本文摘要：作為信用交易的電子化載體，信用卡是現(xiàn)代貨幣體系的重要延伸，更是重要的支付手段和信貸工具，在便利商品和服務(wù)交易支付結(jié)算的同時，也促進(jìn)了商業(yè)銀行相關(guān)業(yè)務(wù)的增長。 對商業(yè)銀行來說，信用卡業(yè)務(wù)是其夯實客戶基礎(chǔ)的戰(zhàn)略性業(yè)務(wù)之一，具有綁定客戶、擴(kuò)面擴(kuò)戶、穩(wěn)定存款
作為信用交易的電子化載體，信用卡是現(xiàn)代貨幣體系的重要延伸，更是重要的支付手段和信貸工具，在便利商品和服務(wù)交易支付結(jié)算的同時，也促進(jìn)了商業(yè)銀行相關(guān)業(yè)務(wù)的增長。 對商業(yè)銀行來說，信用卡業(yè)務(wù)是其夯實客戶基礎(chǔ)的戰(zhàn)略性業(yè)務(wù)之一，具有綁定客戶、擴(kuò)面擴(kuò)戶、穩(wěn)定存款、創(chuàng)造中間業(yè)務(wù)收入等綜合作用。
客戶是商業(yè)銀行信用卡業(yè)務(wù)發(fā)展的基礎(chǔ)，信用卡消費規(guī)模、貸款規(guī)模、業(yè)務(wù)收入的增長均依賴于客戶的規(guī)模和質(zhì)量。 可以說，誰優(yōu)先獲得龐大且優(yōu)質(zhì)的信用卡客戶群，誰就優(yōu)先取得了消費金融時代的發(fā)展優(yōu)勢。 本文基于某商業(yè)銀行北京市A支行(以下簡稱“A支行”)的調(diào)查結(jié)果對個人信用卡準(zhǔn)入、申請評分和初始授信影響因素進(jìn)行研究分析，為商業(yè)銀行提升信用卡營銷水平、信用卡申請者提高申請通過率提供參考建議。
一、調(diào)查對象的基本情況
1.調(diào)查對象
通過對A支行一年的個人信用卡申請、審批情況的調(diào)查分析，筆者發(fā)現(xiàn)其間共有438人向該營業(yè)網(wǎng)點申請個人信用卡，其中有134人獲得準(zhǔn)入，獲得準(zhǔn)入的比例為30.60%(該百分比為四舍五入后數(shù)值，下同)，其余申請者均因各種原因被拒絕準(zhǔn)入。
2.申請者性別分布情況
調(diào)查樣本中，男性申請者294人，占比67.10%; 女性申請者144人，占比32.90%。 其中，男性申請者中有228人被拒絕準(zhǔn)入，占比為77.60%; 女性申請者中有76人被拒絕準(zhǔn)入，占比為52.80%; 獲得準(zhǔn)入的男性申請者和女性申請者分別為66人和68人，分別占同性別申請者總數(shù)的22.40%和47.20%。 整體來看，男性申請者數(shù)量是女性申請者的兩倍，但最終獲得準(zhǔn)入的男性申請者人數(shù)比女性申請者少2人，女性申請者獲得準(zhǔn)入的比例是男性申請者的2倍多。 對申請者性別分布情況進(jìn)行卡方檢驗得出P值小于0.01，說明不同性別申請者獲得準(zhǔn)入的差異極顯著。
3.申請者來源分類情況
84.90%的申請者是A支行的新客戶，共372人，其中271人未獲得準(zhǔn)入，101人獲得準(zhǔn)入，獲得準(zhǔn)入的比例為27.20%。 申請者為本行借記卡客戶、已有本行信用卡客戶和系統(tǒng)識別優(yōu)質(zhì)客戶分別占申請者總數(shù)的5.50%、2.30%和5.90%，獲得準(zhǔn)入的比例分別為29.20%、50.00%和61.50%。 申請者為本行房貸客戶和本行員工的分別占申請者總數(shù)的0.90%和0.50%，但獲得準(zhǔn)入的比例分別為75.00%和100.00%。
在獲得準(zhǔn)入的申請者中，申請者來源為新客戶的人數(shù)占75.40%，系統(tǒng)識別優(yōu)質(zhì)客戶和本行借記卡客戶的人數(shù)分別占11.90%和5.20%，其他來源的人數(shù)占比均小于5.00%。 可以看出，申請者與發(fā)卡行的關(guān)系越緊密，獲得準(zhǔn)入的可能性就越高。
4.申請渠道分布情況
