FICO评分模型概述

FICO评分模型是由Fair Isaac Company开发的一种用于衡量个人信用风险的数值评估方法，是全球最大的信用评估机构之一FICO公司推出的针对用户各方面情况的评分，其分数范围在300 - 850分之间，分数越高说明客户的信用风险越小 。在美国，信用评级基本都会参考FICO信用分 。

一般地说，如果借款人的FICO分值达到680分以上，贷款方就可以认为借款人的信用卓著，可以毫不迟疑地同意发放款；如果借款人的FICO分值介于620 - 680分之间，贷款方就要作进一步的调查核实，采用其它的信用分析工具，作个案处理；如果分值低于620分，则会考虑拒绝贷款申请。

FICO评分模型具有广泛的影响力，不仅在传统金融领域的风险评估方面起着重要作用，例如银行决定是否发放贷款、确定贷款额度以及利率水平等决策；在新兴的金融科技场景如网络借贷等中，也能够帮助借贷平台对借款者的信用风险进行快速评估，影响借贷交易能否成功达成。同时在一些非传统金融场景的信用评估方面，如租房、办理信用卡等场景下，FICO评分也可以为相关方提供一个快速评估信用风险程度的依据，辅助他们进行决策是否与客户进行信用交易以及交易的条件（如贷款额度、利率等） 。

此外，FICO评分模型是基于逻辑回归模型计算客户的还款能力，预测客户在未来一年的违约概率。模型采集的信息丰富多样，如人口统计学信息（像客户年龄、家庭结构、住房情况、工作类别及时间等）、历史贷款还款信息（如过去6 - 12个月的付款方式、逾期次数等）、历史金融交易信息（如过去6 - 12个月的平均月交易笔数、金额等）、银行征信信息（如过去12个月中新开的账户总数、所有账户的总额度、账户是否逾期等）都是计算FICO评分的自变量，最终通过逻辑回归得到一个信用评分 。

还需要注意的是，不同的FICO评分模型可能针对不同的信用局（Equifax、Experian、TransUnion）而略有差异，所以同一个消费者在这三家信用局的FICO分数可能并不相同 。

FICO评分模型的构成要素

一、信用偿还历史（约占35%）

这是影响FICO得分最重要的因素，主要显示用户的历史偿还情况，帮助贷方了解用户是否存在历史逾期行为。涵盖多个方面内容：

1. 信用账户偿还记录

包括各种信用账户的还款记录，例如信用卡（像Visa、MasterCard、AmericanExpress、Discover等）、零售账户（直接从商户获得的信用）、分期偿还贷款、金融公司账户、抵押贷款等的还款情况。这些多样化的账户类型涵盖了个人信贷消费的主要场景，体现了一个人在各种信贷关系中的履约状况 。

2. 公开记录及支票存款记录

其中包含破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决等信息。这些内容一旦存在，往往是比较严重的信用负面情况。例如破产信息会在信用报告上记录7 - 10年，这期间都会对评分造成严重的负面影响 。

3. 逾期偿还具体情况

详细考虑逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等因素。对FICO评分而言，并非只有完全不逾期才是理想状态，逾期的程度和频率以及距现在的时间等多方面因素都会被衡量。例如，相对于时间较为久远的小额逾期事项，FICO评分会更看重近期发生的大额逾期事项。

二、信用账户数（约占30%）

该因素用来分析对一个用户而言多少个账户算“多”，并不是账户数越多风险就越高，还要考虑一个用户的可用信用度，例如可通过总余额在循环账户总限额比来衡量。在分析信用账户数时，主要考虑账户数量与用户还款能力之间的平衡。如果一个客户有过多的信用账户需要偿还贷款，但还款能力有限，这意味着该客户有更高的逾期还款可能性，存在较高的信用风险；反之，过少的信用账户可能无法全面反映该客户的信用管理能力和信用需求情况 。

三、使用信用的年限（约占15%）

此因素主要考虑信用账户的账龄，需要同时兼顾较早开立账户的账龄、较晚开立账户的账龄，以及平均账龄。一般来讲，使用信用的历史越长，越有利于增加FICO信用得分。从信用报告来看，美国最早开立的信用账户的平均账龄是14年，超过25%的客户的信用历史长于20年，只有不足5%的客户的信用历史小于2年。较长的信用年限表明客户接触信用体系的时间较长，信用机构可以有更多的历史数据来评估该客户的信用状况，并且在较长时间内维持良好信用记录的难度相对较大，所以信用年限较长者往往被视为信用风险较低者 。

