本文摘要:作为信用交易的电子化载体,信用卡是现代货币体系的重要延伸,更是重要的支付手段和信贷工具,在便利商品和服务交易支付结算的同时,也促进了商业银行相关业务的增长。 对商业银行来说,信用卡业务是其夯实客户基础的战略性业务之一,具有绑定客户、扩面扩户、稳定存款
作为信用交易的电子化载体,信用卡是现代货币体系的重要延伸,更是重要的支付手段和信贷工具,在便利商品和服务交易支付结算的同时,也促进了商业银行相关业务的增长。 对商业银行来说,信用卡业务是其夯实客户基础的战略性业务之一,具有绑定客户、扩面扩户、稳定存款、创造中间业务收入等综合作用。
客户是商业银行信用卡业务发展的基础,信用卡消费规模、贷款规模、业务收入的增长均依赖于客户的规模和质量。 可以说,谁优先获得庞大且优质的信用卡客户群,谁就优先取得了消费金融时代的发展优势。 本文基于某商业银行北京市A支行(以下简称“A支行”)的调查结果对个人信用卡准入、申请评分和初始授信影响因素进行研究分析,为商业银行提升信用卡营销水平、信用卡申请者提高申请通过率提供参考建议。
一、调查对象的基本情况
1.调查对象
通过对A支行一年的个人信用卡申请、审批情况的调查分析,笔者发现其间共有438人向该营业网点申请个人信用卡,其中有134人获得准入,获得准入的比例为30.60%(该百分比为四舍五入后数值,下同),其余申请者均因各种原因被拒绝准入。
2.申请者性别分布情况
调查样本中,男性申请者294人,占比67.10%; 女性申请者144人,占比32.90%。 其中,男性申请者中有228人被拒绝准入,占比为77.60%; 女性申请者中有76人被拒绝准入,占比为52.80%; 获得准入的男性申请者和女性申请者分别为66人和68人,分别占同性别申请者总数的22.40%和47.20%。 整体来看,男性申请者数量是女性申请者的两倍,但最终获得准入的男性申请者人数比女性申请者少2人,女性申请者获得准入的比例是男性申请者的2倍多。 对申请者性别分布情况进行卡方检验得出P值小于0.01,说明不同性别申请者获得准入的差异极显著。
3.申请者来源分类情况
84.90%的申请者是A支行的新客户,共372人,其中271人未获得准入,101人获得准入,获得准入的比例为27.20%。 申请者为本行借记卡客户、已有本行信用卡客户和系统识别优质客户分别占申请者总数的5.50%、2.30%和5.90%,获得准入的比例分别为29.20%、50.00%和61.50%。 申请者为本行房贷客户和本行员工的分别占申请者总数的0.90%和0.50%,但获得准入的比例分别为75.00%和100.00%。
在获得准入的申请者中,申请者来源为新客户的人数占75.40%,系统识别优质客户和本行借记卡客户的人数分别占11.90%和5.20%,其他来源的人数占比均小于5.00%。 可以看出,申请者与发卡行的关系越紧密,获得准入的可能性就越高。
4.申请渠道分布情况
75.30%的申请者通过营业网点申请个人信用卡,共330人,其中有111人获得准入,获得准入的比例为33.60%。 通过网上银行和其他渠道申请的人数分别为52和35,分别占申请总数的11.90%和8.00%,获得准入的比例分别为5.80%和14.30%,远低于通过营业网点申请获得准入的比例。 通过柜面客户端、网银交叉销售和手机银行申请的人数逐渐减少,分别为15、4和2,获得准入的比例分别为66.70%、100.00%和50.00%,高于通过营业网点申请获得准入的比例。
在获得准入的申请者中,通过营业网点申请的人数占82.80%,通过柜面客户端申请的人数占7.50%,其他渠道申请的人数占比均小于5.00%。 调查结果显示,营业网点依然是客户申请个人信用卡的主要渠道,虽然近年来通过网上银行、手机银行等电子渠道申请个人信用卡的客户有所增多,但通过电子渠道申请个人信用卡获得准入的比例远低于通过营业网点等传统渠道申请个人信用卡获得准入的比例。
5.获得准入的申请者的基本特征
