分系统的建立既要依赖良好的外部
环境，也在很大程度上受到机构内部诸多因素的决定；
4、就目前的条件而言，小企业信用评分系统要成功引入中国银行界还尚需
时日。在过渡期内，依赖传统的定性分析和专家判断来进行小企业贷款的审批，
仍然应当是一段时期内的主要做法。
四、创新与不足
本文的创新主要体现在两个方面：一是较为全面地对国内外小企业信贷相关
的成熟做法进行了探讨和总结，其中对美国富国银行小企业信用评分法系统性的
案例研究，开国内小企业信用评分研究领域的先河；二是系统地分析了小企业信
用评分在国内运用面临的内外部条件，充分展现了笔者对相关机构的调研成果。
由于信用评分法在国内业界尚属学习和起步阶段，加之商业机构对信息保密
的考虑，数据获取比较困难，因此本文更多的是对现有做法和经验的描述，还不
能尝试建立评分模型。同时，本文对国内的实际情况还缺乏更加全面的阐述，对
小企业信用评分法国内可行性研究的深度和广度还显不足。这些都有待于在未来
的工作和实践中不断研究和完善。
关键词：信用评分；小企业贷款；富国银行；征信体系
Small Business Credit Scoring,
International Experiences and Feasibility in China
Abstract
Small businesses are an important part of the economy in virtually every nation.
However, small firms have historically faced significant difficulties in accessing
funding due to a lack of credible information about them by potential providers of
funds, especially the commercial banks. To address this opacity problem and provide
funding to small firms, financial institutions use a number of different lending
technologies.
Since the mid-1990s, global commercial banks have been increasingly using credit
scoring models to underwrite small business credits and have achieved great successes.
This paper discussed this technology, introduced its application experiences in the
west pioneer banks, evaluates the research findings on the effects of this technology
on small business credit availability, and makes a significant contribution via
analyzing the terms related to small business credit scoring’s application in China.
The paper proceeds as follows. Section 1 introduces the points of SBCS. Section 2
briefly describes a general SBCS system. The experiences of western big banks
typically Wells Fargo and the effects of SBCS on small credit availability are
reviewed in Section 3. Section 4 discusses whether SBCS is feasible in China at
present and concludes.
Key words: credit scoring, small business lending,Wells Fargo, credit bureau system
图表目录
表1-1 世界银行微型、小型和中型企业（MSMEs）的定义............................2
表1-2 一个假设的信用评分卡.............................................................................4
表1-3 Fair Isaac 小企业评分服务5.0 系列模型..................................................9
表1-4 信用评分与信用评级的不同...................................................................10
表2-1 一个假想的评分卡客户分数分布...........................................................23
表3-1 亚特兰大联储关于银行使用小企业信用评分卡的调查结果...............30
表4-1 “微小企业贷款和信用信息利用”研讨会调查问卷部分结果分析........40
附表1 商业性的评分模型开发公司...................................................................54
附表2 Moody’s，S&P 和Fitch IBCA 长期优先债评级................................55
图1-1 评分模型在各个信贷环节的运用.............................................................5
图1-2 银行内部评级系统评级过程的种类.......................................................12
图1-3 信用评分和信用评级逐渐模糊...............................................................13
图2-1 建立小企业信用评分系统的步骤— — 一个循环的过程.......................14
图2-2 申请评分建模的有偏样本.......................................................................20
图2-3 ROC 曲线..................................................................................................24
前言
第1 页共60 页
前言
信用评分，作为一种预测贷款人信用风险的信贷方法，已在西方银行界的个
人信贷领域运用近半个世纪。自上世纪90 年代初开始，一些著名的国际大银行
也开始将信用评分法运用到小企业贷款业务中，并取得了巨大的成功。
小企业贷款难是国内近年来争议较多的领域之一，而问题的落脚点不外乎是
如何利用经济、合理和可持续的信贷方法来解决小企业贷款业务中存在的若干难
题。作为一种成熟的国际经验，小企业信用评分法在此过程中逐步进入了商业机
构和监管层的视野。
在2006 年8 月对国内相关机构关于信用评分的一次调研中，笔者发现一个
较为普遍的现象：一些机构羡慕信用评分法带来的丰厚利润，认为单靠这剂“灵
丹妙药”就可以解决小企业贷款中的所有问题；一些人士则认为，通过“输入几个
数字就可以知道客户未来的违约情况”无异于“天方夜谭”，评分法很值得怀疑，
至少在当今的中国完全不可行；而更多的人则是处在聆听和观望之中，对这个外
来事物感到茫然和困惑。凡此种种迷信、排斥和彷徨，大都基于对小企业信用评
分的陌生和误解使然。
正是在这样的背景下，笔者力求通过对国际经验和国内现状的考察和阐述，
试图探讨小企业信用评分在中国运用的条件和前景，以期得出建设性的结论。本
文的构架分为四个部分：
第一部分，首先明确小企业信贷的合理范围及在该领域运用信用评分的必要
性，然后对信用评分的基本概念和小企业信用评分的历史沿革进行概览，最后单
独将信用评分和信用评级进行比较，以消除国内业界普遍存在的对信用评分和信
用评级的简单混淆和误解；
介于国内小企业信用评分资料匮乏的现状，第二部分对国外小企业信用评分
系统的各个流程进行结构化的梳理和介绍，力求清晰地展现成熟的评分系统的特
点；
第三部分，首先通过现有的调查数据，了解西方著名的信贷机构运用小企业
信用评分的情况，然后以美国富国银行为代表进行案例研究，最后探讨小企业信
用评分与小企业信贷之间的经济联系；
第四部分，首先通过笔者的调查数据，分析小企业信用评分在中国商业银行
运用的现状，然后以中国工商银行的小企业信用评级体系为例进行案例研究，接
着探讨小企业信用评分在中国运用的内外部条件，最后作出结论。
第一章小企业信用评分的基本概念
第2 页共60 页
第一章小企业信用评分的基本概念
本章首先明确小企业信贷的合理范围及在该领域运用信用评分的必要性，然
后对信用评分的基本概念和小企业信用评分的历史沿革进行概览，最后单独将信
用评分和信用评级进行比较，一来消除国内业界普遍存在的对信用评分和信用评
级的简单混淆和误解，二来加深对信用评分的理解。
第一节小企业的定义与信息不对称
在对小企业信用评分进行讨论之前，必须首先明确什么是小企业及相应的小
企业信贷。
小企业的定义从来都有很多争议，最常见的是从企业规模角度进行划分。从
世界各国的实践看，衡量企业规模的主要是企业雇用人数、企业资产和企业销售
（经营）收入三个指标。比如，美国小企业管理局（SBA）把雇员人数在500 以
下的企业称为小企业，但服务业与制造业有所区别，服务业定在100 人以内1。
中国银行界和相关监管机构沿用的是中国国家统计局的定义，包括行业、员工人
数、年销售额和总资产四个维度。一般来说，年销售额的上限是3000 万人民币，
员工人数则依行业而有所不同，从最低100 人（零售业）到最高600 人（建筑业）
不等2。
世界银行（World Bank）对小企业的定义则是非常细致（见表1-1），企业规
模比各国政府规定的小企业要小很多。
表1-1 世界银行微型、小型和中型企业（MSMEs）的定义
企业员工人数总资产年销售额
微型1-10 < 1 百万美元<1 百万美元
小型11-50 1 到3 百万美元1 到3 百万美元
中型51-300 3 到15 万美元
数据来源：世界银行网站，http://www.worldbank.org。
1 数据来源：美国小企业管理局网站，http://www.sba.gov/。
2 数据来源：中国国家统计局网站，http://www.stats.gov.cn/。
第一章小企业信用评分的基本概念
第3 页共60 页
除了按照借款企业本身的规模来度量小企业贷款以外，各国银行也常常用贷
款的规模来直接定义小企业贷款3，因为大的公司很少申请和获得小额贷款。这
种替代方法能够较好的代表小企业贷款市场供给和需求的状况。例如，美国的监
管机构要求各个银行将额度在10 万美元以内和10 万至100 万美元之间的商业贷
款分开报告。银行、监管者和政府部门常常用这个信息来评估微小企业银行信贷
的获取情况。
笔者认为，按照贷款规模划分小企业贷款是较为经济和合理的方法。
从世界各国的历史发展来看，小企业融资难问题普遍存在。这与小企业在世
界经济中的地位是不相符合的。以目前的美国为例，小企业创造了40%以上的国
内生产总值，雇用了一半以上的私营劳动力，同时创造了四分之三的新就业机会。
融资约束已成为小企业发展中的巨大障碍。
导致小企业融资困难的原因很多，既有小企业自身因素，也有金融机构、市
场、制度等一系列外部因素。这些因素的综合作用造成了借贷双方严重的信息不
对称（Asymmetry of information），体现为借款人较高的逆向选择和道德风险，
从而带来很高的信用风险。尽管商业银行为此采用了大量的风险识别技术，信息
不对称问题并未得到很好的处理，而同时带来的贷款交易成本高，处理周期长，
程序复杂等问题，又极大的增加了小企业贷款的交易成本。
解决小企业贷款难问题不仅对小企业发展具有里程碑似的意义，而且能够促
进商业银行优化资产组合，降低资产风险，增强自身的盈利水平和核心竞争能力。
从上个世纪八九十年代开始，一些先进的国际机构开始改革原有的信贷模式，将
一些新的理念和技术融入到小企业信贷过程中，并取得了巨大成功。小企业信用
评分法（Small business credit scoring, SBCS）就是其中的突出代表。
第二节信用评分的概念
信用评分是预测贷款申请人或现有借款人发生拖欠或违约等事件可能性的
一种统计方法4。它利用贷款人的历史数据和定量方法力求找到贷款人的各种特
征与贷款表现之间的关系。比如，在贷款申请中，不同的申请人会得到不同的信
用得分，商业银行根据这一分数的高低考察借款人违约风险的大小。
为了建立有效的信用评分模型或者“评分卡（Scorecard）”，开发人员需要对
以前客户的信贷表现进行仔细分析，从而确定贷款者的那些特征能够有效的预测
3 信息来源：与富国银行小企业贷款部资深副总裁肖兵的谈话。
4 Lewis, E. M. 1992, An Introduction to Credit Scoring, Athena Press: San Rafael.
第一章小企业信用评分的基本概念
第4 页共60 页
客户的行为。有效的信用评分模型应该尽可能使得那些表现好的客户得到较高的
分数，同时使得那些表现不好的客户得到较低的分数5。表1-2 给出了一个只有3
个变量的简化了的信用评分卡（大部分评分卡有8 到15 个变量）。
表1-2 一个假设的信用评分卡
特征变量特征变量值分数权重借款者X 的变量值借款者X的得分
30 35
循环额度的使用31-50 25
百分比51-70 10 56 10
71+ 0
债务收入百分比1-20 74
20-40 30 29 30
41+ 0
0 50
1 20 3 20
过去12 个月有
拖欠超过30 天
的账户数2+ 0
总分60
注：该评分卡预测的是某贷款在发放后24 个月内至少有一次拖欠超过60 天的可能性。表中各项分数均为
假设，不具有实际意义。转引自Mays, E.2004, Credit scoring for Risk Managers—The Handbook for Lenders.
South-Western. 64.
