2006年1月，个人信用信息基础数据库已在全国正式运行。这一数据库主要采集和保存个人在商业银行的借还款、信用卡、担保等信用信息，以及相关的身份识别信息。那么，面对这么优越的信息资源，各商业银行应该如何充分利用以提高今后信贷决策的质量呢？也许我们可以从征信制度的领跑者———美国身上学习他们的金融机构是如何利用这些资源的。

    美国有关个人信用的数据主要由三大信用管理局即experian，equifax和transunion来提供。美国金融机构获得这些数据后主要通过信用评分的方式将这些客户的信息形成量化的指标以指导信贷决策。据估计，美国90%的消费者信用决策会将信用评分作为决定性的影响因素，75%的房地产抵押贷款决策会将信用评分视为重要因素。

    信用评分是指根据客户的信用历史资料，利用一定的信用评分模型，得到不同等级的信用分数。根据客户的信用分数，授信者可以分析客户按时还款的可能性。据此，授信者可以决定是否准予授信以及授信的额度和利率。虽然授信者可以通过别的方法来处理这些历史资料，但利用信用评分却更加快速、更加客观、更具有一致性。

    信用评分最早始于十九世纪四十年代末，当时，美国有些银行开始进行了一些有关信用评分方法的试验，目的是提供一种可以处理大量信贷申请的工具。之后，许多基于统计学和运筹学的定量分析工具被使用，如判别分析法、回归分析法、数学规划法、递归判别法。最近，一些非参数模型和人工智能模型也开始被引入进来，如神经网络法、专家系统法、基因算法和近邻方法。1956年，工程师billfair和数学家earlisaac成立了fairisaac公司，共同发明了著名的fico评分方法。但直到八十年代fico评分方法才开始在美国广泛使用。这主要是因为信息技术的应用使得信用数据的收集更加广泛而迅速，数据的处理更加快捷、易于操作，数据的传递更加方便、及时。例如有些模型需要由80多个变量决定，如果用传统的技术进行处理是无法想象的，但是利用现代信息技术瞬间就可以产生结果，并且可以立即将结果传递至任何需要的角落。

    目前，美国著名的三大信用管理局都使用fico评分方法，每一份评估报告上都附有fico信用分。美国商务部也要求在半官方的抵押住房业务审查中使用fico信用分。fico评分方法的实质，就是应用数学模型对个人信用报告包含的信息进行量化分析。该模型主要的评估内容是客户以往发生的信用行为，其对近期行为的衡量权重要高于对远期行为的衡量权重。具体说来，该模型包含以下5个方面的因素:

    1 、以往支付历史。具体包括:各种账户（信用卡、零售商账户、分期付款、财务公司账户及抵押贷款）的支付信息；负面公共记录以及诸如破产、抵押、诉讼、留置等报告事项，账户及应付款的违约情况以及公共记录的细节；支付账户未出现延期的天数。

    2、信贷欠款数额。具体包括:各种不同类型账户的欠款数额；特定类型账户的信贷余额、有信贷余额的账户的数目；信用额度使用比例、分期付款余额与原始贷款数额比例。

    3、立信时间长短。具体包括:信用账户开立的最早时间、平均时间；特定信用账户开立的时间；该客户使用某个账户的时间。

    4、新开信用账户。具体包括:该客户拥有的新开立账户的数目、开立时间；最近贷款人向信用报告机构查询该客户信用状况的次数、间隔时间；该客户以往出现支付问题后的情况，最近的信用记录是否良好。

    5、信用组合类型。具体包括:该客户拥有的信用账户类型、数目，各种类型的账户中新开立账户的数目及比例；不同信用机构的信用查询次数、间隔时间；各种类型账户开立的时间；以往出现支付问题后的信用重建状况。

    对于客户总体而言，上述各大类因素所占权重大致分配为:以往支付历史占35%；信贷欠款数额占30%；立信时间长短占15%；新开信用账户占10%；信用组合类型占10%。fico评分的理论分值在300-900分之间，实际操作中分值主要集中在500至800分，过高或过低的情况都是极少发生的。评分越低，表明信用风险越大。fico以其多年在个人信用信息市场的运作实践，收集了大量贷款信息，获得了具有实践指导意义的众多实证结果。据一项统计显示，信用分低于600分，借款人的违约比例是1/8；信用分介于700至800分，违约率为1/123；信用分高于800分，违约率为1/1292。

    贷款人根据fico评分，评估申请人的违约概率，进而结合申请人提供的与申请人偿付能力有关的其他信息，例如收人、负债比例等数据，来确定是否贷款及所适用的贷款利率。

    我国金融业在建立评分模型和应用评分方法时，应该注意以下几点。

    首先，要根据我国的实际情况，对其进行调整，从而使其能够更加准确地反映被评估者的信用水平。这主要是因为，各国在经济政治、历史文化等方面都不相同，评估方法所考虑的因素自然应有所不同。

    第二，信用评分不应作为信贷决策的唯一标准。因为用以进行信用评分的信用评分模型是以一定的样本为基础设计出来的，而样本只能在一定程度上代表而不能等同全部数据。而且，即使样本数据完全一样，由于模型设计者个人的理念和侧重点不同，他们选择的因素变量也会有所不同，从而使模型本身带有一定的主观性。正是基于这些原因，美国不同的信用评估机构对同一个人会有不同的评分结果，美国法律也禁止将信用分作为拒绝消费贷款的唯一理由。以fico评分方法为例，如果借款者的信用分低于620分，金融机构就会要求借款人增加担保或抵押，如果借款人的信用分介于620-680分之间，金融机构就会采用其他信用分析工具做进一步的调查核实。

    第三，商业银行不应向客户公布其所使用的信用评分模型。因为客户在得知商业银行的评分模型后，就可以通过有意地改变某些数据来提高自己的信用分，如有意地新开立一些账户，有意地增加一些银行存款数额，通过与雇主勾结来提高自己在征信系统中的收入水平等。fairisaac从未向外界公布fico信用评分的计算方法，即使有人对其提出强烈的质疑和要求，它也只是公布了一小部分信用评分的打分方法。