在获得准入的申请者中,已婚有子女的申请者人数为92,占获得准入总数的比例为68.70%; 未婚的申请者人数为32,占获得准入总数的比例为23.90%; 已婚无子女与其他婚姻状态的申请者人数分别7和3,占获得准入总数的比例分别为5.20%和2.20%。 拥有大学本科和专科学历的申请者人数分别为64和34,占获得准入总数的比例分别为47.80%和25.40%; 拥有研究生及以上学历和高中/中专及以下学历的申请者人数分别为15和21,占获得准入总数的比例分别为11.20%和15.70%。
二、个人信用卡申请被发卡行拒绝的原因分析
调查对象中共有304名信用卡申请者被拒绝准入,占申请总数的69.40%。 “内部核查未通过”“征信未满足准入条件”和“综合评分不足”是个人信用卡申请被发卡行拒绝的前三大原因,分别占比25.00%、19.10%和15.10%,合计为59.20%。 由于“邮寄地址核实有误”和“申请者要求取消”原因被拒绝准入的人数占被拒绝总数的比例均为5.60%。
由于个人信用卡申请者自身不良信用记录导致申请被发卡行拒绝的情况包括“申请者信用卡最长逾期2个月数及以上”“信用卡当前逾期期数为1且当前逾期金额在200元(不含)以上”和“申请者被系统识别为风险客户”,因此三种情况被拒绝准入的人数分别为14、4和3,占被拒绝总数的比例分别为4.60%、1.30%和1.00%,合计为6.90%。 由于申请者“持有信用卡总数过多”和“用信已高”原因被拒绝准入的人数分别为8和10,合计占被拒绝总数的比例为5.90%。 由于申请者“近3个月征信查询机构大于3家”原因被拒绝准入的人数为13,占被拒绝总数的比例为4.30%。
由于申请者提供的申请信息不准确和申请资料不完备而导致被拒绝准入的客户占一定比例,发生这种情况的主体责任在申请者,但如果营销人员在客户填写申请表或提供申请资料时为其提供相应的指导,并在第一时间检查判断客户申请信息的准确性和申请资料的完备性,就可以有效减少客户被拒情况的发生。 申请信息不准确主要体现在“邮寄地址核实有误”“调查时联系不到客户”“申请表多处涂改”和“资料逻辑有误”等方面,因此类原因被拒绝准入的人数占被拒绝总数的比例为13.49%。
申请资料不完备主要体现在“申请资料不完整但到期未收到补充资料”,因此类原因被拒绝准入的人数占被拒绝总数的比例为3.30%。 另外,“申请评分与征信评分偏离度较大”和“申请者被系统识别为风险客户”也是申请者被拒绝准入的原因。
从信用卡申请被拒绝环节来看,22.40%的申请者被拒绝准入发生在调查环节,77.60%的申请者被拒绝准入发生在审批环节。
三、基于自动线性建模的指标对申请评分的相对重要性分析
提前预测贷款违约者可以帮助金融机构采取一些预防措施,避免向潜在风险客户发放贷款,从而减少不良贷款的数量。 申请评分可帮助金融机构确定申请者是否符合贷款条件及其需支付的利率,是金融机构重要的风险管理措施。 目前,发卡机构主要基于申请者的信用历史情况对申请者进行信用评分。 随着科学技术的发展,越来越多的信用评分方法被应用于该领域,如判别分析、逻辑回归、决策树、数据挖掘和人工智能等。
近年来,自动线性建模(Automatic Linear Modeling)在回归模型的构建过程中被广泛使用,可通过简单的参数选择实现自动的数据处理、特征选择、模型训练和预测,从而输出预测结果,将各种最新的智能分析和自动分析技术以简明易懂的形式直接提供给用户。
为了探索个人信用卡申请评分影响因素,本文采用SPSS数据分析软件的自动线性建模功能,参考国内外成熟的信用评价或评分模型,以“客户来源”“申请渠道”“征信等级”“年龄”“婚姻状况”“学历水平”“个人年收入”“住房情况”“职业”“行业种类”“职务”和“职称”等12个指标为自变量,“申请评分”为因变量,分析各指标对申请评分的的相对重要性。