四、正在使用的信用类型（约占10%）

该因素主要关注持有的信用账户类型和每种类型的信用账户数，包括对客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况的分析。不同类型的信用账户往往反映出消费者不同的消费习性和财务安排。例如，FICO认为没有信用卡比有信用卡并及时还款的客户风险高，不同类型信用的合理组合可能显示出客户具有多样化的信用管理能力或者更为稳定的财务状况，单一类型信用账户占比较高或许暗示客户某种特定的财务状况或者风险特征 。

五、新开立的信用账户

这项因素在FICO评分模型中也占据一定的考虑权重（各参考资料未明确给出具体占比，整体与其他因素合为100%）。在现今的经济生活中，创立新的信用账户的现象比较普遍。FICO评分模型考虑的内容包括新开立的信用账户数、新开立的信用账户账龄、目前的信用申请数量（由查询该客户信用的次数得出，查询次数在信用报告中只保存两年）、贷款方查询客户信用的时间长度以及最新的信用状况（对于新开立的信用账户及时还款，会在一段时间后提高客户的FICO得分）等因素。尤其是在很短时间内开立多个信用账户的客户往往具有更高的信用风险，特别是那些本身信用历史不长的人 。

FICO评分模型的应用场景

一、银行金融领域

1. 贷款审批

在银行等金融机构中，FICO评分模型主要应用于贷款审批流程。贷款机构可以根据借款人的FICO分数来判断其信用风险程度，从而决定是否批准贷款申请。如果借款人的FICO分数达到机构规定的分数线（如680分以上表示信用良好等不同档次的分数线），那么贷款审批可能会比较顺利通过；而分数较低时可能被拒绝或者需要进一步调查核实。例如在房屋抵押贷款、个人消费贷款、汽车贷款等各类贷款业务中，FICO评分都是重要的风险评估参考标准。不同风险承受能力的金融机构，对于不同类型贷款产品的可接受FICO分数范围可能有所不同，一些低风险贷款（如大型固定资产抵押类贷款）可接受分数下限可能相对高风险贷款（如无抵押小额消费贷款）更高 。

2. 贷款利率和额度设定

除了决定贷款是否发放之外，FICO评分还会对贷款利率和贷款额度产生影响。较高的FICO分数表明客户信用风险较低，金融机构更愿意提供更优惠的利率和更高的贷款额度。例如，对于FICO分数较高（如750分以上）的优质客户，银行可能会提供较低的年利率（如在房贷业务中，可能比普通客户低1 - 2个百分点），并且在额度上更宽松，可以给予收入一定倍数下相对更高的额度。相反，FICO分数较低的客户可能面临着较高的利率和较低的额度限制，以补偿金融机构承担的更高风险 。

二、金融科技（网络借贷等）领域

在金融科技发展迅速的时代，网络借贷行业兴起。FICO评分模型在其中也发挥着重要作用。

1. 自动化审批

网络借贷平台很多时候依赖计算机算法和大数据进行快速决策。FICO评分的数值可以被平台快速获取和解读，以便迅速判断潜在借款人的信用状况。一些大型网络借贷平台针对FICO分数较高（如680分以上）的客户，可以实现秒批贷款，简化了审批流程，提高了借贷效率。对于那些FICO分数处于临界值或者较低分数的客户，可能需要人工审核或者补充更多资料来进一步评估风险。

2. 风险定价

类似于传统金融机构，网络借贷平台也会根据客户的FICO分数来进行风险定价。信用风险高（FICO分数低）的借款者可能需要支付更高的借款成本（如更高的利息或者更多的手续费用），而信用良好（FICO分数高）的借款者可以享受更便宜的借贷成本，这有助于平台合理定价，确保在盈利的同时降低风险 。

三、非金融领域

1. 租房决策

对于房屋出租者或者房产管理公司而言，FICO评分是判断租户信用状况的重要工具。信用分数较高的租户，通常被认为是按时支付租金的可能性更高，信用风险较低。租房时，房东可能会要求查看租户的FICO分数，如果达到一定标准（例如650分以上），可能会偏好于将房屋出租给这样的租户，并且可能在租赁条款（如是否需要更高的押金等）上提供更优惠的条件；反之，分数较低的租户可能面临租房困难或者更为严格的租赁条件 。

2. 信用卡申请与管理

在信用卡业务方面，发卡机构会参考FICO分数决定是否向申请人发放信用卡以及对持卡人的信用额度管理等。对于FICO分数较高的申请人，发卡银行更愿意批准他们的信用卡申请，并可能给予较高的初始信用额度。而且在信用卡的使用过程中，如果持卡人FICO分数发生明显变化（尤其是下降），银行可能会对其信用卡进行风险管理措施，如降低信用额度、冻结卡片或者提高逾期利率等。

