机器学习遇上信用评分：给小贷机构的一条出路

前方高能：本文涉及很多专业数据和模型

本文作者

Ashirul Amin

波士顿BFA咨询公司高级咨询师，数据师

在之前的分析中，我们列出了我们为Catalyst基金的被投资方Destacame.cl所设计的机器学习过程，该公司为拉丁美洲的没有被银行覆盖的消费者提供了另类的信用评分。对于像Destacame.cl这样的公司来说，对信用评分进行预测算法的投资是显而易见的。这是数字产品和数据驱动业务模式的固有组成部分，可以无缝集成。但是刚刚开始探索数字或更复杂的技术应用的实体金融机构呢？金融服务提供商及其领导层应该如何衡量对高科技信用评分初始投资的潜在收益？

从一个为低收入客户提供无抵押贷款的中型金融机构的角度，我们来看这个问题。我们将证明信用评分可以优化三个业务层面，从而改善金融机构的盈利水平。

但是，首先，小贷机构如何考虑违约的成本

在我们开始建模信用评分的影响之前，首先要了解金融机构及其业务运作。 商业案例通常考虑与金融机构提供的特定服务相关的所有收入和支出方式。 这些投入和产出分布在不同的类目，如账户和交易，可以结合各种收入和费用，以达到与服务活动相关的收益。 在以下情况下，我们将重点放在直接受信用评分影响的因素上。

与违约贷款相关的财务“成本”有三个主要来源：

·注销的坏账。经过一段时间的努力追索拖欠的贷款，金融机构做出决定，承认未偿还的贷款额是不可回收的。其结果是资本的损失和该资本的收入损失。

·延迟利息收入。当客户错过还款时，来自本金和利息的预期现金流被延迟。虽然有些金融机构有能力对每一天的违约行为收取利息，但那些不太健全的投资组合管理制度的机构只能预期得到原来的金额。由于被困本金并不能赚取收入，这部分利息暂时被放弃。

·拖欠贷款的服务费用。与维持现有贷款相比，拖欠贷款追索需要大量的时间和精力。为了收回贷款，金融机构的现场工作人员经常必须多次访问客户，有时甚至到国外其他地方去追踪那些真正逃走的借款人。任何法律程序都会增加更多的费用。

金融机构必须在管理成本方面做出很多权衡。一些信贷结构坚持不懈，并尝试向违规客户追索长达两年。他们最终可能会收回资金，大部分情况下将会注销的贷款，但是他们在追索过程中会承担巨额费用。不太坚持的信贷机构面临着向潜在客户发出危险的信号，即贷款人很容易摆脱还款的义务。

以下是BFA为分析Destacame.cl参与期间信用评分的影响而建立的业务模型的一部分的模拟。这些数字代表了这是一家提供小额贷款的中型金融机构，并不面临很严重的违约问题。

假设：这家小贷机构放款情况为1000笔，每笔贷款为 $1000，期限为1年。月利息2.5%，等额本息还款，每月还款额 $97.49，正常贷款服务成本每月每笔 $8.33。在有坏账的情况下（下图右边情况），违约贷款的服务成本为每月每笔 $25，违约率从第一个月的 0%每月递增 1.25%，到第12个月的 15%。平均来说从第一笔违约到再次还款之间有3个月的时间，90%的违约贷款会被偿还，10%的违约贷款会被作为坏账注销。

