专家判断模型方法论

非零售客户评级打分卡优化的核心技术方法为专家判断模型开发方法。该方法是以层次分析法（analytic hierarchy process，AHP）等多种统计理论为基础，运用数学和统计学的方法，科学合理地将反映银行风险特异性和客户行为经验以及一线专家经验的数据进行收集、指标遴选、权重确定的专家判断打分卡的模型开发技术。

该方法的具体优化步骤如图3-1所示。

图3-1　专家判断模型开发方法流程

第一步，选择专家判断打分卡优化策略。

在优化专家判断打分卡时，业界常用的方法包括层次分析法、专家集中讨论法或者专家调整专业机构打分卡等。具体采用何种方法，视银行所拥有的专家资源和可获取的外部模型资源而定。三种主要专家判断打分卡开发方法的特点对比如表3-1所示。

表3-1　主要专家判断打分卡开发方法的比较

第二步，建立专家标准和专家库。

建立银行内部和外部各个行业信审专家标准，收集银行内部和同业银行的相关专家的信息，并建立银行专家库，记录专家的具体信息。

第三步，专家遴选和问卷调查。

按照不同行业打分卡的开发需求，选取合适数量的专家，进行问卷调查。问卷调查的目的主要是选取和确定打分卡的指标。

在设计问卷前，先要给出打分卡的指标池。指标池应当反映一般公司信用风险的因素。通过研究各行业风险因素的共性，借鉴和吸收国际评级机构的评级理念，将反映一般公司信用风险的因素归为非财务和财务两大类。其中，非财务类分为经营环境、市场竞争力、管理水平、道德风险和信用记录四大方面；财务类分为资本结构、规模、营运能力、盈利能力、流动性、成长性和债务覆盖等方面。每个风险因素通过相应的指标进行解释。

指标池的设计原则是指标指示风险的能力和反映风险因素的全面性。基于指标设计原则，确定需要优化的行业信用评级应该考虑的主要指标。

在得到原始指标池后，再据此设计专家问卷，收集专家对指标池进行增减的意见。

第四步，单变量分析和多变量分析。

在对专家问卷调查的结果进行统计分析，确定初选入模的指标，针对这些指标设定打分的规则和分数区间后，先进行单变量分析，评估单个指标对客户排序的预测能力；再进行多变量分析，评估多个指标组合对客户排序的预测能力，由此确定打分卡最终指标。

第五步，运用统计分析法确定入模变量和权重。

根据银行情况，最有可能采用的统计分析法为层次分析法。它是一种定性和定量相结合、系统化、层次化的分析方法。运用层次分析法有很多优点，其中最重要的一点就是简单明了。层次分析法不仅适用于存在不确定性和主观信息的情况，还允许以合乎逻辑的方式运用经验、洞察力和直觉。基于第五步所筛选出的入模变量，采用层次分析法可以计算出各指标的权重。层次分析法的具体步骤将在第4章详细介绍。

第六步，形成打分卡优化建议。

基于第四步和第五步的结果，可以形成最终的打分卡模型。与现行打分卡进行对比，提出打分卡优化建议。

第七步，模型校准。

模型校准包括设定中心趋势、刻画校准曲线和评级映射，通过该步骤将打分卡的得分映射到符合银行实际情况的评级。

第八步，优化后打分卡验证。

对优化的打分卡进行验证，验证的方法和流程与模块一相同（模块一详见第2章）。

第九步，模型调整/确型。

根据第八步验证的结果对优化后的打分卡进行调整，确定打分卡的最终形式，并投入试运行。