考核无抵押贷款是否批贷的信用评分是怎么来的？

近日，随着春节的来临，办理无抵押贷款的借款人也多了起来，自然办理无抵押贷款被拒的情况也就跟着多了起来。然而，多数借款人在银行办理无抵押贷款被拒的原因都是因为信用评分不足导致的。那么，信用评分是怎么来的呢？虽然银行工作人员都不知道具体原因，但近日央行相关人员却给出了一下答复！

一个人在征信机构里的数据是很多的，信用报告内容很丰富，包含了这个人在过去几年的信用记录，审贷人员从头到尾看一遍要花不少时间，如果两个审贷人员去看同一个申请人的信用记录，就算他们是双胞胎，也很有可能会由于个人的经验和主观判断不同而得出不一样的决定。所以，单纯用信用报告来做决定，既不能达到审批标准的一致性，也无法提高效率，毕竟个人信用产品的申请人数目特别大，信贷审核成本也会无法承受。于是，信用评分闪亮登场！

信用评分，指的是征信机构在收集了数据以后，通过对信用记录数据的清洗、加工和分析，输入到数学模型里得到的一个非常直观的分数。根据传统习惯，分数越高越好，高分表示信用风险低。分数的范围是可以事先界定的，萝卜青菜，各有所爱，有人喜欢百分制，有人喜欢300-900这个范围。信用评分模型是怎么得来的？首先，巧妇难为无米之炊，做饭需要原材料。开发数学模型的原材料，就是信用数据。

一个人的信用数据有很多项，比如：这个人有几张信用卡、信用卡的最早开卡日期等很多“变量”。在开发数学模型的时候，不仅仅会用收集来的变量，还会根据已有数据再加工出来一些变量，比如：最早的信用卡开卡日期距今天的天数等。至少涉及上千个变量。

接下来，数学家们要决定需要开发多少个数学模型。举个例子，信用污点严重的、轻微的和没有信用污点的就需要分开建模；信用历史比较长、刚有信用记录的菜鸟，也需要分开建模。

确定好建模型对象和建模数量之后，数学家要确定模型变量和参数，他们不会把所有的变量都放进模型，并不是因为算不过来，而是因为变量之间的关系比较复杂，有的变量之间互相干扰；也有的变量需要进一步考察再决定，比如，如果一个人的信用记录在一段时间内被查询了很多次，说明这个人可能最近很缺钱，是比较负面的信息，会带来信用评分的下降；但是在进一步考察后，应剔除来自招聘单位的查询，因为招聘单位查个人信用的目的并不是要给他贷款。此外，有些变量值需要做组合，比如上个月实际还款金额占应还款金额的百分比，就需要分成从0到100%之间好几档，而不是直接用百分比。这种组合分档是为了让使模型更加稳健，不至于因为一点小变化带来分数的大幅度变动。最终进入到一个模型里的变量在10-20个之间。

建好一个数学模型，把各种参数和模型使用的条件都输入到电脑系统里，就像做了一个“月光宝盒”。根据个人情况选定适用模型，算出来一个分数。金融机构根据分数的高低来决定是不是贷款，收多少利息，贷款多长期限等。

究竟哪些因素是信用评分模型中最重要的，是不是网购时多买点东西就能改变我们的信用评分呢？再举个例子，根据公开信息，著名的FICO评分是这样算的：35%的信息来源是个人还款记录，30%是欠款金额，15%是信用历史长度，10%是信用产品类型，10%是近期内开始使用的信用产品。