FICO评分模型的优势和局限性

一、优势

1. 客观公正性

FICO评分体系一直依靠事实数据来进行信用风险排序，使用精确的信息来源提供准确、一致、公平的评分衡量标准。其计算分数的数据来源直接且受监管，确保了该评分模型对任何个人或群体都不存在固有偏见，能够准确、客观地反映信用状况，保证了评分的客观公正性。涵盖抵押消费信贷和非抵押消费信贷的所有方面。并且从模型结构看，它通过明确固定比例的不同权重因素（如还款历史占35%、信用账户数占30%等）对信用情况进行全面评估，减少主观因素干扰，从而保证无论是性别、种族、宗教、国籍还是婚姻状况等因素，都不会对信用评分产生影响，这种公正透明性在信用评估中非常重要，符合公平借贷（Fair - lending）的要求 。

2. 成熟稳健性

FICO评分模型经历了长期的发展和优化过程，早在1989年就开始投入使用，在几十年时间里不断被修正和完善。经过大量样本数据的测试验证，且在多年的实际应用过程中表现稳定可靠。这种稳健性使得金融机构等各方对其评估结果有较高的信任度，可以较为可靠地使用FICO评分进行风险评估、贷款决策等操作，不同地区、不同信用局针对不同消费群体使用该模型，都能够取得相对符合预期的信用评估结果 。

3. 可解读性

FICO评分模型的构成具有很强的可解释性。它主要基于五类明确的因素（偿还历史、信用账户数、使用信用的年限、正在使用的信用类型、新开立的信用账户）进行构建，每项因素又可以进一步细分和解释。例如偿还历史占35%权重，其中包括信用卡、零售账户、分期贷款等多种还款记录以及公开记录等各方面进行评估，当对信贷决策做出解释时，例如拒绝贷款时，可以依据这些明确的构成因素，向借款人清晰地解释FICO分数低的原因或者需要进一步调查的原因，符合各种法规的要求，而与一些使用复杂机器学习算法且难以理解的人工智能信用评分模型相比（被认为是“黑箱”模型），这是一个显著的优势 。

4. 强大的求解能力与专业工具支持

FICO公司拥有专业建模工具（ModelBuilder）。通过评分模型得到的评分基本在( - 2, 2)之间的小数，然后可进一步通过拟合、尺度化，将评分结果转化成与业务相关的整数。并且FICO评分应用的是Divergence模型，目标明确，其中包括让好坏客户评分均值距离尽量大，同时让各自的评分方差尽量小。这种对模型求解过程的有效控制能力以及专业工具的支持，有助于保证评分结果的有效性和准确性，方便与实际业务场景更好地对接 。

二、局限性

1. 数据局限性

FICO评分虽然考虑多种因素，但可能无法涵盖所有影响信用风险的因素。一些新兴或特殊的经济行为或者社会现象可能没有被包含在其模型内。例如一些新产生的金融创新产品或者在特殊地区、特殊人群的特别信用风险因素可能未能及时反映到FICO评分模型中。例如近年来兴起的一些共享经济场景下的信用行为（如共享汽车多次违约未缴费但未被接入征信机构数据）可能不会影响FICO评分，但这种行为实际上也反映了一定的信用风险问题 。

2. 无法反映动态实时状况

FICO评分基于历史数据建立的模型，相对静态，无法实时捕捉个人信用状况的突然变化。例如，一个消费者一直信用记录良好，FICO分数较高，但是突然面临大额经济损失或者失业等情况，导致近期偿还能力变化较大，但这个即时状态变化在FICO评分中不会立即显现，可能存在一定延迟，还需要等到下一波数据更新（如还款逾期等情况的产生）才会对FICO分数造成影响。

3. 可能存在对新用户不友好的情况

对于新建立信用记录的用户（信用历史较短）比较不利。由于FICO评分部分依赖信用年限、信用账户数等因素，新用户历史数据少，这些因素得分不理想。例如刚踏入社会申请第一张信用卡的年轻人，他们的信用账户数可能只有1个，使用信用年限基本为零，即使按时还款这些使用者最初也可能无法获得较高的FICO评分，而被以更高的风险对待，实际其长期信用风险可能并不高。

如何提高FICO评分

一、优化偿还历史

1. 按时还款

毫无疑问，按时足额偿还债务是提升FICO评分最重要的一点，因为偿还历史在FICO评分模型中占比最高（约35%）。无论是信用卡、贷款、分期付款、水电费账单或者其他有信用关系的支付项目，都必须准时还款。每种还款账户的还款状态都会被记录在信用报告上，哪怕是少许的逾期，都会对评分产生负面影响。比如像信用卡还款，一旦超过还款日期，即使只有一天，也可能会被记录为逾期还款，影响FICO评分；同样，对于分期偿还贷款，每月还款额未能按时足额到账也会被标记为逾期，这将直接影响评分的高低 。