从信用评分的目的来看，信用评分可以分为“市场营销评分”，“申请评分”，“行
为评分”和“催收评分”四种。这种划分实际上与贷款机构的整个信贷政策相对应
6，如图1-1 所示。
5 大部分信用评分系统用高分数表示高风险。
6 陈建，《信用评分模型：技术与应用》，中国财政经济出版社，2005 年11 月。
第一章小企业信用评分的基本概念
第5 页共60 页
图1-1 评分模型在各个信贷环节的运用
1、市场营销阶段
这一阶段的目的是鉴别出最可能对贷款机构促销活动作出反应的目标客户，
减少获取客户的成本和客户的不满意度，同时也预测失去优质客户的可能性，促
使贷款机构采取有效的客户挽留战略。主要的评分模型包括“市场反应评分模型
（Response scoring）”和“客户保持/转移评分模型（Retention/attrition scoring）”。
市场反应评分模型预测目标客户接受新产品主动营销的概率。客户保持/转移评
分模型预测客户在产品优惠期满后继续使用产品或转移到其他贷款机构的可能
性。
2、信贷申请阶段
决定是否放贷和放贷的额度。通过历史资料预测新的贷款申请人在未来的信
用表现。主要的评分模型是“申请评分（Applicant scoring）”— — 估计新的贷款申
请人在未来违约的可能性。
3、信贷表现阶段
根据现有客户的账户表现预测其在未来的偿还行为，把潜在的问题客户单独
区分开来，给与更多的关注和帮助，以减少其成为问题客户的可能。主要的模型
是“行为评分模型（Behavior scoring）”— — 预测现有客户的风险水平。
市场营销阶段信贷申请阶段信贷表现阶段坏账管理阶段
预测可
能的申
请者
鉴别可
接受的
申请者
预测目前
的客户可
能的行为
制定最佳
坏账管理
战略
第一章小企业信用评分的基本概念
第6 页共60 页
4、坏账管理阶段
选择最优的催收（Collection）政策，使得催收成本最小化同时最大程度的
回收拖欠的账户。常见的模型是“催收评分模型（ Collection decisions
models）”— — 决定对违约账户采取行动的时间和最合适采纳的催收技术。
除了上面提到的一系列模型外，针对某些特定的产品，还有相应的评分模型。
比如，欺诈是信用公司面临的一个严峻的问题，欺诈风险评分模型（Fraud credit
scoring）就是为了发现和拒绝欺诈性的交易而开发的7。本文在讨论中重点关注
申请评分模型，许多说明也以申请评分作为例子。
从建立评分模型所使用的数据来源看，信用评分大致包括两类8：一类是“通
用化评分（Generic scoring）”，一类是“定制化评分（Custom scoring）”。建立评
分模型的数据来源主要包括征信局（Credit bureau）数据、行业共享数据（Pooled
data）和贷款机构内部数据（例如，如申请表数据和交易数据等）以及其他的一
些信息渠道。通用化模型主要是利用征信局的数据或者行业共享数据等公共信息
建立的评分系统，它的开发与使用并不针对某个单一的信用产品，因而能够全面
预测借款者未来的信用表现；客户化模型是以征信局数据和机构内部数据等信息
为基础，根据机构自身需要量身定做的，反映了贷款机构自有客户群独特的行为
模式。
在大多数的信用评分系统中，贷款机构会给自己所能接受的风险设置一个临
界值。在信贷申请中，得分在临界值之上的客户申请被接受，得分低于临界值的
客户被拒绝。当然，在作出最终信贷决策前，许多贷款机构对于得分在临界值附
近灰色区域（Grey area）的客户会进行更详细的考察9。
利用信用评分进行信贷决策的诸多优点已经得到诸多银行和信贷机构的证
实10：风险可以用概率量化，提高了信贷决策预测的准确度；客观标准化的决策
过程实现了决策的一致性，减少了人为的干预；易于实现自动化，节省了决策时
7 陈建，《信用评分模型：技术与应用》，中国财政经济出版社，2005 年11 月。
8 Mays, E. 2001, Handbook of Credit Scoring, Fitzroy Dearborn.
9 Mester L. J. 1997,What’s the Point of Credit Scoring? Business Review, 9/10.
10 肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信息国际研讨会（北京）
发言稿，2006 年8 月。
第一章小企业信用评分的基本概念
第7 页共60 页
间，降低了信贷成本；使用前能够检验评分模型的有效性；便于更好的对客户进
行管理和监控等等。
但是，信用评分技术的运用仍然具有一些限制：
首先，一些评分模型并不简单透明，决策时也难以作出清晰合理的解释，不
能被普通的信贷人员理解；
第二，一些模型能够很好的利用定量的信息，但不能对一些定性信息进行处
理。比如，管理质量，技术水平和市场地位等都不便于进行定量分析，而只能通
过专家的判断来处理；
第三，信用评分的哲学方法是经验主义11，它通过考察过去与现在的关系，
推导现在与未来的联系，而这种方法本身可能存在一定的问题。比如，常常利用
的财务报表就是历史信息（财务信息是历史成本，并且发布通常具有滞后性），
而一些重要的未来信息，比如市场的走势和未来的经济状况极少包括在评分模型
中。实际上，很大一部分违约情形都是信贷发放后一些未来因素发生变化造成的。
因此，评分模型不能精确的预测借款者的未来表现。
可见，在处理非结构化的信息和适应环境变化的灵活性方面，信用评分并不
擅长。信用评分比较有效的应用领域是那些总额大而单笔数量小，同时特征稳定
的结构化贷款，比如各种消费者贷款和小企业贷款。因此，应用评分模型时应当
小心仔细，注意其适用的范围。
第三节小企业信用评分的简要历史
从20 世纪六七十年代开始，信用评分技术开始在消费者信贷市场（比如，
房屋抵押贷款，信用卡和汽车信贷）中得到充分的应用。尽管如此，将信用评分
技术运用到小企业贷款中却是近10 多年来的事情12。其中的主要原因在于借款
企业的异质性13（Heterogeneity），不同银行发放贷款方法的多样化以及贷款数额
的巨大差异性（从而减少了银行汇聚数据的能力）。不过研究人员发现，企业主
11 Thomas, L. C., Edelman D. B. and Jonathan N. Crook, 2002, Credit Scoring and Its Application, SIAM
monographs on mathematical modeling and Computation, Philadelphia.
12 Mester L. J. 1997, What’s the Point of Credit Scoring? Business Review, 9/10.
13 异质性指借款企业的特点差异很大。
第一章小企业信用评分的基本概念
第8 页共60 页
个人的信用信息能够在很大程度上解释小企业贷款的表现，其效果往往不弱于对
企业盈利能力等财务指标的分析。这一方面是因为个人和企业经营好坏之间的相
关关系，一方面也是由于企业和业主的财务信息往往难以区分开来14。业主信息
的引入增强了小企业评分模型的预测性，促使了贷款发放过程的标准化。
在开发最初的小企业信用评分模型时，研究人员将收集来的贷款数据按照某
个信用事件，比如拖欠或者违约，分为“好”和“坏”两类。然后寻找这个二元结果
跟反映业主（可能不止一个，这里指主要负责人）和企业特点的若干变量之间统
计上的联系。业主的变量通常包括其个人的信用局信息，比如收入、净资产、可
获得的信用、以前的拖欠记录和破产状况等等。企业的类似信息也在模型中得到
体现，包括财务比率（比如盈利能力和杠杆率），过去的信用状况（如果企业信
用报告能够从商业信用局，比如Dun & Bradstreet 或者Experian，获得的话），
以及企业类型（SIC 码）。在建立模型的过程中会考察50 到60 个变量，不过由
于多重共线性往往只有8 到12 个变量进入最终的模型。各种数学方法，比如
Logistic 回归和Probit 回归，被用来分析数据、建立模型和预测变量与信用事件
之间的关系。
一些大的银行，比如美国的富国银行（Wells Fargo）和爱尔兰银行（Hibernia
Corporation），开发了具有自主所有权的小企业信用评分模型，不过大部分金融
机构都寻求外部机构的帮助。全球最大的信用评分模型开发商Fair, Isaac（由Bill
Fair和Earl Isaac于20世纪50年代初在美国旧金山建立）在1995年推出了它的第一
代小企业信用评分模型。模型使用的样本来自全美17个大银行历时5年多的小企
业贷款资料，样本数超过5000。1996年，Fair Isaac 又与Robert Morris Associates
合作将建模数据扩展到25家银行。一些大银行在Fair Isaac 模型推出后也开始采
纳小企业信用评分技术。
今天，即便是开发自有模型的贷款机构也常常购买外部机构的评分模型，特
别是在自有模型适用范围以外的时候。目前，Fair Isaac 向客户提供一系列的小
企业评分服务（Small Business Scoring Service, SBSS）产品，这些产品划分的标
14 肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信息国际研讨会（北京）
发言稿，2006 年8 月。
第一章小企业信用评分的基本概念
第9 页共60 页
准包括信用类型（例如，贷款、租赁或信贷额度），可获信息的类型（例如，申
请表数据、企业数据或个人数据），以及信用额度（例如，小于5 万美元、小于
10 万美元或小于25 万美元）等。尽管模型能够为25 万美元以内的贷款提供预
测，许多贷款机构仍然只将模型的使用范围限定在10 万美元以内。Fair Isaac 目
前正在试图开发高于25 万美元的贷款评分模型。
表1-3 Fair Isaac 小企业评分服务5.0 系列模型
对小企业和业
主的数据要求
小企业评分服务贷款
信用额度和
定期贷款（租赁）
小企业评分服务
商业信用卡
小企业评分服务租赁
小型设备租赁
申请表
企业数据
个人数据
财务报表
25 万美元以内不需要财务报表不需要财务报表
申请表
个人数据
财务报表
25 万美元以内不需要财务报表不需要财务报表
申请表
企业数据
个人数据
25 万美元以内5 万美元以内
10 万美元以内
不需要申请表数据
申请表
个人数据
25 万美元以内5 万美元以内
10 万美元以内
不需要申请表数据
企业数据10 万美元以内
信息来源：www.fairisaac.com。
关于小企业评分模型更详细的国际经验会在第三章详细讨论。
第一章小企业信用评分的基本概念
第10 页共60 页
第四节信用评分与信用评级的比较
信用评级方法也用来进行信用风险管理，把信用风险分为若干个等级。下文
的讨论涉及两种信用评级：贷款机构的内部评级系统和公共信用机构公布的评
级。
表1-4 信用评分与信用评级的不同
信用评分信用评级
开发者
贷款机构，
评分模型开发商
内部评级系统公共评级机构
评估对象
机构发放的
零售贷款
机构发放的企业
贷款和机构贷款
全球企业，
金融工具和国家主权
结果分数或者类别
若干等级（因机构
不同而异）
若干等级（几个主要评级
机构的等级）
使用者机构自身机构自身，监管者放款者，投资者，监管者
结
果
和
使
用
主要目的日常的信用决策
信用风险管理
和控制
为商业界、工业届和金融
届提供一般性的参考
方法数量模型专家的判断，数量模型
步
骤
客观还是
主观
大体上客观一半客观，一般主观
1、开发者和评估对象
信用评分模型常常由贷款机构自己开发或是由外部评分模型开发商（一些外
部评分模型开发商见附表1）提供，被用于零售贷款（个人信贷和小企业信贷）
15的管理。零售产品的规模通常很大，但是每一笔信贷的规模又相对很小。
15《巴塞尔新资本协议》第199 条规定：如果银行集团对于一个企业借款人贷款总额不足100 万欧元，作为
零售贷款管理的小企业贷款适用于零售贷款的处理方式。展期的小企业贷款或由个人担保的小企业贷款采
第一章小企业信用评分的基本概念
第11 页共60 页
贷款机构的内部评级系统一般为自己发放的企业或机构贷款评级，而不为零
售贷款和其他资产评级16。
公共信用评级机构提供的评级主要包括，全球知名公司、国家主权和准主权
机构、各种债券、各种政府债务、商业票据和中期票据、资产抵押证券的评级等
等。
2、结果和使用者
评分卡的结果是信用得分，信贷机构依此来进行日常的信用决策，比如对信
用申请者作出“同意”或是“拒绝”的决定。
内部评级系统对单个信用暴露的信用风险按照等级进行度量，该系统被用于
信用风险的管理和控制，比如组合监控和经营报告，资本充足率分析，盈利能力
和贷款定价分析，和作为输入变量进入正式的组合风险管理模型等17。
公共评级机构也提供了信用等级框架并且按照自己的系统颁布结果（见附表
2）。它们给全球范围内不断增加的评估对象给出独立的意见，并且给出了共同的
标准和语言，使得放款者、投资者和监管者利用外部评级来保持警觉和调整看法。
公共评级机构的评级，包括它们的评级报告中包含的信用信息同样是信用评
分有用的信息来源。银行在建立自己内部的评级系统时也会参考公共评级。
3、方法
信用评分卡可以通过定性的方法建立，但更为有效的方法是建立数量模型，
即通过历史数据对未来进行预测。
银行内部评级的建立方法因评估对象的不同存在着差异。巴塞尔委员会1999
年初对银行业的内部评级系统进行了一次调查，发现主要分为三类：统计过程，
有约束的专家决策过程和专家决策过程。这三类过程的主要区别在于对定量技
术、个人经验及信贷专家的意见依赖程度的不同。这个调查发现，与大中企业贷
用同样的贷款底线。
16 Treacy, William F. and Carey, Mark S. 1998, Credit Risk Rating at Large U.S. Banks. Federal Reserve bulletin,
84.
17 同注16。
第一章小企业信用评分的基本概念
第12 页共60 页
款相比，客观的模型在小企业贷款中发挥了更加重要的作用（见图1-2），这在很
大程度上与信用评分一致。
图1-2 银行内部评级系统评级过程的种类
公共信用评级机构在评级时既依靠专家的判断也依靠信用风险模型。模型使
得评级机构比较容易和快速的追踪违约风险的变化，但专家的经验往往更加重
要，通常专家负责了整个评级过程的大部分工作18。
4、结论
从历史上来看，信用评分和信用评级有着非常清晰的划分，它们拥有各自运
用的领域。但是随着发展和相互借鉴，两者的界线开始逐渐变得模糊（见图1-3）：
首先是运用范围。一些银行的信用评级体系包括了对小企业的信用评级，而
信用评分的运用范围也开始从个人贷款、较小规模的小企业贷款向更大规模的小
企业贷款延伸；
第二是使用的技术。银行和信用评级机构也开始把评分模型的数量化方法引
入到评级系统的建立中，而信用评分体系也允许一定范围的人工修正；
18 Chorafas and Dimitris 2000, Managing Credit Risk, London:Euromoney Books.
针对中型或者
大型企业
针对小企业
统计过程有约束的专家决策
过程
专家决策过程
专家判断的
依赖程度
模型和工具的依赖程度
第一章小企业信用评分的基本概念
第13 页共60 页
第三是考虑的因素。除定量信息外，信用评级还要考察很多定性的信息，因
为一些定性信息并不易于量化分析。而近年来，信用评分也在考虑怎样将更多的
定性信息，比如未来宏观经济的变化，引入到评分模型中去。
图1-3 信用评分和信用评级逐渐模糊
信用评分信用评级
零售评分公司评分
数理模型专家主观分析
少多
可能运用的范围
使用的技术
考虑的因素
第二章小企业信用评分系统的建立过程
第14 页共60 页
第二章小企业信用评分系统的建立过程
本章对国外小企业信用评分系统的各个环节进行结构化的梳理和介绍，力求
清晰地展现小企业信用评分系统的特点。一个典型的小企业信用评分系统分为四
个部分，如图2-1 所示。而笔者了解到，富国银行的经验表明模型开发大约80%
的时间都用在了与数据有关的获取、整理和分析上面，而这部分恰好也是国内业
界人士最关心的地方。因此，本章对前两个环节会加以重点介绍。一些更为具体
的内容，有望通过笔者在文中列举的参考书目加以涉及。
部分信息来源：肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信息国际
研讨会（北京）发言稿，2006年8月。
图2-1 建立小企业信用评分系统的步骤— — 一个循环的过程
1、建模数据的预处理
建模样本的选择
特征变量的分组与选
择
拒绝推论问题
2、模型的建立和检验
用成熟的数理方法
建立信用评分模型
对模型的有效性进
行检验
3、模型的实施
临界分值的选择
人工修正
政策限制
4、模型的监测和升级
前端跟踪报告
后端跟踪报告
第二章小企业信用评分系统的建立过程
第15 页共60 页
第一节建模数据的预处理
一、建模样本的选择
1、选取建模样本
在建立信用评分模型之前首先需要考虑的是评分模型所要进行评分的对象
是哪类客户总体(Population)，以及开发评分模型所使用的以前的客户样本
（Design sample）是什么。在选择这一客户样本时，建模人员往往面临两个矛盾
的目标，一方面，样本应该对未来可能的信用申请人[被称为“入门客户总
体”(through-the-door population)]有代表性，这样就希望样本越近越好；另一方面，
为了区分好的还款行为和坏的还款行为，我们又需要样本中的客户有一定时间跨
度的还款历史。这样就出现了矛盾。
研究表明，申请评分模型客户结果期（Outcome period）一般为12 到18 个
月，因为客户的违约率，作为时间的方程，只有在大约12 个月或稍长的一段时
间后才会趋于稳定19。当然，时间区间长度的选择会随着信用产品的不同发生一
些变化。
下一个问题是建立评分模型时样本容量应该是多少，其中应有多少好客户和
坏客户。样本数量太少不能建立有效的模型，同时如果样本中好客户居多而坏客
户的数量不足（比如按照总体中好坏客户的发生比，可能达到20：1），就不能
确定坏客户的特征20。Mays21 认为300 个坏客户是坏客户数量的绝对底线，在此
基础上越多越好。Lewise22 认为1500 个好客户和1500 个坏客户就够了。在实际
建模中使用的样本数要比此大得多， Makuch23 指出一旦有100000 个好客户样
19 Thomas, L. C. 2000, A Survey of Credit and Behavioral Scoring: Forecasting Financial Risk of Lending to
Consumers, International Journal of Forecasting, 16.