75.30%的申請者通過營業(yè)網(wǎng)點申請個人信用卡，共330人，其中有111人獲得準(zhǔn)入，獲得準(zhǔn)入的比例為33.60%。 通過網(wǎng)上銀行和其他渠道申請的人數(shù)分別為52和35，分別占申請總數(shù)的11.90%和8.00%，獲得準(zhǔn)入的比例分別為5.80%和14.30%，遠(yuǎn)低于通過營業(yè)網(wǎng)點申請獲得準(zhǔn)入的比例。 通過柜面客戶端、網(wǎng)銀交叉銷售和手機(jī)銀行申請的人數(shù)逐漸減少，分別為15、4和2，獲得準(zhǔn)入的比例分別為66.70%、100.00%和50.00%，高于通過營業(yè)網(wǎng)點申請獲得準(zhǔn)入的比例。
在獲得準(zhǔn)入的申請者中，通過營業(yè)網(wǎng)點申請的人數(shù)占82.80%，通過柜面客戶端申請的人數(shù)占7.50%，其他渠道申請的人數(shù)占比均小于5.00%。 調(diào)查結(jié)果顯示，營業(yè)網(wǎng)點依然是客戶申請個人信用卡的主要渠道，雖然近年來通過網(wǎng)上銀行、手機(jī)銀行等電子渠道申請個人信用卡的客戶有所增多，但通過電子渠道申請個人信用卡獲得準(zhǔn)入的比例遠(yuǎn)低于通過營業(yè)網(wǎng)點等傳統(tǒng)渠道申請個人信用卡獲得準(zhǔn)入的比例。
5.獲得準(zhǔn)入的申請者的基本特征
在獲得準(zhǔn)入的申請者中，已婚有子女的申請者人數(shù)為92，占獲得準(zhǔn)入總數(shù)的比例為68.70%; 未婚的申請者人數(shù)為32，占獲得準(zhǔn)入總數(shù)的比例為23.90%; 已婚無子女與其他婚姻狀態(tài)的申請者人數(shù)分別7和3，占獲得準(zhǔn)入總數(shù)的比例分別為5.20%和2.20%。 擁有大學(xué)本科和�？茖W(xué)歷的申請者人數(shù)分別為64和34，占獲得準(zhǔn)入總數(shù)的比例分別為47.80%和25.40%; 擁有研究生及以上學(xué)歷和高中/中專及以下學(xué)歷的申請者人數(shù)分別為15和21，占獲得準(zhǔn)入總數(shù)的比例分別為11.20%和15.70%。
二、個人信用卡申請被發(fā)卡行拒絕的原因分析
調(diào)查對象中共有304名信用卡申請者被拒絕準(zhǔn)入，占申請總數(shù)的69.40%。 “內(nèi)部核查未通過”“征信未滿足準(zhǔn)入條件”和“綜合評分不足”是個人信用卡申請被發(fā)卡行拒絕的前三大原因，分別占比25.00%、19.10%和15.10%，合計為59.20%。 由于“郵寄地址核實有誤”和“申請者要求取消”原因被拒絕準(zhǔn)入的人數(shù)占被拒絕總數(shù)的比例均為5.60%。
由于個人信用卡申請者自身不良信用記錄導(dǎo)致申請被發(fā)卡行拒絕的情況包括“申請者信用卡最長逾期2個月數(shù)及以上”“信用卡當(dāng)前逾期期數(shù)為1且當(dāng)前逾期金額在200元(不含)以上”和“申請者被系統(tǒng)識別為風(fēng)險客戶”，因此三種情況被拒絕準(zhǔn)入的人數(shù)分別為14、4和3，占被拒絕總數(shù)的比例分別為4.60%、1.30%和1.00%，合計為6.90%。 由于申請者“持有信用卡總數(shù)過多”和“用信已高”原因被拒絕準(zhǔn)入的人數(shù)分別為8和10，合計占被拒絕總數(shù)的比例為5.90%。 由于申請者“近3個月征信查詢機(jī)構(gòu)大于3家”原因被拒絕準(zhǔn)入的人數(shù)為13，占被拒絕總數(shù)的比例為4.30%。