2. 减少逾期并管理信用风险

尽量避免逾期还款情况发生，特别是较严重和频繁的逾期。如果已经发生逾期，要尽快解决欠款问题。对于较长时间的逾期（如90天以上）能尽快还款清偿更好，如果无力一次性还清可以与债权人协商还款计划，避免信用破产。同时也要防止其他信用风险事件，例如要避免进入法律诉讼、破产等严重的公开信用风险情况的发生，因为这些因素在偿还历史板块会有严重负面记录。例如在欠款较多难以偿还面临贷款违约风险时，要及时通过债务重组或者与借款机构沟通调整还款计划等方式避免进入司法诉讼阶段等 。

二、合理管理信用账户数

1. 避免过度借贷

要确保信用账户数量处于一个合理范围，不要过度借贷。不是信用账户越多越好，过多的信用需求对有限的还款能力可能造成压力。例如如果一个人持有过多的信用卡且每张都接近信用额度上限，可能会被视为信用风险高的表现，因为这可能暗示其过度消费并且还款能力管不过来，导致信用账户还款逾期的可能性增加。需要评估自身还款能力合理申请信用账户，同时也要定期审视自己的信用账户必要性，如果有长期不用的高年费信用卡等可以考虑注销。

2. 提升信用账户可用度

关注信用账户的余额和限额比例关系，避免使账户经常处于高负债状态。例如对于循环型信用账户（如信用卡），保持较低的余额与信用额度比例（如30%以下为较好状态）是有益的，可以显示对信用的管理能力较好并且还款压力小，而经常刷爆信用卡（余额接近信用额度）则可能降低FICO评分 。

三、延长信用使用年限

1. 长期使用现有账户

尽量不关闭早期开设的信用账户，因为早期账户有较长的信用历史，对FICO评分中的信用使用年限因素有积极作用。例如在拥有多张信用卡时，不要轻易注销最早办理那张（可能不存在年费等情况下），因为那张卡有较长的信用年限历史记录有助于提升整体信用使用年限得分。即使可能新办理其他优质信用卡有更多优惠，但考虑到FICO评分因素，要综合权衡利弊。

2. 早期建立信用关系合理规划

对于刚开始建立信用关系的年轻人或者新市民群体，早期选择一些容易获得且适合的信用产品进行信用沉淀是很重要的。例如可以从申请有信用记录且低风险的账户（如小额信用卡或者学生专属信用产品且没有高年费等）入手，然后逐步稳定建立自己的信用记录，随着时间推移，信用使用年限增长将有助于FICO评分提高。

四、优化信用类型组合

1. 多样化信用类型

适当地增加信用类型可以显示出多样化的信用管理能力。例如在仅拥有信用卡的信用记录情况下，可以考虑适当增加一些分期付款类的消费信贷（如购买大件商品选择分期付款）或者有抵押类的贷款（如小额住房装修贷款）等，但也要注意不要过度增加信用产品造成还款压力，并且需要慎重对待分期付款、抵押贷款类的还款义务，确保按时足额还款，避免造成信用损害。

2. 稳定和优化现有信用类型结构

对现有的信用类型进行优化管理，如果有较多高风险信用类型（如高息消费贷款）且还款困难，可以考虑在条件允许情况下转化成低风险类型（如较大金额逐步转为抵押类贷款等方式来降低风险特征）。对于信用卡类账户，如果有多张卡的情况下，根据各卡的授信额度、优惠政策和使用频率等综合因素合理调整刷卡消费的分布，避免部分卡过度使用而其他卡闲置的不均衡现象。

五、谨慎对待新开立的信用账户

1. 避免短期内集中开户

对新信用账户要谨慎增加，尤其是不要在短期内大量集中地开立信用账户。因为FICO评分模型认为短期内急剧增加新的债务来源是一项高风险信号，特别是如果本身信用历史不长（如刚建立信用关系不足两年者）这种情况影响更大。例如刚上班不久的年轻人连续申请多张信用卡、多个消费贷款可能被视为信用风险较高，即使对于每个新账户都是按时还款的情况，前期也可能对FICO评分造成负面影响。

2. 做好新账户信用维护

如果开张新的信用账户如信用卡，要从一开始就做好信用维护，按时还款、合理使用信用额度，随着时间推移新账户趋于稳定之后，反而有助于提高整体的FICO评分。在办理新账户前也要对相关条款进行详细了解（如年费、利率、还款周期等），确保自己能够承担相应的信用责任并且该账户与自己整体的信用组合相适应。