20 Thomas, L. C., Edelman D. B. and Jonathan N. Crook , 2002, Credit Scoring and Its Application, SIAM
monographs on mathematical modeling and Computation, Philadelphia.
21 同注20。
22 Lewis, E. M. 1992, An Introduction to Credit Scoring, Athena Press: San Rafael.
23 Makuch,W. M. 1998, The Basics of A Better Application Score. In Credit Risk Modeling Design and
Application, ed E. Mays. Chicago: Glenlake Publishing.
第二章小企业信用评分系统的建立过程
第16 页共60 页
本，就没有必要增加更多好客户的信息，因此一个典型的情形是将所有的坏客户
都选入样本中，选取的好客户数在100000 个左右。
然而，有时并不能得到某种产品这样数目的样本，一些模型开发者就将不同
产品或不同贷款机构的样本合并到一起从而使得样本量增大。国外的学者对此作
了大量的实证研究，得出建立的模型其精度往往会下降的结论。石庆炎，秦宛顺
24通过对中国某商业银行的两个地区分行合并数据建模的研究表明，在中国目前
的情况下，当商业银行对信用产品建立评分模型时，将所有分行的数据合并在一
起并不一定是一个有效的方法。因此，使用这种将不同总体的样本合并的方法时
必须小心。
另外，如果建模总体很大，就需要进行抽样，同时必须保证抽取的过程真正
是随机的。
通过以上步骤得到的信息就组成了建模的样本。所有这些选取样本的工作都
有一个假设前提：我们能够对好客户和坏客户进行定义。
2、好客户和坏客户的定义
通俗地说，所谓好客户就是授信机构愿意为其提供信用的客户，授信机构预
期这些客户能够按时还本付息；坏客户则是授信机构预期这些客户不能按期还本
付息从而不愿意为其提供信用的客户。好坏客户定义的选择取决于很多因素，比
如模型的用途，按照该定义能够从建模样本中获得的坏账户数量，以及授信机构
对坏事件（Bad event）的认识。
实践中，贷款机构通常对好坏账户采取混合定义的方式，比如，满足以下条
件之一的账户被称为坏账户：
（1） 拖欠60天或者以上；
（2） 有3次拖欠超过30天；
（3） 借款者破产。
而满足另外一些条件的被称为好账户，其余表现不如好客户但是比坏客户要
好的客户被称为未知客户（Indeterminate），然后只利用好客户和坏客户的数据
24 石庆炎、秦宛顺，《个人信用评分模型及其应用》，中国方正出版社，2005 年。
第二章小企业信用评分系统的建立过程
第17 页共60 页
进行建模。建模者认为将定义不明确的贷款排除在建模样本之外能够让建立的评
分卡具有更好的客户区分能力。不过，Beardsell 的研究表明丢弃未知客户的做
法事实上降低了评分卡的预测能力25。
3、可使用的特征变量
信用评分模型利用贷款者的历史数据分析贷款者的各个特征变量对贷款表
现的影响。不同的信用产品利用的特征变量大同小异。在小企业评分模型的建立
中，特征变量来源主要有四类26：第一类来源于机构内部，主要是申请者填写的
申请表和描述客户以前交易行为的变量；第二类来源于征信局的查询；第三类来
源于企业的公共信息；第四类来源于企业的财务报表。当然，这几个来源的信息
可能存在一定程度重复的情况。
（1） 机构内部信息（申请者填写的申请表和客户以前账户的交易行为变量）
小企业贷款申请表所需要的资料包括企业资料和业主个人资料两部分。企业
资料包含的特征变量包括企业名称、地址、电话、传真、税收号码、企业存款、
企业所有制、行业及是否属于现金服务业(Cash service business)27。业主个人资
料包括姓名、住址、电话、生日、社会安全号码、家庭年收入、个人存款等。贷
款机构在设计申请表的过程中会尽可能减少回答问题的数量，以减少申请者的逆
向选择（Adverse selection）28。一些机构，比如富国银行在申请表中就只设立了
10 个左右的问题，管理层为了控制问题的数量常常在增加一个变量的同时减小
另一个变量29。
常用的描述贷款者交易行为的变量有企业的平均存款数量、最大余额和最小
余额，在一定时期内信用交易总额、负债总额，以及业主的金融资产和债务状况
等。
25 Thomas, L. C., Edelman D. B. and Jonathan N. Crook , 2002, Credit Scoring and Its Application, SIAM
monographs on mathematical modeling and Computation, Philadelphia.
26 本部分信息部分引自肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信
息国际研讨会（北京）发言稿，2006 年8 月。
27 最后一个问题是美国法规要求的。
28 业主是小企业主要的财务决策者，节约时间和简化手续对他们来说至关重要。
29 信息来源：与富国银行小企业贷款部资深副总裁肖兵的谈话。
第二章小企业信用评分系统的建立过程
第18 页共60 页
设置好了申请表中的问题(即特征变量)后，还需要确定每个问题的回答项，
这些回答项又称为特征项。这里的关键是应该使申请人清楚地了解特征项或回答
项的涵义，并且特征项应该涵盖所有可能的情况。
（2） 征信局特征变量
许多国家都有征信局，它们的角色在不同的国家是不一样的，同时在不同国
家运行的法律框架也不同，因此不同国家征信局储存和所能获取的征信局特征变
量也不一样。总的来说，征信局特征变量包括以下几类：
①可获取的公共信息；
②以前的查询记录；
③行业共享的客户信用信息（Pooled data）；
④征信局利用自己存储的大量数据生成的新的信息。
（3） 企业的公共信息
一些与企业数据相关或者是专门经营企业数据的机构提供小企业的系列数
据，包括企业基本信息和借款信息等。比较著名的机构有SBFE(Small Business
Financial Exchange)和D&B(Dun & Bradstreet)等。
（4） 企业的财务报表
财务报表包含了企业过去若干年的财务信息，包括资产负债表、损益表和现
金流量表等。
二、特征变量的分组与选择
在确定了建模样本及有可能进入评分模型的特征变量后，接下来的就要将特
征变量的特征项划分成数目相对较少的类别，也就是对特征变量进行分组。对于
不同类型的特征变量，分组的原因各不相同：对分类型变量(categorical variable)
或称离散型变量而言，特征项过多可能会使得个别特征项的样本数目太少，用这
些数据进行统计推断没有什么意义，从而影响分析的稳健性，因此要对特征项进
行一些必要的合并；对连续型变量而言，由于通常的信用评分卡中特征项都是以
第二章小企业信用评分系统的建立过程
第19 页共60 页
属性变量的形式出现的，因而在信用评分模型中也往往将连续型特征变量转化为
属性变量，这也牵涉到一个分组问题。
一般来说，分组的基本原则和方法30是：
(1)将样本容量少的特征项进行合并；
(2)将“好客户发生比（Odds to be good）”31较接近的特征项予以合并；
(3)分组的结果应便于理解并满足和符合管理的需要。
当对特征变量进行分组后，会得到大量的特征项。对于一个有三四十个变量
的申请评分卡，最初的特征项可能有200 个；对于行为评分卡，刚开始时可能有
几百个变量，需要处理的特征项可能超过1000 个。如果将每个特征项都变换成
二分类变量，用Logistic 回归等方法需要处理的变量就太多了。因此，必须对变
量进行筛选，特征变量的筛选可以借助大量的统计方法得以实现，很多建模方法
本身也能对变量进行自动的筛选，具体方法这里不再赘述。
三、拒绝推论问题
在开发申请评分卡的时候会遇到一个不可避免的问题：拒绝推论（reject
inference）,即对于建模总体中被拒绝的客户样本如何处理。
有学者对拒绝推论的问题进行过比较直观的阐述，如图3-1 所示。未申请信
用者和被拒绝信用者的信息在开发评分卡的时候并没有得到考虑。由于评分卡只
是根据得到信用者的信息样本开发出来的，当被运用到授信过程中时就会带来偏
差。
30 具体的分组方法请查阅：Thomas, L. C., Edelman D. B. and Jonathan N. Crook , 2002, Credit Scoring and Its
Application, SIAM monographs on mathematical modeling and Computation, Philadelphia.
31 “好客户发生比”由“好客户百分比”除以“坏客户百分比”得到。该指标可用于度量某个特征项的重
要性，显然，发生比(Odds)离1 越远，该特征项越重要。
第二章小企业信用评分系统的建立过程
第20 页共60 页
信息来源：Rosenberg, E. and Gleit, A. 1994, Quantitative methods in credit management: A Survey., Operations
Research, 42.
图2-2 申请评分建模的有偏样本
为了部分的解决这个问题，“拒绝推论”的理念被提出来并且在实践中加以采
用。“拒绝推论”通过力求成功地推测被拒绝者在获得信贷的情况下可能的行为表
现，以达到获得完整无偏的建模样本的目的。
实践中，一些有实力的金融机构在短期内接受部分本来应该被拒绝的客户的
申请，然后观察这些客户的还款行为，将获得的数据参加建模。D. J. Hand32认为，
这种方法尽管会增加银行的信贷风险，但同时也能够改进评分卡的质量，因此只
要将损失控制在一定范围内，就可以推广这种方法。美国的富国银行也采取这种
方法，取得了不错的效果33。
32 Hand, D. J.: Reject Inference in Credit Operations. In Credit Risk Modeling Design and Application, ed E.
Mays. Chicago: Glenlake Publishing, 181~190.
33 信息来源：与富国银行小企业贷款部资深副总裁肖兵的谈话。
总体
非申请者申请者
好客户坏客户被拒绝者被接受者
好客户坏客户好客户坏客户
总体
申请者
被接受者
坏客户
好客户
第二章小企业信用评分系统的建立过程
第21 页共60 页
需要提到的是，拒绝推论问题只是在开发申请评分卡的时候会涉及到。而对
行为评分模型等而言，由于考察的是现有的客户群体，建模样本就不会涉及到有
偏与否的问题。
第二节模型的建立和检验
一、建立信用评分模型的数学方法
现代的信用评分方法主要是利用多种统计学、运筹学及其他定量分析工具。
统计学方法主要包括线形回归、判别分析和Logistic回归等；运筹学方法则主要
是一些数学规划方法。大部分的信用评分模型都使用其中的一种方法，或将几种
方法结合起来使用。最近几年，一些新的方法，如神经网络（Neural networks）、
遗传算法（Genetic Algorithm）、专家系统（Expert systems）等人工智能模型以
及非参数统计中的k阶近邻方法（K-nearest neighbor classification）等均被应用到
评分卡的开发之中34。
如此多的方法被应用到这样一个实际上是分类的问题，一个重要的原因在于
信用评分是一个注重实效的领域。模型预测的精度是非常重要的，许多情况下即
使预测的准确性只提高一点点，也会使信贷机构的损失减少很多。因此，只要能
提高预测准确性的方法均可以使用。
那么在实践中，有没有一种最佳的方法呢？笔者通过调研发现，在小企业信
用评分领域处于国际领先的富国银行主要采用的是Logistic回归方法。那么对于
无论从理论上还是实践上都还刚刚起步的信用评分领域而言，国内的情况又是怎
样的呢？石庆炎，靳云汇35通过对中国某一家商业银行某分行信用卡客户数据库
的研究，得出了以下结论：神经网络等非线性方法的预测精度往往要高于判别分
析、Logistic回归、线性规划等线性评分方法；但是线性评分方法在它们的预测
精度范围内，还是有较强的区分好、坏客户的能力，而且，这些模型的稳健性要
34 关于建立信用评分模型数学方法更详尽的阐述请参考：Thomas, L. C., Edelman D. B. and Jonathan N.
Crook , 2002, Credit Scoring and Its Application, SIAM monographs on mathematical modeling and Computation,
Philadelphia.
35 石庆炎、靳云汇，多种个人信用评分模型在中国应有的比较研究，统计研究，2004 年第6 期。
第二章小企业信用评分系统的建立过程
第22 页共60 页
强于神经网络等非线性方法，这一点对个人信贷消费市场正处于快速发展时期的
中国而言可能更加重要。基于对各种方法在预测精度、稳健性和透明度（即是否
易于理解和对结论的原因作出合理的解释）方面的进一步比较后，作者认为，在
现阶段对零售产品建立定制化的信用评分模型时，Logistic回归是一种较好的方
法。
另外，很多学者都一致认为，除了建模的方法而外，模型预测精度的改善更
多来自新的更有预测力的变量的使用或者是分类策略的改变，比如用行为评分替
代申请评分或对贷款进行基于风险的定价（Risk-based pricing）等36。
二、评分模型的检验37
信用评分模型在投入实际使用前，必须对模型的预测能力进行评估。这里，
重点关注的是模型将好客户错分为坏客户以及将坏客户错分为好客户的比率以
及由此产生的损失。目前常见的检验方法有保留样本（Hold-out Sample）法、交
叉验证法（Cross Validation）、区分度统计量（Separation Statistics）法以及ROC
曲线38（Receiver Operating Characteristic Curve）法等39。下面以美国富国银行在
信用评分过程中使用的ROC曲线为例，介绍评分模型的检验过程40。
一旦评分卡建立起来，建模样本中的每个客户都会获得相应的信用评分。如
果评分卡能够完全精确的预测未来，那么通过确定某个分数线（Cutoff line）就
可以把所有的好坏客户区分开来，即所有的坏客户都在该分数线以下，所有的好
客户都在该分数线以上。但是由于第一章中讨论的原因，好客户和坏客户的分布
不会完全分开，好客户也可能得分较低，坏客户也可能得分较高41。尽管如此，
36 Hand, D.J. and Henley, W.E. 1997, Statistical Classification Methods in Consumer Credit Scoring: a review.
Journal of the Royal Statistical Society, Series A.
37 注意：这里指的检验是模型的有效性检验，而不是模型本身的数学检验（比如回归模型参数的显著性检
验）。
38 也常常被叫做洛仑兹（Lorentz diagram）曲线。
39 Thomas, L. C., Edelman D. B. and Jonathan N. Crook , 2002, Credit Scoring and Its Application, SIAM
monographs on mathematical modeling and Computation, Philadelphia.
