我们在Crest Capital遇到的一些最常见的问题与评估信用风险的细节有关。这是一种奇特的说法:“我们在制作作品时究竟着眼于什么?设备融资决策我们如何做出这些决定?”

答案实际上比任何人想象的都要复杂，尤其是在设备融资方面，一笔交易可能需要数十万美元(甚至更多)。

举个例子，当贷方为某人提供汽车贷款时，他们会查看信用评分，通常就是这样。但是当一家设备融资公司借钱给一家公司购买设备时，其他事情就开始起作用了。这些可以包括(但不限于)以下内容:申请信贷的企业的年龄和性质、可比的借款历史、设备的使用寿命和售后价值、软成本、为什么我们不喜欢为需要持续依赖供应商的任何事情提供融资、基于风险的定价等。这个清单很长，而且种类繁多。因此，本系列文章旨在让您更好地了解我们公司的内部运作。

让我们先回答一个经常被问到的问题:信贷决策中有多少是“人”的决定?

答案可能会让你吃惊——没有那么多。当然，在过去，所有的信贷决策都是由人类做出的。但是今天，计算机模型和大量的数据已经产生了复杂的算法，我们必须承认，这些算法非常准确。

让我们看一下关于所谓的“信用风险模型”的几点。

•在这个时代，信用风险模型几乎被每个贷款人使用。在此之前，信贷决策是基于信贷员使用可用数据做出判断的能力。换句话说，这是一个主观的决定。信用风险模型实现了这一决策目标。几乎是完全的逆转。

•然而，这些信用风险模型并不是某一天突然出现的。这是一个缓慢的演变过程，从信贷经理和信贷员根据自己的发现制作自己的“记分卡”开始。如果你看一下1980年前后信贷员的办公桌，你可能会发现某种类型的笔记本，上面记录着有关信贷风险因素的数据和发现。然而，由于这些都是个人的，它们可能会因贷款人的不同而大不相同(也可能是愚蠢的)。例如，一个信贷员被一个叫“史密斯”的人惹了麻烦——你可以打赌，下一个申请贷款的“史密斯”在信贷员的脑海里一开始就会出问题，即使他们之间没有任何关系。)

•然而，多年来，不可避免的是，这些公式中最好的部分(不是“史密斯”的部分)是相似的。然后，由费尔艾萨克公司(FICO)开发的模型变得司空见惯。我们今天的工作就是依靠这些。

•这些模型之所以被使用，是因为它们采用了最好的模型，使贷款人能够更快地做出复杂的、大批量的决策。它们还利用涉及数十个相互关联的动作和效果模型的大规模优化，并允许探索和模拟许多优化的“假设”场景。

•这些模型的预测能力不断提高，并适应当前的经济状况。贷款人的损失通常会随着每次修订而减少。

•当然，一个模型并不适用于所有人，因此大多数公司将使用公司自己的数据和过去的交易来定制专有风险模型。

•有时会使用过去的账户对旧模型和修订后的模型进行正面比较测试。这使得贷方可以看到他们是否可以期望在风险评估方面有所改进(例如，“新模型是否可以防止去年的不良贷款?”)

•尽管如此，仍有一些贷款机构采用老派的“直觉”方法。然而，上一次经济衰退几乎淘汰了所有这些人。简单地说，这些公司给予信贷的“模型外例外”通常以比预期更频繁的违约告终。

最后证明，利用信用风险模型进行决策管理，绝对优于单纯的“直觉”。评分自动化提供更快的决策，减少欺诈损失，最小化信用风险，符合法规要求，并满足竞争需求。

现在你可能会问“好吧，那我们为什么还需要人类呢?”答案是，模型确实有一个“底线”，许多交易正好落在这条线上或在这条线附近。对于这样的交易，人类仍然需要做出最后的决定。另外，有人需要输入所有的数据!!

谢谢你的阅读。下一次，我们将查看这些评分模型中考虑了哪些数据元素。

Crest Capital是一家设备融资和设备租赁公司这为企业提供了获得所需设备所需的资金。无论经济实力或当前的经济气候如何，佳洁士明白，稳固的企业仍然希望增长，并努力以优惠的利率提供轻松的融资，并在业内获得最快的批准时间。