根据自动线性建模分析,“征信等级”“年龄”“职业”“客户来源”“住房情况”“申请渠道”和“学历水平”这7个指标是影响申请评分的重要指标,且各指标的相对重要性依次下降。 其中,相对重要性大于5%的指标有“征信等级”“年龄”“职业”和“客户来源”,相对重要性依次分别为69.59%、9.51%、7.81%和7.33%。 表4显示,上述7个相对重要指标均与申请评分存在显著的相关性。
四、基于逐步回归模型的指标对初始授信额度的影响分析
逐步回归(Stepwise Regression)是指逐步将自变量输入模型,如果该自变量具统计学意义,则将其纳入回归模型中,同时移出不具有统计学意义的变量,最终得到一个自动拟合的回归模型。 以“客户来源”“申请渠道”“征信等级”“年龄”“婚姻状况”“学历水平”“个人年收入”“住房情况”“职业”“行业种类”“职务”和“职称”等12个指标为自变量,“初始授信额度”为因变量,采用逐步回归方法建立回归模型,进一步分析各指标对初始授信额度的影响。
根据逐步回归结果可知,逐步回归分析过程中一共建立了4个回归模型,这些模型中依次被纳入的自变量是“客户来源”“个人年收入”“年龄”“学历水平”。 引入新变量后,原有模型中的变量均有统计学意义(显著性检验的P值均小于0.05),因而未有自变量被移出,且4个模型校正决定系数也是持续增大的。
在4个被纳入模型的自变量中,“个人年收入”和“年龄”变量是数值变量,“客户来源”和“学历水平”变量是分类变量。 “客户来源”的赋值情况为:新客户的赋值为1,本行借记卡客户的赋值为2,系统识别优质客户的赋值为3,已有本行信用卡客户的赋值为4,本行房贷客户的赋值为5,本行员工的赋值为6。 “学历水平”的赋值情况为:高中/中专以下的赋值为1,大学专科的赋值为2,大学本科的赋值为3,研究生及以上的赋值为4。
4个回归模型中自变量的偏回归系数估计值均为正数,且各个自变量的统计检验P值均小于0.05。 随着新变量的纳入,原有变量的偏回归系数估计值均在发生变化。 将回归系数进行标准化转化,可以消除原始变量单位不同及量纲不同的影响,便于对回归模型中自变量对因变量的影响进行比较。 根据标准化系数估计值可知,4个自变量对因变量的影响大小从高到低依次为“客户来源”“个人年收入”“年龄”和“学历水平”。
申请者来源在一定程度上反映的是申请者与发卡行的关系,是发卡行评估申请者信用卡初始授信额度的重要参考依据。 根据回归模型,申请者与发卡行的关系越紧密,申请信用卡时获得的初始授信额度就越高。 申请者的个人年收入反映的是其还款能力,年龄反映的是其工作时长或财富累积时长,学历水平因对申请者的收入有较大影响,在一定程度上也反映了其还款能力。 因此,客户的“个人年收入”“年龄”和“学历水平”在一定程度上代表了客户的收入水平或还款能力,也是发卡行评估客户信用卡初始授信额度的重要考量指标。
反映的是被回归模型4排除在外的自变量的偏相关系数估计值、偏相关关系以及多重共线容忍度。 从模型分析结果可知,被各个模型排除在外的自变量若纳入原有模型,“客户来源”这一自变量的偏相关系数估计值都很小且均未能通过统计检验,银行信用卡营销人员对客户的“初始授信建议额度”除在模型1(模型1的校正决定系数是4个模型中最小的)中偏相关系数相对较大且通过统计检验外,在其余模型中的偏相关系数都较小且未能通过统计检验。 表6中的共线性统计量“容差”越小,则多重共线性越严重。 从共线性统计结果来看,4个回归模型不存在严重的多重共线性。
五、结论与启示
结合上述调查分析结果,笔者建议,银行应通过完善考核体系促使营销人员的营销目标与银行各层级目标一致,降低对营销数量的考核比重,提升有效营销的考核比重,鼓励营销人员在第一时间判断申请信息的准确性和申请资料的完备性,在客户填写申请表或提供申请资料时为客户提供相应的指导,减少客户因此类原因被拒情况的发生,进一步提升信用卡营销水平。 此外,申请者应增强信用意识,保持良好的个人信用记录,尽量选择与自身关系比较紧密的银行申请信用卡,以降低被拒绝的可能性,并获得更高的初始授信额度。
转载请注明来自发表学术论文网:http://www.fbxslw.com/jjlw/29554.html