40 肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信息国际研讨会（北京）
发言稿，2006 年8 月。
41 这在统计上分别被称为第一类错误（type Ⅰ error，又叫“弃真”的错误）和第二类错误（type Ⅱ error，
也叫“存伪”的错误）。
第二章小企业信用评分系统的建立过程
第23 页共60 页
一个好的评分卡应当尽可能的将好坏客户区分开来，也就是说绝大部分坏客户都
应该得分较低，同时绝大部分好客户都应该得分较高。
ROC曲线考查的就是在传递和接受信息过程中估计分类的错误。它也被称为
替代曲线（Trade-off curve），主要是由于它反映了在好客户和坏客户之间权衡
的关系— — 为了获得一定比例的好客户而必须接受的坏客户的比例。一个假想的
评分卡客户分数分布如表2-1所示。根据表中数据，我们可以画出相应的ROC曲
线。对一个完全随机的模型来说，ROC曲线是图中的45度对角线；而一个完全精
确的模型对应的ROC曲线应当与左边纵坐标和上面的横坐标完全重合，即在接受
好客户前就将所有的坏客户拒绝掉了。通常评分模型的ROC曲线应当位于这两条
线之间，如图2-2所示，一个好的评分模型的ROC曲线应当尽可能的与左边纵坐
标和上面横坐标接近。在这个例子中，评分卡通过拒绝大约10%的好客户能够找
出大约60%的坏客户。我们希望曲线上升得尽可能的快，因为这意味着更多的坏
客户会得到低的评分。
表2-1 一个假想的评分卡客户分数分布
分数段好账户累计百分比坏账户累计百分比
0-10 0.1 5.8
11-20 0.6 12.8
21-30 2.6 28.1
31-40 9.8 56.2
41-50 23.4 76.2
51-60 49.8 91.3
61-70 68.8 96.7
71-80 86.3 99.3
81-90 97.1 99.8
91-100 100 100
注：表中的分数是假设的，不具有实际意义。
第二章小企业信用评分系统的建立过程
第24 页共60 页
0
10
20
30
40
50
60
70
80
90
100
0 10 20 30 40 50 60 70 80 90 100
好帐户累计百分比
坏帐户累计百分比
注：表中散点连线即为该评分卡的ROC曲线。
图2-3 ROC 曲线
第三节评分卡的实施与监测
信贷机构花费大量的资源开发出评分卡后，成功地运用实施评分卡尤为重
要。错误的使用方法会使得评分卡的有效性大大降低甚至基本无效，最后不得不
将其“束之高阁”。成功地实施评分卡会牵涉许多问题，例如，对评分卡给出的结
果是否进行人工修正，是否对某些申请者采取“一票否决”制，临界分值怎么确定
等等。
另外，一旦模型投入使用，必须了解其运行效果是否与期望一致，这就需要
对模型的实际运行效果进行监测。本节对评分模型运用的后两个环节— — 模型实
施及检测进行讨论。
第二章小企业信用评分系统的建立过程
第25 页共60 页
一、实施评分卡时的一些问题
1、临界分值（Score cutoffs）的选择
临界分值是这样的分数：若申请者的信用得分超过该分数，评分系统建议批
准该申请人的贷款申请；若申请者的信用得分在该分数之下，评分系统建议拒绝
申请者的贷款申请。显然，在信用评分模型实施之前，必须选择好这样的临界分
数。
临界分数的设置首先需要对贷款组合的未来现金流进行分析，现金流分析包
括贷款的存在时间、收入现金流以及支出现金流等部分。贷款存在时间影响到现
金流时间点的确定，收入现金流涉及利息、发行费、拖欠费以及提前还款费等分
析，支出现金流涉及到固定成本、机构自身的融资成本、催收费用以及违约成本
等的确定。
除此之外，信贷机构还有许多重要的因素要考虑，比如批准率对未来市场份
额的影响等。贷款机构也必须把自身的经营能力考虑在内，因为贷款数量太多或
太少，要么造成资本和资源的紧张，要么造成资源利用不足。另外，如果临界分
值的设定带来现有贷款申请比率较大幅度的变化，相关部门的调整还需要有计划
稳妥的进行。
总之，最终分数线需要对这些因素进行综合权衡（Tradeoff）而确定。
2、人工修正（Score overrides）
人工修正指信贷机构作出的最终决策与评分卡的决策建议相反，包括低端人
工修正（Low-side override）和高端人工修正（High-side override）。低端人工修
正指申请者在信用评分低于分数线时仍然获得贷款，一般说来，这种情形下信贷
机构有理由认为申请者的信用风险比评分揭示的要小。相对应的，高端人工修正
指申请者在信用评分高于分数线时，贷款申请被拒绝。在实际操作中，低端人工
修正是首要考虑的问题，因为接受低分数的申请者可能带来较大的风险42。
允许一定数量的人工修正似乎是一个好的评分政策的一部分，因为在得分低
于分数线的申请者中仍然有许多潜在的好客户。但是，实际操作中人工修正应当
42 从机会成本的角度说，拒绝高分数的申请者当然也可能带来损失。
第二章小企业信用评分系统的建立过程
第26 页共60 页
被控制到最低程度43。如果评分卡已经很好的鉴别了信用风险，而修正率仍然很
高，就可能出现两种后果：（1）如果目前的分数线是最有利于利润最大化的，
人工修整实际上造成了未来利润的降低；（2）如果信贷机构在分数线以下发现
许多优质客户，或许表明目前分数线的设置不合理，应该被降低。在这两种情形
下，很高的人工修正率都意味着评分卡没有被正确的使用。
如果修正贷款的表现不超过评分系统的预期，同时对保持贷款量有一定的要
求，最好的方法就是降低评分卡的分数线，同时极大的限制人工修正。机构的风
险管理人员应当对可以修正的情形进行详细的规定，同时，对修正的权力、数额
以及被执行次数等方面也要作出相应的说明。在随后的信贷过程中，工作人员需
要将修正贷款按不同的情形归类，然后用于分析贷款的未来表现与各种原因之间
的关系。如果修正贷款的表现确实好于评分卡的预期，就应当将修正原因用于未
来的信贷政策，或者是加入到新开发评分卡的特征变量中。
3、政策限制（Policy limits）
政策限制是指对具有某些特征变量值的客户进行“一票否决”，从而帮助借款
机构避免在不想授信的申请者上浪费时间。但是，如果限制设置不合理，就可能
错失很多优质客户，因此，政策限制的标准必须非常谨慎。
事实上，很多情况下客户的风险已经通过总的信用得分得到揭示，评分卡很
可能已经通过赋予单个特征项较低的分数有效控制了其可能带来的风险。而合理
的政策限制主要发生在两种情况下：一是由于建模样本分布有偏，某些信息并未
进入评分模型，造成对缺乏数据的部分预测不足；一是对那些可能会带来风险但
是还没有被评分卡考虑的变量设置限制。
二、评分模型的监测
一旦信用评分模型投入运行，就必须不断对它的表现进行评估。评估者必须
尝试回答下列问题：
43 有监管者认为，如果低端人工修正的比率达到10%（修正者/低于分数线的申请者），就已经非常高了。
第二章小企业信用评分系统的建立过程
第27 页共60 页
评分卡的使用与我们的预期是否一致？分数线是否被严格执行，人工修正是
否被控制在最低水平？人工修正的理由充分吗？最常见的原因是什么？
评分卡是否能够像期望的那样对贷款的风险进行排序，它的表现是否有所退
步？好坏客户发生比或者坏账率是否与评分卡的预期一致？
贷款申请者的特征变量是否发生变化？是否有更多低分数的客户申请贷款
但是被拒绝？他们的特征变量是什么？
贷款申请者的分数分布是否发生了变化？比如，即便高于分数线客户的比例
保持不变，在分数线周围低分数账户的增多也可能带来很多麻烦。
美国的货币监理署（Office of Controller of the Currency, OCC）44将监测报告
分为前端跟踪报告（Front-end reports）和后端跟踪报告（Back-end reports）45。
常用的前端跟踪报告包括：
总体稳定性报告和批准率报告（Population Stability and Approval Rate
Report）；
特征变量分析报告（Characteristic Analysis Report）；
人工修正报告（Override Rate Report）；
人工修正原因报告（Override Reasons Report）。
常用的后端跟踪报告包括：
好坏客户区分报告（Good/Bad Separation Report）；
早期表现分数报告（Early Performance Score Report）。
除了为评分卡的表现提供了跟踪系统以外，跟踪报告也为评分卡的有效性检
验提供了重要的信息。一旦评分卡老化，就需要对评分卡进行升级。
44 OCC 在1997 年的24 号公告中提到，银行“必须建立检测模型准确性和可靠性的报告”。
45 有关跟踪报告的更详细论述请查阅：Mays, E. 2004, Credit scoring for Risk Managers— the Handbook for
Lenders. South-Western.
第三章小企业信用评分的国际经验
第28 页共60 页
第三章小企业信用评分的国际经验
本章首先通过现有的调查数据，了解西方著名的信贷机构运用小企业信用评
分的情况，然后以美国富国银行为代表进行案例研究，最后探讨小企业信用评分
与小企业信贷之间的经济联系。这些国际经验的调研和探讨有助于给我们带来启
示。
第一节小企业信用评分在西方信贷机构的实践
如前所述，20世纪90年代初，一些国际上有名的大银行开始将信用评分技术
运用到小企业贷款业务当中。有代表性的是富国银行（Wells Fargo）、爱尔兰银
行（Hibernia Corporation）、美洲银行（Bank of America）和美国运通（American
Express）等机构。
1993年，富国银行率先在小企业信贷业务中使用信用评分技术。随后，富国
银行在1995年发放的小企业贷款额达到1.08亿美元，较1994年增长了61%。当时，
富国银行提供的小企业贷款额度主要在5000美元以下，而具体额度的多少和利率
的高低主要根据信用得分来决定。虽然在1996年之前，富国银行在美国加州以外
的地区没有任何的分支机构，但是通过小企业信用评分模型，富国银行将自己的
贷款业务迅速延伸到美国的50个州。
位于美国路易斯安那的爱尔兰银行，在90年代早期也决定通过信用评分模型
来扩展小企业贷款业务。评分系统的实施立刻带来了巨大的改变。在1993年公司
没有使用评分系统时，公司的所有信贷员每月平均只能处理100笔小企业贷款申
请，总额在一亿美元左右。到了1995年，当评分模型投入使用后，信贷员的数量
急剧减小到7人，这些人每月平均处理的小企业贷款申请增加到1100笔左右，总
额也急剧上升到6亿美元。
那么经过10多年的发展，目前国际上的信贷机构使用小企业信用评分系统的
情况如何呢？笔者收集到的最新的关于SBCS的调查，来自1998年1月美国亚特兰
第三章小企业信用评分的国际经验
第29 页共60 页
大联储银行对美国各大银行的一次电话调查46。距今虽然已有8年时间，但是我
们仍然能够了解到早期SBCS在国际上的发展情况。
亚特兰大联储首先选出在美国经营的200家最大的银行（按照在美资产排名）
作为调查对象。截至1997年6月30日，这些机构占到全美银行国内资产的71.3%
和100万以下商业贷款余额的53.2%。在这200家银行中，有10家机构由于基本不
涉及小企业贷款业务（小企业贷款余额不足总资产的0.50%）或者是信用卡银行，
被排除在调查之外。最终，组织者向余下的190家机构进行了电话调查，其中的
99家作出了回应，回应率达到52.1%。
在由99家机构组成的回应样本中，62家机构声称在1998年1月之前已经使用
SBCS。其他一些调查的问题不仅涉及到SBCS在贷款发行中的使用程度，也揭示
了各个机构在SBCS实践中的差异。具体说来，这些问题包括：
适用于评分的信贷额度；
是否通过评分卡自动批准/拒绝贷款申请；
评分卡是否用于确定信贷条件（terms）；
是使用自主开发的评分模型还是购买外部评分机构的模型；
使用SBCS有多长时间了。
表3-1是对这62家机构的调查统计。这些机构在10万美元以下额度的小企业
贷款中无一例外的使用了SBCS，其中74.2%的机构将SBCS运用于25万美元以下
贷款。只有21%的机构将SBCS运用于25万美元到100万美元之间的贷款。有41.9%
的机构将评分卡用于自动的批准/拒绝授信过程，有32%的机构将评分卡用于确定
信贷条件。绝大部分银行使用从外部购买的模型，而自主开发模型的机构比例只
有12.9%。
是什么因素决定了信贷机构采用SBCS可能性的大小和时间的早晚呢？有学
者进行过专门的研究。他们发现，机构的结构有很重要的作用：拥有较少经营许
可证（charters）而较多分支机构(branches)的银行更易于并且更早采用SBCS模型。
这就表明，结构较为集中的大银行更可能采用SBCS。
46 遗憾的是，这也是能够收集到的唯一的一次关于SBCS 的国际统计调查。
第三章小企业信用评分的国际经验
第30 页共60 页
表3-1 亚特兰大联储关于银行使用小企业信用评分卡的调查结果
数量占使用SBCS银行的比例（%）
适用于评分的信贷额度：
10万美元以下62 100.0
10万美元到25万美元46 74.2
25万美元到100万美元13 21.0
评分卡的使用方式：
自动批准/拒绝26 41.9
决策过程的一部分59 98.3
确定信贷条件20 32.3
管理已发放的贷款8 12.9
使用的评分卡的种类：
自主开发8 12.9
购买54 87.1
开始使用评分卡的年份：
1992年47 1 1.6
1993年2 3.2
1994年6 9.7
1995年9 14.5
1996年28 45.2
1997年16 25.8
使用评分卡的平均月份24 ---
47 这里的数据似乎与前面的数据（1993 年开始）矛盾，但一般公认最早使用SBCS 模型的仍然是富国银行。
第三章小企业信用评分的国际经验
第31 页共60 页
数据来源：Frame W. S., Srinivasan A. and Woosley L. 2001, the Effect of Credit Scoring on Small-Business
Lending, Journal of Money, Credit and Banking, 33.
