信用評分模型是一種傳統(tǒng)的信用風(fēng)險量化模型，利用可觀察到的借款人特征變量計算出一個數(shù)值(得分)來代表債務(wù)人的信用風(fēng)險，并將借款人歸類于不同的風(fēng)險等級。

對個人客戶而言，可觀察到的特征變量主要包括收入、資產(chǎn)、年齡、職業(yè)以及居住地等；對法人客戶而言，包括現(xiàn)金流量、財務(wù)比率等。

信用評分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定。

目前，應(yīng)用最廣泛的信用評分模型有：

• 線性概率模型(Linear Probability Model)
• Logit模型
• Probit模型
• 線性辨別模型(Linear Discriminant Model)

運用信用評分模型進(jìn)行信用風(fēng)險分析的基本過程是：

①首先，根據(jù)經(jīng)驗或相關(guān)性分析，確定某一類別借款人的信用風(fēng)險主要與哪些經(jīng)濟(jì)或財務(wù)因素有關(guān)，模擬出特定形式的函數(shù)關(guān)系式；

②其次，根據(jù)歷史數(shù)據(jù)進(jìn)行回歸分析，得出各相關(guān)因素的權(quán)重以體現(xiàn)其對這一類借款人違約的影響程度；

③最后，將屬于此類別的潛在借款人的相關(guān)因素數(shù)值代入函數(shù)關(guān)系式計算出一個數(shù)值，根據(jù)該數(shù)值的大小征量潛在借款人的信用風(fēng)險水平，給予借款人相應(yīng)評級并決定貨款與否。

信用評分模型隱含的一個假設(shè)是：

存在著一種測度能將良好信用及較差信用的評價對象區(qū)分成不同的兩種分布。當(dāng)然在這兩個分布之間可能有一些重疊，即所謂的灰色地帶。

有些信用評分專注于對這個灰色地帶的信用消費者群體進(jìn)行細(xì)分。這是由于在激烈的市場競爭下，信用評分極低的信用申請者早已被排除，而信用評分極高的也早已被各個授信機構(gòu)競相爭奪，信用需求已得到滿足，各種信用供給者需要從獲得中等評分的潛在客戶群體中挑選合適的授信目標(biāo)，因而對中間地帶的信用消費者進(jìn)行細(xì)分的評分模型是十分必要的。

進(jìn)行近乎連續(xù)的細(xì)致地信用評分不能僅僅依靠消費者償債、公共記錄、專業(yè)和雇用記錄來簡單的排除有明顯不良記錄者，而更需要在此基礎(chǔ)上，進(jìn)一步詳細(xì)地分析消費者的消費行為，包括所屬的消費者群體、年齡段、消費規(guī)律、偏好、習(xí)慣等，一個科學(xué)的信用評分模型需要建立在對消費者群體的長期或階段性跟蹤、區(qū)域調(diào)查和大量的數(shù)理統(tǒng)計分析的基礎(chǔ)上。AveIy(2000)等就曾指出，區(qū)域經(jīng)濟(jì)狀況及所處的經(jīng)濟(jì)周期是影響償債的重要因素，但現(xiàn)有的信用評分模型大多忽略了這一因素。

盡管信用評分模型是商業(yè)銀行分析借款人信用風(fēng)險的主要方法之一，但在使用過程中同樣存在一些突出問題：

①信用評分模型是建立在對歷史數(shù)據(jù)(而非當(dāng)前市場數(shù)據(jù))模擬的基礎(chǔ)上，因此是一種向后看的模型。由于歷史數(shù)據(jù)更新速度比較慢，因此回歸方程中各特征變量的權(quán)重在一定時間內(nèi)保持不變，從而無法及時反映公司信用狀況的變化。

②信用評分模型對借款人歷史數(shù)據(jù)的要求相當(dāng)高，商業(yè)銀行需要相當(dāng)長的時間才能建立起一個包括大多數(shù)公司歷史數(shù)據(jù)的數(shù)據(jù)庫。此外，對新興公司而言。由于其成立時間不長，歷史數(shù)據(jù)則更為有限，這使得信用評分模型的適用性和有效性受到影D向。

③信用評分模型雖然可以給出客戶信用風(fēng)險水平的分?jǐn)?shù)，卻無法提供客戶違約概率的準(zhǔn)確數(shù)值，而后者往注是信用風(fēng)險管理最為關(guān)注的。