情况一：无违约

情况二：有违约

本金偿还100%

本金偿还98.4%

坏账率：0%

利息收入： 17%，$169,846

违约服务费：0

NPV = $35,693

IRR = 1.05%

坏账率：1.6%

利息收入： 15.6%，$156,193

违约服务费：3%, $30,300

NPV =- $17,282

IRR = 0.24%

当我们模拟出上述的拖欠和注销的坏账的规模，我们发现对业务案例的影响如下：

坏账占本金的比例为1.6% ，为$16,183

利息收入比预计的17%低1.4%，$13,652的损失

违约服务支出是本金的3%，为$30,300美金

对于这个案例模拟，基准情形表明，对于所有三个“成本”，拖欠的影响是在相似水平上的（从1.4％到3％）。坏账注销造成的损失大于利息收入损失。在贷款生命周期开始时，利息偿还在等额本息分期付款中是前期加载的，贷款人在周期结束时实际上主要是偿还本金。贷款的违约或拖欠也往往发生在后期。通过注销坏账造成资金损失应视为与通过放弃利息收入损失的资金同样重要。这种本金损失的现象在实践中往往被低估，因为重点往往放在拖欠的收入和追索这些贷款的费用上。最后，追索拖欠贷款服务成本从底线拿走了3％，这是在拖欠的贷款损失之外的。

信用评分是如何影响

信贷产品的商业盈利性的？

为了量化信用度，金融机构的信用评分过程考虑了先前的信用历史，收入稳定性和相关的财务行为等因素。它使用从逻辑回归到随机森林的技术，并且每个新的或现有的客户最终被分配一个违约概率。这个分数通常与现场尽职调查相结合 - 只有这时金融机构才决定是否扩大信贷额度。

直观地看，信用评分降低拖欠贷款的总体水平，从而帮助金融机构降低这三个“成本”。信贷评分应在贷款周期开始时确定更好的贷款客户群，从而为信贷机构带来更好或更低风险的业务。

有违约和信用评分的贷款资产组合

现在，我们将基准模型扩展一下，将信用评分算法考虑进来。我们假设一个50％真阳率（True Positive Rate）,或称为敏感度。也就是说，最终被拖欠的贷款中的50％被认定为坏账。这个数字在部署信用评分模型的情况下实际约在35％到65％之间。

合适的信用评分的影响跨越所有三个“成本”层面，因为它具有整体压低拖欠水平的效果，并导致与拖欠有关的所有成本的减少，以及拖欠贷款数量的减少。

信用评分 - 对“成本”的特殊影响

正如预期的那样，在信用评分模型中，大部分支出都减半了。 考虑到这些参数，这也会将净现值（NPV）变为正数，这表明产品的贴现现金流量已经变成正数，这是获得适当信用评分的明确和有吸引力的动机。

请注意，这个降幅并不完全是在每个月都是固定的百分之五十，前面我们指出过，在等额本息还款情况下，本金的归还常常是在贷款的后期，同时违约的服务（如催收）是每个月重复的，所以后期的费用会上升。

小贷机构部署信用评分算法的下一步骤

为了避免发放有拖欠倾向的贷款并减少真正违约的发生，信用评分系统有助于机构处理与不良贷款相关的所有三个“成本” - 递延收入，催收成本和坏账。然而，我们经常看到机器学习信用评分工具大部分是针对第一个，有时是第二个，很少对第三个的影响进行讨论。金融服务提供商应该牢记所有这三个成本，因为它们的影响往往是类似的数量级。

因此，小贷机构可以通过两种方式来扩展这项工作：

·在信贷发放上应用预测算法来识别最终可能成为坏账的贷款。有些情况下，坏账客户与那些在一段时间内拖欠的客户有不同的特征。针对这些贷款进行专门的识别，可以减少坏账，同时减少拖欠贷款。

·重设拖欠贷款成为坏账的转折点。这个转折点通常是在机构认为催收拖欠贷款不再“值得”的时候。如前所述，这有两个重要的考虑因素 – 催收贷款的成本有多少，如果催收工作放松，它会向借款人发出什么信号。机构需要考量并比较以下两个方面（1）减少催收的投入并精确的量化成本；（2）成为坏账的成本损失和向借款人发出的信号。在这个情况下，谨慎做出是否将违约贷款转变为坏账，因为在我们分析的情况下，当违约率整体下降时，机构有空间可以做出不同的选择。