第二节信用评分在富国银行小企业信贷业务中的运用48
富国银行历史悠久，创立于1852 年。截至2004 年底总资产4280 亿美元，
为美国第五大银行，市值总额1050 亿美元，是美国第四大市值的银行。富国银
行主要面向美国西部二十三个州开拓市场，在银行管理战略上，以交叉销售著称，
是美国唯一一家拥有穆迪(Moody) AAA 和标准普尔(S&P) AA+信用评级的银行。
最近二十年来，富国银行市场投资者年回报率高达21% (美国股市同期年回报率
约12%)，股价由84 年的1.92 升到2004 年的62.15，为原来的31.37 倍，每股盈
利也由1984 年的0.84 元增长到2004 年的1.86 元。
一、富国银行利用小企业信用评分的简要历史
长期以来，小企业创造了美国40%以上的国内生产总值，雇用了半数以上
的私营劳动力，创造了四分之三的新就业机会，庞大的小企业经济总量带来巨大
的潜在的贷款需求量和多种交叉销售的机会。但是由于传统信贷模式的束缚，
1990 年之前富国银行在小企业贷款方面并无突破，而且内部研究也表明传统的
小企业贷款并不盈利。
20 世纪90 年代初开始，为了降低费用，同时也是为了应对越来越激烈的贷
款市场，富国银行将信用评分技术引入小企业贷款业务中，着手设计第一代小企
业信用评分卡，这一技术使得银行无需与顾客进行面对面的接触就可以办理业
务，使得客户和银行之间的关系更加灵活。
1995 年，富国银行开始发放“直接信贷（Direct lending）”，即直接向年销售
额小于200 万美元的小企业发放最高额度为10 万美元的程序简化的无抵押循环
贷款。新的贷款方式运行第一年就贷出20 亿美元，贷款余额也由4 亿美元猛增
48 本节内容部分内容节选自：Bing Xiao, 2006, Application of Credit Scoring in Micro and Small Business
Lending in Chin, DRC and WB research program.
第三章小企业信用评分的国际经验
第32 页共60 页
到10 亿美元。到2001 年，它已在小企业贷款业务中排名第一。到了2004 年，
富国银行已经连续三年在全美小企业贷款业务上名列第一，全美市场占有率达到
15%。
利用信用评分技术，富国银行已经完成了数百万笔小企业贷款业务，向需要
这项服务的客户提供了230 多亿美元的信贷额度。目前未清偿的贷款余额是90
亿美元，其中90%是无抵押贷款（业主只需提供简单的个人担保）。富国银行在
美国和加拿大共有大约50 万现有客户。客户的平均年销售额在325,000 美元左
右，平均贷款余额或者发行在外的额度大约为2 万美元，而平均存款余额约为
7000 美元。企业的平均经营年限约为13 年，企业成为富国银行直接信贷客户的
年限约为6 年，70%的企业雇员数在5 个以内。
十年来，富国银行小企业贷款业务盈利飞速增长，坏帐率也一直低于最初的
假设。
二、富国银行的小企业信贷流程
富国银行的小企业信贷流程主要分为三个环节。
第一个环节是市场营销及新产品开发。其重点是通过数据驱动的目标市场、
有吸引力的报价和不断的模型检测来吸引低风险的小企业贷款人。同时，也更加
全面的重视开发新的创新型产品和服务，这一过程既需要创造性的思维方式和交
叉销售的模式，也需要尽量达到更高的产品增长率以保持其市场领先地位。
第二个环节是放贷（贷款审批过程）和信用评分。主要是利用信用评分技术
来开发小企业信贷模型，在企业信息和业主个人信息之间建立联系。但是，与消
费者贷款模型相比，小企业信用评分需要依靠更丰富的数据资源和针对更精细的
客户群来建立模型。同时，贷款发放策略和模式也要经常得到分析、评估及修正。
第三，作为一种最大化贷款组合价值的方法，售后客户业务管理发挥着极其
重要的作用。它要求对每一个账户都进行管理和评估，如果未达到期望值就要采
取行动，对每一类客户群也要进行分析和管理。这些措施创造了一个风险分散的
第三章小企业信用评分的国际经验
第33 页共60 页
平衡的投资组合。基于风险的定价方式可以允许“较高”的坏帐率，而传统的方式
是尽可能的限制贷款损失。
总之，整个流程的关键在于吸引好的可靠的客户并维持优质客户群— — 优质
客户群是维持信贷质量和盈利的根本。冗长而繁复的贷款申请手续与低额度、高
利费的缺乏吸引力的产品会常常引发逆向选择问题，而逆向选择又会增加获得优
质客户的难度。精心设计的营销和产品、信用评分及有效的组合管理对解决这些
问题起着十分重要的作用。
三、以信用评分为基础管理小企业贷款
富国银行的成绩得益于对小企业贷款业务在组织上和战略上的重视。它在银
行内部组建了专门的小企业贷款部，并由最高管理层直接领导。同时，保守的风
险观念和审慎的风险承担的平衡也很重要，表现不佳的贷款必须通过分析及时发
现和加以处理。另外，核心能力的培养，卓越有效的执行力，对创新进行评估和
奖励，吸引和奖励高级人才等因素都非常重要。
那么，以评分为基础的小企业贷款组合在经济衰退中的表现如何呢？富国银
行保守的信贷设计能够应付经济衰退。很多小企业主要生产和出售个人消费品，
与那些大宗耐用消费品相比，这种日常性用品的生产活动受到经济衰退的影响较
小。同时，小企业普遍比大型企业更灵活，能够更快的进行调整。
四、保持信用评分模型的有效性
为了达到最佳效果，作为小企业信贷基础的评分卡必须通过试验进行不断的
检测。评分对风险作出了度量，但是评分并不能完全决定贷款的发放。决定贷款
发放的是由各种政策限制或者参数定义的贷款规则，评分是要素之一。在规则的
制定中还可能考虑到企业跟富国银行的其他关系，如企业存款和支付服务的使用
情况等。
现有信贷规则模式（Champion）不断受到替代模式（Challenger）的质疑和
挑战，成功的替代模式不断的改变着信贷规则。创新的信贷规则的产生既要通过
第三章小企业信用评分的国际经验
第34 页共60 页
大量小规模的试验来迅速获得信息和反馈，也需要企业内部的创业精神、员工的
主人翁地位和意识。
维持和改善信息的根本在于营销测试和产品创新。富国银行通常使用低成本
的客户联系目录，提供有吸引力的产品报价以及利用银行的分支机构、电子邮件、
英特网、电话和与其他机构的合作等渠道来传递信息。这种向外拓展的方式必须
接受检测和分析以确定被吸引客户的类型。
五、利用信用评分降低交易成本
富国银行在小企业贷款业务中采用信用评分法的初衷在于降低交易成本。传
统的贷款方式往往手续复杂，信息不对称问题严重，蕴含的风险较高，这些都会
导致高交易成本和低收益。因此，必须对传统的贷款方式进行根本的改革才能使
小企业贷款业务盈利。富国银行降低成本的措施包括：
（1）贷款获得便利化：通过邮件、电话或者分支机构直接实施产品营销和接
受贷款申请，替代仅仅依靠信贷员面对面交流的方式。
（2）申请材料简洁化：不需要贷款申请者提交纳税申报单和财务报表。
（3）分析程序简单化：利用信用评分卡自动作出贷款决定而无须信贷员进行
详细地审核。
（4）开放式的审核评价：信用额度是随时开放的而不需要进行年度例行评
价— — 借款者可以随时任意在信用额度内通过电话、自动取款机、支票或者
关联信用卡的方式提款，类似于个人信用卡贷款。
（5）与抵押脱钩：小企业贷款绝大部分是无抵押的（企业业主提供个人担
保）。
富国银行大约三分之二的贷款申请能够在五分钟之内自动处理完毕，要么批
准要么拒绝，剩下的三分之一由信贷员来重新审核。美国小企业信贷的行业研究
发现，到目前为止，富国银行利用评分卡系统处理了百万笔以上的小企业贷款申
请，所有处理小企业贷款的平均费用只占贷款本金的1%，平均每笔贷款的费用
在几十美元，为全美最低。
第三章小企业信用评分的国际经验
第35 页共60 页
第三节信用评分和小企业信贷的可获得性
到目前为止，国际上关于信用评分与小企业信贷可获得性（availability）之
间关系的研究涉及小企业信贷的各个方面，包括：贷款的数额；贷款的风险与信
息不对称性；在低收入地区与高收入地区促进贷款方面可能的差异；贷款的地理
分布；贷款期限的长短等。研究发现，SBCS技术的采用能够对这些因素产生正
面的促进作用。本节通过这些因素的分析，从多维度考察信用评分与小企业信贷
的经济关系。
一、SBCS对贷款数额的影响
Frame, Srinivasan和Woosley49研究发现，SBCS的使用能够促使额度10万美元
以下小企业贷款数量的迅速增加。同时，这种促进作用也与其他因素，比如机构
的大小、组织结构及兼并活动等有关系。Berger, Frame和Miller50从4个方面进行
了更加深入的分析，包括：1）考察10万美元到25万美元贷款的情况（也包括10
万美元以下的贷款）；2）使用更长时间的数据（1995年至1997年）；3）分析每
家银行以及整个银行业的学习曲线（Learning curves）；4）考察评分技术使用方
式的差异带来的不同结果。他们同样发现SBCS对10万美元以下贷款总额有显著
的促进作用，不过对每个机构而言，这种效果取决于评分技术已经使用的时间以
及实施的方式。往往当机构引入一段时间，并学会正确使用评分模型时，SBCS
对贷款数量等方面的促进作用才会逐步显现出来。同样的，这种促进作用主要发
生在那些所谓的“规则（rules）”银行，而不是“判断（discretion）”银行51里面。
这表明，贷款的增加有可能主要归功于SBCS技术带来的成本降低效应，而不在
49 Frame W. S., Srinivasan A. and Woosley L. 2001, the Effect of Credit Scoring on Small-Business Lending,
Journal of Money, Credit and Banking, 33.
50 Berger A. N., Frame W. S. and Miller N. H., 2005, Credit Scoring and the Availability, Price, and Risk of Small
Business Credit, Journal of Money, Credit, and Banking.
51“规则”和“判断”是作者根据机构依赖SBCS 的程度进行划分的。“规则”和“判断”两种方式的银行
都使用SBCS，不同的是：“规则”银行基本上根据评分卡的结果来进行信贷条件的设定和做出自动批准/
拒绝贷款的决定，这种方式的首要目标是控制贷款发放的成本；而“判断”银行则依靠各种信贷模式来设
定信贷条件和做出批准/拒绝决定，SBCS 只是其中的一个考虑因素，这种方式的主要目标在于消除信息的
不对称性。
第三章小企业信用评分的国际经验
第36 页共60 页
于减少了信息的不对称性。“规则”的使用即便增加信息的不对称性，带来更多坏
帐，也可能会由于显著降低了成本而带来更多盈利。
二、SBCS对小企业贷款利率和风险的影响
Berger, Frame和Miller52发现使用SBCS（包括“规则”和“判断”两种方式）的
银行比不使用SBCS的银行贷款利率和风险都要高。而在使用SBCS的银行中，“判
断”银行的利率比“规则”银行的利率高，而“判断”银行贷款的平均风险则低一些
53。
三、SBCS对小企业信贷收入分布和地理分布的影响
Frame, Padhi和Woosley54分析了潜在SBCS目标群体的另外两个特征— — 收
入和地理位置。通过分析本章第一节提到的被调查机构在1997年发放10万美元以
下小企业贷款的分布情况，他们发现SBCS对中低收入地区和高收入地区贷款发
放额的影响基本相同。
他们也发现，使用SBCS的银行在本地市场以外的贷款数额要比不使用SBCS
的银行高很多。这跟人们的直觉是一致的，因为SBCS并不需要像关系型信贷
（relationship lending）那样进行近距离的面对面接触，或者像其他贷款发放技术
那样需要更多的实物管理（Physical monitoring），比如考察实物抵押等。这个发
现表明，如果银行经营范围不受法律的地域限制，SBCS可能增强机构在发放贷
款方面的相互竞争。
四、SBCS对贷款期限的影响
Berger, Espinosa, Frame和Miller55找出了通过“判断”方式使用SBCS的银行与
完全不使用SBCS的银行在信息（Information sets）获取方面的差异56，然后他们
52 Berger A. N., Frame W. S. and Miller N. H., 2005, Credit Scoring and the Availability, Price, and Risk of Small
Business Credit, Journal of Money, Credit, and Banking.
53 这主要是由于“判断”方式的特点决定的，这种方式在消除信息不对称性上比“规则”方式更好。
54 Frame W. S., Padhi M. and Woosley L. 2004, the Effect of Credit Scoring on Small Business Lending in Lowand
Moderate-Income Areas, Financial Review, 39.
