FICO评分模型

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