由于申請者提供的申請信息不準(zhǔn)確和申請資料不完備而導(dǎo)致被拒絕準(zhǔn)入的客戶占一定比例，發(fā)生這種情況的主體責(zé)任在申請者，但如果營銷人員在客戶填寫申請表或提供申請資料時為其提供相應(yīng)的指導(dǎo)，并在第一時間檢查判斷客戶申請信息的準(zhǔn)確性和申請資料的完備性，就可以有效減少客戶被拒情況的發(fā)生。 申請信息不準(zhǔn)確主要體現(xiàn)在“郵寄地址核實有誤”“調(diào)查時聯(lián)系不到客戶”“申請表多處涂改”和“資料邏輯有誤”等方面，因此類原因被拒絕準(zhǔn)入的人數(shù)占被拒絕總數(shù)的比例為13.49%。
申請資料不完備主要體現(xiàn)在“申請資料不完整但到期未收到補(bǔ)充資料”，因此類原因被拒絕準(zhǔn)入的人數(shù)占被拒絕總數(shù)的比例為3.30%。 另外，“申請評分與征信評分偏離度較大”和“申請者被系統(tǒng)識別為風(fēng)險客戶”也是申請者被拒絕準(zhǔn)入的原因。
從信用卡申請被拒絕環(huán)節(jié)來看，22.40%的申請者被拒絕準(zhǔn)入發(fā)生在調(diào)查環(huán)節(jié)，77.60%的申請者被拒絕準(zhǔn)入發(fā)生在審批環(huán)節(jié)。
三、基于自動線性建模的指標(biāo)對申請評分的相對重要性分析
提前預(yù)測貸款違約者可以幫助金融機(jī)構(gòu)采取一些預(yù)防措施，避免向潛在風(fēng)險客戶發(fā)放貸款，從而減少不良貸款的數(shù)量。 申請評分可幫助金融機(jī)構(gòu)確定申請者是否符合貸款條件及其需支付的利率，是金融機(jī)構(gòu)重要的風(fēng)險管理措施。 目前，發(fā)卡機(jī)構(gòu)主要基于申請者的信用歷史情況對申請者進(jìn)行信用評分。 隨著科學(xué)技術(shù)的發(fā)展，越來越多的信用評分方法被應(yīng)用于該領(lǐng)域，如判別分析、邏輯回歸、決策樹、數(shù)據(jù)挖掘和人工智能等。
近年來，自動線性建模(Automatic Linear Modeling)在回歸模型的構(gòu)建過程中被廣泛使用，可通過簡單的參數(shù)選擇實現(xiàn)自動的數(shù)據(jù)處理、特征選擇、模型訓(xùn)練和預(yù)測，從而輸出預(yù)測結(jié)果，將各種最新的智能分析和自動分析技術(shù)以簡明易懂的形式直接提供給用戶。
為了探索個人信用卡申請評分影響因素，本文采用SPSS數(shù)據(jù)分析軟件的自動線性建模功能，參考國內(nèi)外成熟的信用評價或評分模型，以“客戶來源”“申請渠道”“征信等級”“年齡”“婚姻狀況”“學(xué)歷水平”“個人年收入”“住房情況”“職業(yè)”“行業(yè)種類”“職務(wù)”和“職稱”等12個指標(biāo)為自變量，“申請評分”為因變量，分析各指標(biāo)對申請評分的的相對重要性。
根據(jù)自動線性建模分析，“征信等級”“年齡”“職業(yè)”“客戶來源”“住房情況”“申請渠道”和“學(xué)歷水平”這7個指標(biāo)是影響申請評分的重要指標(biāo)，且各指標(biāo)的相對重要性依次下降。 其中，相對重要性大于5%的指標(biāo)有“征信等級”“年齡”“職業(yè)”和“客戶來源”，相對重要性依次分別為69.59%、9.51%、7.81%和7.33%。 表4顯示，上述7個相對重要指標(biāo)均與申請評分存在顯著的相關(guān)性。
四、基于逐步回歸模型的指標(biāo)對初始授信額度的影響分析
逐步回歸(Stepwise Regression)是指逐步將自變量輸入模型，如果該自變量具統(tǒng)計學(xué)意義，則將其納入回歸模型中，同時移出不具有統(tǒng)計學(xué)意義的變量，最終得到一個自動擬合的回歸模型。 以“客戶來源”“申請渠道”“征信等級”“年齡”“婚姻狀況”“學(xué)歷水平”“個人年收入”“住房情況”“職業(yè)”“行業(yè)種類”“職務(wù)”和“職稱”等12個指標(biāo)為自變量，“初始授信額度”為因變量，采用逐步回歸方法建立回歸模型，進(jìn)一步分析各指標(biāo)對初始授信額度的影響。