55 Berger A. N. etc. 2005, Debt Maturity, Risk, and Asymmetric Information, Journal of Finance.
第三章小企业信用评分的国际经验
第37 页共60 页
检验前者获取的多余信息带来的影响，并发现前者低风险贷款的期限明显长于后
者。这个发现表明SBCS通过延长贷款期限的方式增强了小企业贷款的信用获得
性。
上述所有的研究表明，SBCS至少能够通过某一方面增加小企业贷款的信用
获取，包括增加总的信用额度，增加对不透明客户和高风险客户的贷款，促进在
高中低各个收入地区的贷款，扩大贷款地域范围，延长贷款期限等。所有的这些
对当前中国的小企业贷款都具有重要的意义。
五、影响信用评分与小企业信贷关系的外生因素
在考察SBCS对信贷获取影响的同时，银行规模，机构间的竞争，小企业信
贷二级市场的发展，以及SBCS技术的推广等外生因素也起着重要的作用。
在银行规模方面，早期的研究表明：大银行在处理类似SBCS这种“硬（hard）”
信息信贷技术方面存在比较优势，而小银行在依靠“软（soft）”信息的关系型信
贷方面具有比较优势。尽管如此，近年来的研究表明，银行的规模与小企业贷款
的获得性之间并没有特别的相关关系。大银行可以利用包括SBCS在内的各种信
贷技术来为那些信息最不透明的小企业贷款，小银行也可以从外部机构购买评分
卡并利用其可能的好处。
关于银行机构间的竞争问题，有数据表明SBCS促使银行业务的地理范围迅
速扩张，有效加剧了银行间尤其是大银行之间在小企业贷款方面的竞争。各大银
行将业务的地理范围延伸到传统的经营地区之外，有效地增加了各个地区信贷的
可获得性。
发展有意义的小企业贷款二级市场，能够促使利用SBCS技术发放小企业贷
款，因为标准化的SBCS技术有利于促使小企业贷款的证券化。不过到目前为止，
这一市场发展得十分缓慢，有必要借鉴个人信用卡贷款和住房抵押贷款的经验，
在法律法规环境以及政府补贴等方面进行改革57。
56 “判断”银行能够获得比不使用SBCS 的银行更多的信息。
57 《巴塞尔新资本协议》通过减少对风险较小的小企业贷款的资本金要求，来促进小企业贷款二级市场的
发展。
第三章小企业信用评分的国际经验
第38 页共60 页
在SBCS的推广方面，目前该技术已经从美国的大行扩展到一些小银行和一
些发达国家的银行。各大征信机构和评分卡开发商也收集了更多更深入的个人和
企业信息。这些都有利于SBCS在银行的进一步推广，同时也为开发适用性更强
的评分模型打下了基础。
第四章小企业信用评分在中国的运用
第39 页共60 页
第四章小企业信用评分在中国的运用
本章首先通过笔者的调查数据，分析小企业信用评分在中国商业银行运用的
现状，然后以中国工商银行的小企业信用评级体系为例进行案例研究，接着探讨
小企业信用评分在中国运用的内外部条件，分析中穿插对国内运用成功的IPC 小
企业信贷模式的比较研究，最后作出结论。
第一节小企业信用评分在中国商业银行的实践
在西方，作为一种成熟的信贷技术，信用评分已经被广泛的运用到各种信贷
产品以及信贷的各个环节当中。从20世纪六七十年代开始，消费者贷款市场开始
引入评分模型，至今已有近半个世纪的时间。小企业信用评分从20年代90年代出
现至今，也已经在欧美银行中得到普及。国内的商业银行在这一领域的发展则要
明显落后于国际先进水平，而国内的理论界对信用评分的研究也才刚刚开始几年
的时间。
在缺乏前人系统研究的情况下，为了对小企业信用评分在国内机构中的实践
有更加清晰的了解，笔者力求通过一些侧面的和“点”的信息来进行论述，以达到
以点带面的效果。
在2006年8月北京进行的一次关于SBCS的国际研讨会58上，组织者例行对参
会人员进行了匿名调查。尽管该调查的内容与SBCS没有直接联系，其中的一些
结果仍然给我们研究的问题提供了启示。调查结果如表4-1所示。
58 2006 年8 月18 日，中国银行业协会与世界银行在北京共同举办了题为“微小企业贷款和信用信息利用”
的国际研讨会，国内50 多家银行机构的部门代表出席了会议，会上富国银行小企业信贷部的负责人介绍了
富国运用SBCS 的成功经验。
第四章小企业信用评分在中国的运用
第40 页共60 页
表4-1 “微小企业贷款和信用信息利用”研讨会调查问卷部分结果分析
问题得分选择的人数选择的比例平均分
1 2 3.92%
2 2 3.92%
3 20 39.22%
4 13 25.49%
5 14 27.45%
本次培训活动
的内容对您的
新颖程度
3.69
1 0 0.00%
2 3 5.88%
3 13 25.49%
4 21 41.18%
5 14 27.45%
您从本培训活
动获取的信息
对您的有用性
3.90
1 1 1.96%
2 1 1.96%
3 17 33.33%
4 18 35.29%
5 14 27.45%
本次培训活动
对您亟待提高
的领域的针对
性
3.84
注：参会代表90 余人，收回有效问卷51 份；每个问题分5 个等级，程度随分数递增，
例如，新颖程度1— 5 分依次为“很不新颖”、“比较不新颖”、“一般”、“比较新颖”和“很
新颖”。
可以看出，无论是培训内容的新颖程度，信息的有用性，还是对商业银行亟
待提高领域的针对性，这几个问题的平均得分都接近“4”的水平，可见SBCS对大
第四章小企业信用评分在中国的运用
第41 页共60 页
部分机构而言，还较为陌生，同时它们也渴望能够利用这一技术提高本机构的信
贷水平。另外，表中每个问题分数最低的选项（1或者2）都有很少量的数据分布
（从2到4不等）。据此可以认为，这些与会者所在的机构已经对SBCS比较熟悉，
尽管我们还不能知道它们是已经运用SBCS，还是仅仅停留在研发阶段。总的说
来，通过以上数据，我们至少可以得出如下结论：绝大多数中国的商业银行在实
践中还没有用到SBCS；但与此同时，也不排除个别银行已经进行SBCS研发甚至
运用的可能性。
由于客户群同质性较好、数据收集较容易以及贷款数目多，个人消费评分卡
一般要比小企业评分卡更容易建立。2000年以来，国内的一些大银行已经通过与
外部机构合作开发等方式陆续建立了个人信用评分系统。广东发展银行就是其中
的先锋。它们利用自己多年信用卡业务积累的数据资源，通过与SAS公司密切合
作，在2001年率先推出第一代产品— — “个人申请评分卡”— — 国内首个真正以数
据为驱动的评分模型。随后的2003年和2005年，广发行先后推出了第二代和第三
代产品，即消费者“行为评分卡”和“催收评分卡”，将信用评分技术运用到现有客
户管理和坏账催收业务中59。消费者信用评分系统的成功建立，应当为SBCS的发
展奠定了有力的基础。
那么在处理小企业贷款的实践中，目前究竟有没有国内银行通过小企业信用
评分卡发放贷款呢？笔者通过实地调研发现，目前还不存在这样的机构。国内的
一些大银行，比如中国工商银行，已经开发了类似SBCS 系统的小企业信用风险
评级体系。下面，我们通过具体考察中国工商银行小企业信用风险评级体系，并
于富国银行小企业信用评分体系进行比较，力求找出国内机构与国外先进水平的
差异和差距。
第二节中国工商银行的小企业信用风险评级体系60
中国工商银行（以下简称“工行”）从90 年代初期开始，就致力于开发自身
的小企业（不高于500 万年收入的企业）信用风险评级模型。到2002 年，工行
59 信息来源：与广东发展银行相关部门负责人的谈话。
60 信息来源：2006 年8 月富国银行访问中国工商银行会谈纪要, 及中国工商银行网站www.icbc.com.cn。
第四章小企业信用评分在中国的运用
第42 页共60 页
制定了小企业评级试行办法，并在江苏等8 家分行进行了为期三年的试点。通过
实践的反复测试和修改，截至2005 年年中，工行在试点办法的基础上推出了一
整套适应小企业风险特点的信用风险评级体系，建成了覆盖全行小企业评级业务
的信用风险评级体系。以下从几个方面对工行小企业评级体系进行考察：
一、风险特征要素
该体系改掉以往过多依赖企业财务数据的做法，将定性与定量评价置于同等
重要的地位，并将担保能力评价作为重要的评价内容首次引入到评价体系中。由
此，形成了以担保能力评价为中心，突出企业的信用状况和所处经济环境评价的
体系。这样，既充分考虑了小企业的成长性、效益性特点，又注重其经营和财务
风险评价，使信用等级能够合理地反映小企业的信用状况和偿债能力。
为避免信息不对称而导致的评级结果失真，在资料搜集方面，除了企业正式
的财务报表、商业计划或各类书面文件外，工行更加注重现场调查，注意收集非
财务信息和软信息。通过深入小企业生产、经营和销售现场实地调查和与借款企
业管理人员交流等方式，评级人员了解借款人的经营动态和资信情况，从多方面、
多渠道收集有关借款企业及其经营者家庭收支和信用情况的第一手信息，尽量减
少借贷双方的信息不对称，保证对客户进行全面、客观的评价。
二、客户细分和风险识别
根据不同经营状态小企业的特点，工行的评级办法中将小企业划分为经营期
不满一年的小企业、经营期在一年以上的新开户小企业、经营期在一年以上的非
新开户小企业三类，针对每一类企业的风险暴露点不同，制定了不同的评价内容
和风险影响权重。
由于经营期不满一年的小企业的财务状况、纳税情况等经营活动相对不稳
定，因此，评级中减少对其财务指标的分析和纳税情况的评价，而相对增加了对
其股东、管理层及担保能力等方面的计分权重。对于经营期满一年的新开户小企
业，考虑到其经营活动已经相对稳定，则侧重于对其财务状况、纳税情况及担保
第四章小企业信用评分在中国的运用
第43 页共60 页
能力的评价。但是由于评级人员对这部分企业的了解还是非常有限的，经营状况
的真实性无法得到有效证实，因此对其担保能力的计分权重相对较高。对经营期
一年以上的非新开户企业，由于评级人员对这类客户已经有了比较全面的认识，
获得了较为详尽的信息，企业也有了比较稳定的发展，因此，工行的评级办法主
要注重对其财务状况、管理水平、担保能力、信誉状况等进行全面评价，评价内
容全面而具体。
在对以上三类客户的信用等级进行划分时，根据各类客户的风险程度不同，
分别设定第一和第二类客户共八个等级，最高等级为A＋级；第三类客户共有十
个等级，最高为AA 级。
三、简化审批流程，提高审批效率
针对小企业办理信贷业务金额较小、时间要求较高的特点，工行实施了高效
率低成本的评级管理方式，通过减少评级审批环节大大提高了评级效率。除了总
行不参与评级的审查和审定工作外，要求各一级分行也相应减少审批权限，缩短
评级流程。截至2005 年8 月，工行已经完成了对14049 户小企业的评级工作。
小企业评级系统在一定程度上提高了原有评级的效率，保证了评级质量，实
现了评级操作和管理电子化，以及从数据提取到评价结果形成、审批、统计全过
程的计算机处理。流程电子化的实施保证了客户的基本情况、财务资料、定性判
断等基本信息都能够逐期记录在案，同时所有的审批结论、审批意见都形成了电
子化文档。
简化的评级流程和高效的评级管理方式不仅大大减少了评级时间，有效的提
高了小企业信贷审批效率，还节约了管理成本，为小企业信贷业务的顺利开展打
下了坚实的基础。
四、加强评级管理，实行个性化授权
为强化风险管理，工行通过实施灵活的审批授权制度加强对各分支行评级工
作的监督管理。其中总行根据各一级分行的小企业评级管理状况设定一级行的审
第四章小企业信用评分在中国的运用
第44 页共60 页
定权限，各一级行根据所辖二级行的评级管理状况设定各二级行的审定权限。这
种管理方式大大提高了各级分支行加强评级管理的积极性，加快了各级行对市场
变化的反映速度，实现了权、责、利的明确划分，体现了激励与约束的有效结合。
五、对工行小企业信贷评级体系的再思考
通过以上介绍，可以看出工行的小企业信贷评级体系已经在考察客户信息的
全面性、客户细分和组织结构方面与富国银行成熟的小企业信用评分体系类似。
但该系统与SBCS 最大的不同就在于强调“软”信息的作用，即必须通过信贷人员
大量实地的调研来充分获取信息。
笔者认为，需要信贷人员大量实地调研的方式实际上与信用评分利用自动化
决策降低信贷成本的目的恰好相反。造成这种情况的主要原因在于国内目前征信
体系等基础设施的相对不完善，这种缺陷使得国内金融机构很难通过数据挖掘的
方式建立较为数量化的模型去预测未来小企业的信用状况（该体系中各个变量计
分权重大小的客观性和科学性— — 即是否根据历史数据进行预测— — 有待证
实），也很难通过企业主个人担保的方式发放信用贷款。因而，信贷人员的大量
现场参与和判断成为获取信息的必要条件，而贷款的发放也基本上以实物抵押作
为前提。抵押贷款占工行整个小企业贷款额的80%以上，这与富国银行90%以
上是信用贷款形成鲜明的反差。这表明，工行仍然缺乏先进合理的信用风险识别
技术和手段。
据此，我们可以作出这样的结论，那就是工行还没有运用真正意义上的小企
业信用评分技术。而工行的作法在很大程度上就是整个中国银行业基本现状的缩
影。
第三节小企业信用评分在中国的可行性研究
成功的小企业信用评分系统的建立，依赖于若干重要的内外部因素。比如，
良好的社会征信体系、有利的法律法规环境、健康的小企业发展氛围、成熟的个
人消费信用市场、可靠的银行支付系统以及良好的企业文化和组织机构等等。那
第四章小企业信用评分在中国的运用
第45 页共60 页
么，目前的中国存不存在建立小企业信用评分体系的成熟土壤呢？本节笔者将通
过深入分析目前影响国内机构发展SBCS的重要因素，探讨SBCS在中国信贷机构
的现实可行性。
一、关于小企业信用评分的服务对象
小企业信用评分，顾名思义，当然是为小企业贷款服务。为了达到这个目标，
有必要认识到不同规模的企业在自身需求和贷款方法上的巨大差异— — 这就涉
及到小企业的合理定义问题。
在第一章，我们曾对小企业的定义有过探讨。国内银行界和相关监管机构目
前沿用的是国家统计局的定义，包括行业、员工人数、年销售额和总资产四个维
度。一般来说，年销售额的上限是3，000万人民币，员工人数上限则依行业而有
所不同，从最低100人（零售业）到最高600人（建筑业）不等。这样的定义带来
很大的负面作用。
首先，定义大而泛，起不到划分种类的作用，违背了定义的本意。不难想象，
一个5人的零售商店和一个500人的建筑企业是完全不一样的。按照这个定义发放
的小企业贷款，其同质性必然较差，难以依靠其数据建立有效的评分模型；
其次，这种宽泛的定义方式不能准确度量小企业贷款在各个行业和地域的供
需情况，不利于相关政府机构制定合理准确的政策来促进小企业信贷的发展；
第三，当小企业的范围划分得如此之大的时候，出于经济利益的驱动，银行
会将注意力更多的集中到规模较大的小企业（比如500人的建筑企业）上，因为
每一笔大额贷款与小额贷款在办理成本上差别不大，而在收益方面却差别很多。
这种选择上的“软约束”，使得银行不会通过信贷方式和产品的创新（比如SBCS）
来降低交易成本和准确地识别信用风险，以服务在传统的信贷方式中难以盈利或
者不能盈利的微小企业贷款。
因此，国内银行界和监管机构有必要采用一种更加科学的小企业定义。如笔
者在第一章所言，可以学习国外金融机构（比如富国银行）的经验，根据贷款的
第四章小企业信用评分在中国的运用
第46 页共60 页
规模来对小企业贷款进行定义和划分。同时，建立按照小企业贷款的规模进行报
告的制度，便于监管机构了解小企业贷款的相关情况。
二、关于征信体系的建设
征信体系为小企业信用评分模型的建立提供了基本的信息来源，是建模过程
中最为重要的因素。
与西方很多国家不同，中国的征信体系是在中央银行的主导下建立和发展起
来的。2003年，国务院赋予人民银行“管理信贷征信业，推动建立社会信用体系”
的职责，由人民银行征信管理局具体承担这方面的工作。经过几年的努力，全国
统一的企业和个人信用信息基础数据库（以下简称企业和个人征信系统）建立并
发展起来了。
与此同时，国际上的一些著名的信用机构（如Experian, D & B等），尽管也
在着手建立中国地区的个人和企业信息数据库，但与人行的数据库比起来，在深
度和广度上都还有很大的差距。因此，本部分重点关注人行数据库的情况61。
人行个人征信系统的信息主要来自银行结算账户系统，从2006 年1 月开始
正式运行。到2006 年底为止，该系统已纳入5 亿多人的近13 亿个账户。在这5
亿多人中，有5000 多万人有信用记录，涉及的交易账户（Trade Lines）7000 多
万个，其中3000~4000 万为信用卡账户，其他约80%的为房屋贷款账户。每个账
户已经收集的特征变量在20 到30 项之间，既有客户申请表上的信息，也有客户
还款的历史纪录，包括正面和负面的信息。账户本人或经客户授权的银行人员可
以对信息进行查询。目前，该系统还计划将社会保障信息、个人住房公积金缴存
信息、是否按时缴纳电话、水、电、燃气费等公共事业费用的信息，以及法院民
事判决、欠税等公共信息纳入到其中。
人行企业征信系统在目前为止还没有正式运行。据统计62，截至2006 年11
月底，该数据库共收录了493 万户借款企事业单位的信息，涉及贷款余额16.7
万亿元，其中中小企业占216 万户，涉及贷款余额9 万亿元。系统中的信息包括
61 本部分信息主要来自人行征信局的访问交流。
62 数据来源：中国人民银行官方网站，www.pbc.gov.cn。
第四章小企业信用评分在中国的运用
第47 页共60 页
三个部分：一是借款企业的基本信息，包括企业经营年限、销售量、行业、地址
和名称等；一是借款的基本信息，即借款条件，商业银行在借款次日中午12：
00 之前将变化情况汇集到数据库中；一是企业的大量相关负面信息，包括违约
和欠诉等。其他一些非银行信息，像电信、社保等也纳入了企业库。同时，借款
企业被要求接受年审以定期更新它们的信息。另外，企业数据库也引入了全国组
织机构代码，该代码相当于企业的身份证号码，方便了数据库的建设。
我们可以发现，人行征信系统需要覆盖的信息范围非常全面，比西方国家类
似系统的内容丰富得多，这就为开发更加可靠的评分模型奠定了基础。但由于中
国本身信贷市场发展滞后的原因，我们的数据年限还较短，大部分个人信用卡贷
款和房屋贷款的年限都在5 年之内，而美国的个人信用历史是14 年左右。同时，
我们的数据密度也还很不充分。拿个人系统为例，5000 多万人只有7000 多万个
账户，平均的账户数只有1.4 个，而美国和英国则分别达到13 个和7 个。在西
方金融机构的实践中，数据的时间跨度和数据密度都必须达到一定的水平，比如
数据密度的下限是平均5 个账户数，才能开发有效的评分模型。相信假以时日，
零售信贷市场本身的发展壮大能够为数据挖掘提供更充分的数据基础。
另外，在服务方面，人行征信局还有很多工作要做。西方国家的征信机构（象
Experian, TransUnion）提供了大量优质的征信产品和服务，比如开发各种评分模
型并提供给金融机构。而中国央行的征信系统目前仅仅停留在数据登记和报告阶
段，数据库中的信息大多是原始的没有经过任何整理和加工的信息，即便是筛选
这样简单的操作也还没有程序化，更谈不上数据的挖掘和开发了；商业银行对征
信库的利用也仅仅限于逐个信息的查询。因此，人行应当利用有利的条件对数据
进行整理和挖掘。同时，由于小企业信用评分模型的建立需要大量的业主个人信
息，就有必要将个人和企业两个数据库进行有效的对接。目前，这两个数据库相
互独立，单单依靠企业库中的信息难以建立有效的小企业评分模型。
最后，人行还应该在合适的时候在征信领域引入市场和竞争机制。中国征信
系统的建设和运作完全是中央银行主导下集中统一的模式，目前人行是国内唯一
一家拥有政府授权的收集银行数据的机构，同时给各个银行提供免费的查询服
第四章小企业信用评分在中国的运用
第48 页共60 页
务。应该说这是“追赶型”发展模式决定的。但是，当征信体系的基本框架和内容
达成以后，就应该学习西方发展征信系统的经验，在该领域引入市场和竞争机制，
以利于商业性信用公司的发展、银行机构的信息获取和信贷产品技术的创新。
三、关于法规与监管
随着国民经济的迅速增长，小企业的重要作用凸显，政府和监管机构也开始
通过各种措施和途径大力促进小企业贷款的发展。银监会在考察国内外经验的基
础上，于2005 年7 月颁布了《银行开展小企业贷款业务指导意见》（以下简称
《意见》），并实行至今。作为指导小企业贷款的纲领性文件，《意见》为国内
银行业提出了具体的规范。国际经验证明，宽松合理的法规监管环境是小企业信
用评分发展的必要条件。本部分通过对《意见》相关要求的分析，探讨小企业贷
款的监管环境。
1、组织结构
《意见》第五条规定：“各银行应有专门部门负责小企业贷款工作，对小企
业贷款业务加强专项指导和分账考核；开展小企业贷款的基层行应设立独立的小
企业贷款科室或小组… … 单独考核小企业贷款业务的成本和收益。”
设立单独的小企业贷款部门，如前所述，有利于在组织上加强对小企业贷款
的约束和激励，这也是国际大行，如富国银行成功的经验。《意见》中提到在基
层行进行类似的组织建设，但对总行和分行层面，并没有明确要求。这样会带来
至少两个后果：1）对小企业贷款不能引起足够的重视；2）难以将基层的资源，
比如客户数据，进行总体、系统而有效的整合。
合理的组织结构，应该在各个层次上建立单独的小企业贷款部门，同时整个
小企业贷款部门直接对最高领导层负责。
2、贷款审批
在贷款的审核方式上，《意见》第十条谈到，“银行审核小企业贷款申请… …
须注重现场调查，注意收集非财务信息和软信息。应深入小企业生产、经营和销
售现场，通过实地调查和与借款企业管理人员交流等方式，了解借款人经营动态
第四章小企业信用评分在中国的运用
第49 页共60 页
和资信情况。应从多方面、多渠道收集有关借款企业及其经营者家庭收支和信用
情况的第一手信息。”可见，银监会要求和强调的仍然是依靠信贷员的较为传统
的信贷审批方式。这不仅会增加信贷审批的成本，而且减弱了银行探寻其它自动
化方式的努力。
在贷款条件的确定方面，《意见》第十二条规定：“信贷人员… … 对借款人
借款原因、还款能力和经营者个人信用情况及还款可能性进行分析… … 还应在贷
款金额、担保条件、贷款利率、期限和还款方式等方面提出建议。”可见，从信
息分析到贷款条件的确定过程中，我们看不到任何依靠客观规则和模型进行决策
的规定。
3、贷款监控和展期
在贷款监控上，《意见》第十九条谈到，“信贷人员… … 应加强贷后跟踪，
与借款企业保持密切的工作联系，随时掌握借款企业的动态… … 到期未偿还贷款
的催收工作应由信贷人员负责。”
再展期的规定上，《意见》第二十条谈到，“小企业如需办理贷款展期或重
组，应事先提出申请。信贷人员须对此申请进行评估后，提出书面建议报有权部
门审核，批准后方得办理。”
由此可见，在对发放贷款后若干环节的要求上，仍然需要信贷人员的大量参
与，这无疑增加了成本，加重了小企业贷款盈利的困难。
综上所述，在银监会规定的现有信贷模式下，过于依赖信贷员参与的信贷过
程会使得小企业贷款的发放成本高昂，银行盈利困难。尽管中国目前较低的劳动
力成本使得现有模式可能具备生存的空间，但随着人力成本的增加，这种模式就
很难带来盈利了。为了促进微小企业贷款的创新，中国的监管机构应当重新审视
现行的规定，给各家银行更多政策上的空间，把监管的重点放到考察银行最终的
整体风险管理效率上，而把具体的贷款发放方式留给银行自己去判断和决定。
第四章小企业信用评分在中国的运用
第50 页共60 页
四、关于机构的内部环境
成功的小企业信用评分系统的建立除了依赖良好的外部环境之外，很大程度
上也受到机构内部诸多因素的决定。其中最为重要的是文化、管理和资源：学习
创新的文化促使对新方法和新产品的尝试；出色的管理架构和自律的以数据为基
础的决策程序，能够产生良好的约束与激励机制；在时间、科技、人才和数据库
等方面进行投资是建立评分系统的基础。另外，机构应以建立小企业信用评分系
统为契机，将建立高度自动化的决策系统作为最终的目的。
应该说，国内银行在文化、管理和资源方面都还有很多提升和改进的空间。
五、结论
以上，我们对影响国内机构发展SBCS 的一些重要因素进行了分析。就目前
的条件而言，SBCS 要成功引入中国银行界还尚需时日。在SBCS 大规模运用之
前，我们需要深化征信体系的建设，鼓励征信业的竞争和创新；大力促进个人信
贷业务的发展；审视和制定合理的小企业信贷监管规章制度；促进银行机构内部
的改革与创新等。
在过渡期内，由于我国商业银行建立小企业信用评分模型的局限性可能对模
型的准确度产生一定的影响，同时由于人力成本较低等原因，依赖传统的定性分
析和专家判断来进行小企业贷款的审批，仍然应当是一段时期内的主要做法63。
但与此同时，中国的商业银行，尤其是具有大量分支机构和小企业客户资源的大
银行，应该在数据积累、整理和挖掘方面作一些积极的准备工作，可以将信用评
分的结果与传统信贷法的评审结果进行比较。随着时间和条件的成熟，再逐步将
信用评分的方法进行推广。
相信假以时日，SBCS 技术在中国也能够像西方发达国家那样，引发小企业
信贷领域的革命，较大程度上解决困扰人们的“小企业贷款难问题”。
63 附录中《IPC 微小企业贷款信贷技术的成功经验》一文，对适合于当前国情的小企业信贷方法进行了更
加深入的探讨和思考，以期为小企业信用评分方法提供一个对照。
附录：IPC 微小企业贷款信贷技术的成功经验
第51 页共60 页
附录：IPC 微小企业贷款信贷技术的成功经验64
IPC微小企业贷款信贷技术简介
国际项目咨询公司（Internationale Projekt Consult），成立于1981 年，总部位于
德国法兰克福。与富国银行不同，作为一家咨询公司，IPC 的业务和目标主要是
为以微小企业贷款业务为主的银行提供一体化的咨询服务（即传统的咨询服务与
承担项目实施的管理责任相结合），与参与项目的合作银行开展可持续性的微贷
业务，为微小企业（MSE）提供融资途径，使微贷业务覆盖广大地区。
自成立伊始，IPC 迅速发展壮大，业务遍及拉丁美洲、非洲、东欧和亚洲。
截止2005 年12 月，IPC 通过它的各种项目，已累计发放315 万笔总额达101 亿
美元的贷款，管理着超过76 万笔贷款和31 亿美元余额的资产组合，平均贷款金
额为4060 美元。2006 年以来，每个月大约要发放9 万多笔新的贷款。从平均
贷款金额可以看出，IPC 项目贷款更多的服务于微小企业，比富国银行小企业贷
款服务的客户规模更小。
IPC 的信贷技术主要包括三个部分：一是考察借款人偿还贷款的能力，一是
衡量借款人偿还贷款的意愿，一是银行内部操作风险的控制。每个部分，IPC 都
进行了针对性的设计。
在评估客户偿还贷款的能力方面，强调以整个经济单位（业主家庭和企业）
作为分析的对象，偿还贷款的责任由整个经济单位承担。信贷员被要求亲自访问
客户的经营场所和家庭住宅，与客户的朋友亲人进行面对面地接触，通过标准化
的分析手段，获取借款人真实的财务状况，对客户未来的现金流量进行仔细的分
析。比如，什么时候企业需要一笔特定的资金，什么时候家里的小孩要交学费，
有没有在外工作的家人定期汇款回家等等。同时，基于客户过去纪录的评价，结
合实际情况进行贷款风险评估，然后依据客户的实际情况确定还款计划。微小企
业的财务数据不作为评估业主偿还能力的重要指标。
64 节选自：姜涛，小企业信贷与信息利用，银行家，2006 年9 月。
附录：IPC 微小企业贷款信贷技术的成功经验
第52 页共60 页
关于客户的还款意愿，IPC 会首先评估客户作为个人的信用状况，具体衡量
的包括个人声誉、信用历史、贷款申请的整体情况和所处的社会环境。然后，要
求很严格的抵押品，比如家用品或者企业的核心资产等，都是些对借款人来说非
常重要的东西，以降低客户的道德风险。对客户还款积极的激励，包括可能得到
更大金额和更优惠条件的贷款以及获取长久性的融资途径等，也有助于增强客户
的还款意愿。同时，放款机构对收回贷款的投入程度也必须重视。
在控制银行操作风险方面，IPC 强调内部制度的建设，重视建立非正规的
微小企业和正规商业银行之间的关系，把微小贷款变成正规的，商业上可行的银
行产品，并且成为银行整体战略的一部分。同时，着重建立和实施简洁有效的微
小贷款处理程序，降低交易成本。另外，为合作银行培养各个层次必要的培训能
力（信贷员，中层管理人员和辅助部门），在一个清晰的组织结构下分配责任，
引入有效的激励结构，并保证足够的公司治理，都是制度建设的重要内容。
银行对人才的激励和约束机制是IPC技术制度建设的核心内容，也是整个IPC
信贷技术最有特色最为成功的地方。本着“以人为本”的管理理念，IPC帮助合作
银行建立了稳定的、劳动密集型的客户经理制度，也培养了一定数量具有较高素
质的信贷员(截止2005年12月，IPC项目全球共培训信贷员5610人)。通过责任追
究制度，信贷员对一笔贷款的全过程负责，其收入也直接跟信贷业绩挂钩。这就
促使信贷员既要非常关注贷款的规模又要高度重视资产的质量，必须通过“频繁
的访问（Frequent visit）”客户来获取大量的“软信息（Soft information）”，严格
的监控客户以降低违约贷款率。IPC在培训中努力灌输“资产质量是生命线”的信
贷文化理念，对风险贷款责任人形成强大的心理压力，同时，也利用会员行向客
户灌输“违约行为零容忍度”的信用观念，结合实际情况设计催收办法，想尽办法
收回任何一笔逾期贷款。另外，审贷委员会对激励和约束机制整体加以控制，银
行中层管理人员对风险进行具体的评价和控制，责任清晰。有效的激励和约束机
制带来了极佳的经济效益，到2005年12月为止，IPC项目贷款超过30天的逾期贷
款率仅为1%左右，累计贷款损失只有0.5%。IPC合作行2003年平均资本回报率在
18%以上，高于当年世界10大商业银行平均16.1%的对应数字。
附录：IPC 微小企业贷款信贷技术的成功经验
第53 页共60 页
评论
不论是富国银行的小企业贷款模式还是IPC 指导下的模式，都是被实践证明
的成功经验。针对传统的小企业贷款方式，两种模式都作了大量的改革，以简化
贷款程序，降低贷款成本，尽可能的消除借贷双方的信息不对称。然而，在最核
心的信贷程序部分，信用评分技术和人才激励约束机制似乎是矛盾的：一个尽可
能的降低包括人力在内的成本，另一个则将人力的运用发展到极致。要解释这个
问题，有必要将两种方式适用的条件做一个比较。
如正文所述，信用评分技术的运用和推广很大程度上受制于相关基础设施的
发展水平。而IPC 指导下的人才激励约束机制把信贷员的主观能动性发挥到了极
致，通过信贷员兢兢业业的工作，实现银行贷款的收益。但这里的一个前提就是
信贷员的人力成本必须维持在一个较低的水平，否则即便通过努力使得坏账很
少，获得的贷款收益也会被高额的人力成本所抵消，甚至会给银行带来亏损。
在市场相对发达的地方，各方面的基础设施发展较好，而人力成本高昂，信
用评分技术就有了发展的空间；而在市场相对不完善，而往往人力成本较低的地
区，IPC 的模式似乎更有市场。这样看来，两种模式能够很好的统一，可以在不
同的环境下发挥各自的比较优势。当然，不论是哪种模式，都离不开企业内部相
应理念、文化、资源和制度的建设，这些是将信贷政策成功运用的关键。
对中国的商业银行而言，学习国外的成功经验并运用于解决自身实际问题的
愿望是迫切的。对于一些城市商业银行和农村信用合作社等金融机构，可以充分
利用当地的人力成本优势，尝试着运用类似IPC 指导下的微小企业贷款模式开拓
市场，提高效益。在已经启动的国家开发银行中小企业微小贷款项目（CMFP）
中，IPC 为首批合作开展微小贷款业务的两家地方金融机构— — 内蒙古包头市商
业银行与浙江台州市商业银行，提供咨询服务。截至2006 年7 月底，IPC 已帮
助包头市商业银行培训了53 名信贷人员，建立了4 个开展微贷业务的支行，帮
助台州市商业银行培训了47 名信贷员人员，建立了4 个开展微贷业务的支行。
两个银行在微贷业务上都获得很大的成功。
附表
第54 页共60 页
附表1 商业性的评分模型开发公司
公司名称主要服务类别具体的解决方案
ASA
实时评分和分类，分类和预测
模型，信用风险评估
Austin Logistics 消费者信贷催收过程
BrainMine 各种评分卡
Experain
金融服务，保险，零售，
电讯，电子公用事业，
电子商务
各种评分卡：
申请评分卡，行为评分卡，
市场反应评分卡，催收评分
卡，等等
Fair， Isaac.