根據(jù)逐步回歸結(jié)果可知，逐步回歸分析過程中一共建立了4個回歸模型，這些模型中依次被納入的自變量是“客戶來源”“個人年收入”“年齡”“學(xué)歷水平”。 引入新變量后，原有模型中的變量均有統(tǒng)計學(xué)意義(顯著性檢驗的P值均小于0.05)，因而未有自變量被移出，且4個模型校正決定系數(shù)也是持續(xù)增大的。
在4個被納入模型的自變量中，“個人年收入”和“年齡”變量是數(shù)值變量，“客戶來源”和“學(xué)歷水平”變量是分類變量。 “客戶來源”的賦值情況為：新客戶的賦值為1，本行借記卡客戶的賦值為2，系統(tǒng)識別優(yōu)質(zhì)客戶的賦值為3，已有本行信用卡客戶的賦值為4，本行房貸客戶的賦值為5，本行員工的賦值為6。 “學(xué)歷水平”的賦值情況為：高中/中專以下的賦值為1，大學(xué)專科的賦值為2，大學(xué)本科的賦值為3，研究生及以上的賦值為4。
4個回歸模型中自變量的偏回歸系數(shù)估計值均為正數(shù)，且各個自變量的統(tǒng)計檢驗P值均小于0.05。 隨著新變量的納入，原有變量的偏回歸系數(shù)估計值均在發(fā)生變化。 將回歸系數(shù)進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)化，可以消除原始變量單位不同及量綱不同的影響，便于對回歸模型中自變量對因變量的影響進(jìn)行比較。 根據(jù)標(biāo)準(zhǔn)化系數(shù)估計值可知，4個自變量對因變量的影響大小從高到低依次為“客戶來源”“個人年收入”“年齡”和“學(xué)歷水平”。
申請者來源在一定程度上反映的是申請者與發(fā)卡行的關(guān)系，是發(fā)卡行評估申請者信用卡初始授信額度的重要參考依據(jù)。 根據(jù)回歸模型，申請者與發(fā)卡行的關(guān)系越緊密，申請信用卡時獲得的初始授信額度就越高。 申請者的個人年收入反映的是其還款能力，年齡反映的是其工作時長或財富累積時長，學(xué)歷水平因?qū)ι暾堈叩氖杖胗休^大影響，在一定程度上也反映了其還款能力。 因此，客戶的“個人年收入”“年齡”和“學(xué)歷水平”在一定程度上代表了客戶的收入水平或還款能力，也是發(fā)卡行評估客戶信用卡初始授信額度的重要考量指標(biāo)。
反映的是被回歸模型4排除在外的自變量的偏相關(guān)系數(shù)估計值、偏相關(guān)關(guān)系以及多重共線容忍度。 從模型分析結(jié)果可知，被各個模型排除在外的自變量若納入原有模型，“客戶來源”這一自變量的偏相關(guān)系數(shù)估計值都很小且均未能通過統(tǒng)計檢驗，銀行信用卡營銷人員對客戶的“初始授信建議額度”除在模型1(模型1的校正決定系數(shù)是4個模型中最小的)中偏相關(guān)系數(shù)相對較大且通過統(tǒng)計檢驗外，在其余模型中的偏相關(guān)系數(shù)都較小且未能通過統(tǒng)計檢驗。 表6中的共線性統(tǒng)計量“容差”越小，則多重共線性越嚴(yán)重。 從共線性統(tǒng)計結(jié)果來看，4個回歸模型不存在嚴(yán)重的多重共線性。
五、結(jié)論與啟示
結(jié)合上述調(diào)查分析結(jié)果，筆者建議，銀行應(yīng)通過完善考核體系促使?fàn)I銷人員的營銷目標(biāo)與銀行各層級目標(biāo)一致，降低對營銷數(shù)量的考核比重，提升有效營銷的考核比重，鼓勵營銷人員在第一時間判斷申請信息的準(zhǔn)確性和申請資料的完備性，在客戶填寫申請表或提供申請資料時為客戶提供相應(yīng)的指導(dǎo)，減少客戶因此類原因被拒情況的發(fā)生，進(jìn)一步提升信用卡營銷水平。 此外，申請者應(yīng)增強(qiáng)信用意識，保持良好的個人信用記錄，盡量選擇與自身關(guān)系比較緊密的銀行申請信用卡，以降低被拒絕的可能性，并獲得更高的初始授信額度。
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/29554.html