金融服务，保险，零售，
电讯，公用事业，医药
各种评分卡和预测模型，
度量风险，潜在销售收入，
盈利能力，市场反应，收入，
客户转移倾向和催收。
HNC 金融服务，保险，电讯等破产预测，欺诈识别，等等。
Magnify
保险，直接/电子营销，
政府
预测拖欠，欺诈识别，
增加盈利，等等。
The modeling Agency 信用卡监控，催收决策支持。
Scorex
银行和金融，零售，邮购，
房屋抵押贷款，公用事业，
电讯，保险
各种评分卡：
信用评分卡，行为评分卡，
市场反应/营销评分卡，
客户流失/转移评分卡
Sigma Analytic &
Consulting
个人金融，银行卡，
汽车金融，抵押/住房权益，
保险，催收/回收，
数据库营销
营销方案：市场反应模型，
客户转移/保持模型；
风险方案：欺诈，破产，
拖欠/冲销，回收/清算
附表
第55 页共60 页
附表2 Moody’s，S&P 和Fitch IBCA 长期优先债评级
S&P 和fitch IBCA Moody’s 信用信息
AAA Aaa 质量非常高
AA+ Aa1
AA Aa2 高质量
AA- Aa3
A+ A1 好的偿付能力
A A2
A- A3
BBB+ Baa1
BBB Baa2 充足的偿付能力
BBB- Baa3
BB+ Ba1
BB Ba2 偿付能力不确定
BB- Ba3
B+ B1
B B2 更高的投资风险
B- B3
CCC+ Caa1
CCC Caa2 容易违约
CCC- Caa3
CC
C Ca-C 破产或者其他缺陷
D*
*Fitch IBCA 进一步在DDD，DD 和D 在进行划分。
信息来源：互联网。
参考文献
第56 页共60 页
参考文献
1. 巴塞尔委员会，《巴塞尔新资本协议》，中国银行监督管理委员会译稿，2004 年6 月。
2. 陈建，《信用评分模型：技术与应用》，中国财政经济出版社，2005 年11 月。
3. 姜涛，小企业信贷与信息利用，银行家，2006 年9 月。
4. 姜涛，小企业信用评分制度简介，微小企业贷款与信用信息国际研讨会（北京）会议
材料，2006 年8 月。
5. 石庆炎、靳云汇，多种个人信用评分模型在中国应有的比较研究，统计研究，2004 年
第6 期。
6. 石庆炎、秦宛顺，《个人信用评分模型及其应用》，中国方正出版社，2005 年。
7. 威廉·格林著，王明舰等译，《经济计量分析》，中国社会科学出版社，1998 年。
8. 肖兵，美国富国银行小企业贷款应用信用评分的成功经验，微小企业贷款与信用信息
国际研讨会（北京）发言稿，2006 年8 月。
9. 中国银行业监督管理委员会，《银行开展小企业贷款业务指导意见》，2005 年7 月。
10. Akhavein J., Frame W. S. and White L. J., 2001, The Diffusion of Financial Innovations: An
Examination of the Adoption of Small Business Credit Scoring by Large Banking
Organizations, Federal Reserve Bank of Atlanta working paper,9.
11. Altman E. I. 1980, Commercial Bank Lending: Process, Credit Scoring, and Costs of Errors
in Lending, Journal of Financial and Quantitative Analysis, 15.
12. Astebro T., Bennett S. And Rucker F. 1999, Assessing SME Risk: Adopting Additional
Credit-Scoring Factors Means Increased Profitability for Banks, Journal of Lending and
Credit Risk management, July/August.
13. Avery R. B. and Samolyk K. 2000, Bank Consolidation and the Provision of Banking
Services: The Case of Small Commercial Loans, working paper.
14. Berger A. N. and Frame W. S., 2005, Small Business Credit Scoring and Credit availability,
Federal Reserve Bank of Atlanta working paper 10.
参考文献
第57 页共60 页
15. Berger A. N. and Mester L. J., 2001, Explaining the Dramatic changes in Performance of U.S.
Banks: Technological Change, Deregulation, and dynamic Changes in Competition, the
Wharton Financial Institutions Center working paper, No.01-6.
16. Berger A. N. and Udell G. F. 2002, Small Business Credit Availability and Relationship
Lending: The Importance of Bank Organizational Structure, Economic Journal, 112.
17. Berger A. N. and Wharton Financial Institutions Center, 2003, the Economic Effects of
Technological Progress: Evidence from the Banking Industry, Journal of Money, Credit, and
Banking, 35.
18. Berger A. N. and Young R D., 2004, Technological Progress and the Geographic Expansion
of the Banking Industry, Journal of Money, Credit, and Banking.
19. Berger A. N. etc. 1998, The Effects of Bank Mergers and Acquisitions on Small Business
Lending, Journal of Financial Economics, 50.
20. Berger A. N. etc. 2004, The Dynamics of Market Entry: The Effects of Mergers and
Acquisitions on De Novo Entry and Small Business Lending in the Banking Industry,
Journal of Business, 77.
21. Berger A. N. etc. 2001, Does function Follow Organizational Form? Evidence from the
Lending Practices of Large and Small Banks, working paper.
22. Berger A. N. etc. 2005, Debt Maturity, Risk, and Asymmetric Information, Journal of
Finance.
23. Berger A. N., Frame W. S. and Miller N. H., 2005, Credit Scoring and the Availability, Price,
and Risk of Small Business Credit, Journal of Money, Credit, and Banking.
24. Berger A. N., Rosen R. J. and Udell G. F. 2005, Does Market Size Structure Affect
Competition? The Case of Small Business Lending, Federal Reserve Board working paper.
25. Bing Xiao, 2006, Application of Credit Scoring in Micro and Small Business Lending in
China, DRC and WB research program.
26. Brevoort K. P. and Hannan T. H. 2004, Commercial Lending and Distance: Evidence from
Community Reinvestment Act Data, Federal Reserve Board working paper.
参考文献
第58 页共60 页
27. Chorafas and Dimitris 2000, Managing Credit Risk, London:Euromoney Books.
28. Ely D. P. and Robinson K. J. 2001, Consolidation, Technology, and the changing Structure of
Banks’Small Business Lending, Economic and Financial Review, first quarter.
29. Feess E. and Schieble M., 1998, Credit Scoring and Incentives for Loan Officers in a
PrincipalAgent Model, University of Frankfurt and Bain Company, Munich working paper.
30. Frame W. S., Padhi M. and Woosley L. 2004, the Effect of Credit Scoring on Small Business
Lending in Low- and Moderate-Income Areas, Financial Review, 39.
31. Frame W. S., Srinivasan A. and Woosley L. 2001, the Effect of Credit Scoring on
Small-Business Lending, Journal of Money, Credit and Banking, 33.
32. Hand D. J. and Henley W. E., 1997, Statistical Classification Methods in Consumer Credit
Scoring: A Review, Journal of the Royal Statistical Society. Series A, 160.
33. Hand, D. J.: Reject Inference in Credit Operations. In Credit Risk Modeling Design and
Application, ed E. Mays. Chicago: Glenlake Publishing, 181~190.
34. Heitfield E. and Prager R. A. 2002, The Geographic Scope of Retail Deposit Markets,
working paper.
35. Heuson A., Passmore W. and Sparks R., 2000, Credit Scoring and Mortgage Securitization:
Implications for Mortgage Rates and Credit Availability, working paper.
36. Jacobson T., Roszbach K. 2003, Bank Lending Policy, Credit Scoring and Value-At-Risk,
Journal of Banking & Finance, 27.
37. Lewis, E. M. 1992, An Introduction to Credit Scoring, Athena Press: San Rafael.
38. Longenecker J. G., Moore C. W. and Petty J. W., 1997, Credit Scoring and the Small
Business: A Review and the Need for Research, working paper.
39. Mays, E. 2001, Handbook of Credit Scoring, Fitzroy Dearborn.
40. Mays, E. 2004, Credit scoring for Risk Managers— the Handbook for Lenders.
South-Western.
41. Mester L. J. 1997,What’s the Point of Credit Scoring? Business Review, 9/10.
参考文献
第59 页共60 页
42. Miller M. and Rojas D., 2004, Improving Access to Credit for SMEs: An Empirical Analysis
of the Viability of Pooled Data SME Credit Scoring Models in Brazil, Colombia & Mexico,
paper presented at the World Bank Conference on “Small and Medium Enterprises:
Overcoming Growth Constraints”.
43. Park K. and Pennacchi G., 2004, Harming Depositors and helping Borrowers: The Disparate
Impact of Bank Consolidation, paper presented at the conference on “Competition in
Banking Markets”in Leuven etc.
44. Peek J. and Rosengren E. S. 1998, the Evolution of Bank Lending to Small Business, New
England Economic Review, 3/4.
45. Reichenbach L. and Hill M., 2001, Small Business Lending & the Internet, Small Business
Lending.
46. Rosenberg, E. and Gleit, A. 1994, Quantitative methods in credit management: A Survey.,
Operations Research, 42.
47. Roszbach K., 2003, Bank Lending Policy, Credit Scoring and the Survival of Loans,
Sveriges Riksbank working paper series.
48. Schreiner M. 2000, Credit Scoring for Microfinance: Can It Work? Microfinance Risk
Management.
49. Thomas, L. C., Edelman D. B. and Jonathan N. Crook , 2002, Credit Scoring and Its
Application, SIAM monographs on mathematical modeling and Computation, Philadelphia.
50. Thomas, L. C. 2000, A Survey of Credit and Behavioral Scoring: Forecasting Financial Risk
of Lending to Consumers, International Journal of Forecasting, 16.
51. Treacy, William F. and Carey, Mark S. 1998, Credit Risk Rating at Large U.S. Banks.
Federal Reserve bulletin, 84.
52. Yang Liu, 2001, New Issues in Credit Scoring Application, Arbeitsbericht Nr, 16.
后记
第60 页共60 页
后记
能够以“小企业信用评分”作为硕士论文的研究课题，我无疑是幸运的。由
于SBCS 在国内理论界和实务界都尚属新兴领域，从浩如烟海的英文资料中进行
信息的收集和整理自然成了论文写作的一个必不可少的环节——这个过程是艰
辛的，更是有益的；同时，我也有幸得到小企业信用评分领域全球顶尖机构资深
专家的直接指导，也有机会在调研中与国内业界及监管机构的相关人员进行面对
面深入的交流——这个过程极大地丰富了文章的内容，也拓展了我的视野；尤其
让人兴奋的是，论文的一些研究成果帮助我在求职中获得了参加个人信用评分领
域国际顶尖大行Assessment Centre 的机会，虽终因时间因素未能成行，但已是
对我研究工作的极大肯定：整个论文的写作过程让我收获颇丰，这里要特别衷心
地感谢论文指导老师的良苦用心。
总的说来，本文已经包含了很多有益的具有启发性的信息。尽管如此，介于
国内资料十分有限、数据获取比较困难、商业机构对信息保密的考虑以及笔者个
人能力局限等原因，本文在小企业信用评分法国内可行性研究部分不够彻底深
入，还有待于未来的进一步研究和挖掘。
光阴似箭，日月如梭，转瞬之间即将踏上另一段崭新的旅途，而25 年来的
点点滴滴也犹如珍珠般闪耀在岁月的长河中。感谢父母赋予我生命和健康的人生
理念，感谢师长们的身先垂范和谆谆教诲，感谢同窗、友人们的陪伴和关爱：祝
愿你们的人生更加幸福和精彩。
我也将继续怀着感恩的心灵和对生命的热忱，果敢坚毅地迈向新的人生道
路。
2007 年5 月7 日
北京五道口