信用评分模式

信用评分模式（共6篇）

信用评分模式 篇1

一、北票市“文明评比+信用评分+信贷”创新活动的产生背景

北票市创新“文明评比+信用评分+信贷”活动方式主要取决于两个方面因素:一方面, 早在2006年北票市就被中国人民银行沈阳分行确定为推广农户信用评价体系的试点地区, 在中国人民银行朝阳市中心支行的指导下, 立足“三农经济”发展扩展农户信用评价体系服务功能, 于2008年创新推出了“农户信用评价体系+信贷”服务新方式, 组织北票市农村信用联社选取北塔子、西官营、大三家三个乡镇开展试点工作, 运行到2009年底通过此方式投放农户小额信用贷款1995笔、金额2018万元, 为解决农民小额信用贷款难开辟了新思路。另一方面, 2010年根据辽宁省委文明办《关于开展农村道德信贷工程建设的指导意见》, 北票市委文明办在全市农村开展评选“十星级道德信贷文明户”活动, 参照上级部门的指导意见对道德信贷户的评选标准操作执行的难度比较大;与此同时金融部门运行“农户评价体系+信贷”服务模式, 单靠金融部门自身运作扩大推广进展速度缓慢, 鉴于两项创新工作的“信贷”切入点、政银关注的“三农”结合点、双方追求的“目标”落脚点, 沟通合作, 共同设计推出了“文明评比+信用评分+信贷”创新方式。

二、北票市“文明评比+信用评分+信贷”创新活动的操作设计

1.设计目的。通过开展“文明评比+信用评分+信贷”评比竞赛活动, 评选农村“十星级道德信贷文明户”, 切实提高农民思想道德素质, 培育文明礼仪、诚实守信风尚, 为农村信用贷款搭建投放平台、提供道德保障, 从深层次破解农民贷款“两难”问题, 推动金融服务方式创新, 促进贷款营销机制转变, 满足农民贷款需求, 帮助农民增收致富, 为社会主义新农村建设服务。

2.评选范围。北票市范围内农村所有农户, 都可参加“文明评比+信用评分+信贷”评比竞赛活动, 争当十星级道德信贷文明户。

3.评选标准。对“十星级道德信贷文明户”实施百分考核标准, 综合考评得分在96分以上的为“十星级道德信贷文明户”, 其中:“诚实守信星”必须具备以下条件:近3年内在农村信用社贷款无违约记录, 无其他负债;家庭年人均纯收入在5000元以上;在农村信用社开立基本存款账户;生产经营项目合法合规。

4.优惠政策“。十星级道德信贷文明户”信贷以农户信用评级为基础, 以农户的信誉为保证, 在授信的额度和期限内发放;采取“一次核定、随用随贷、余额控制、周转使用”的办法, 坚持公开、公平、公正的原则, 实行优中选优;实行贷款证办法, 以“十星级道德信贷文明户”为单位, 一户一证, 信贷授信实行动态管理、每年核定一次;对“十星级”文明户信贷实行贷款优先、利率优惠和简化手续的优惠政策。

5.操作管理。一是成立了“文明评比+信用评分+信贷”竞赛活动领导小组, 领导小组下设办公室, 负责活动方案的制定和组织实施、考核管理等工作。二是明确职责分工。市人行负责“文明评比+信用评分+信贷”活动的信贷政策传导、沟通协调和征信技术服务工作;市文明办牵头制定下发活动方案, 召开全市动员大会, 加大社会宣传, 各乡 (镇) 、区党委、政府成立相应的领导组织, 协助基层农村信用社做好农户信用评价信息的采集与评估工作;市农村信用联社负责信用信息库建设, 对农户信用进行评级、制发贷款证和资金支持工作。三是将活动分为五个阶段实施, 分别是宣传发动、采集信息、信用评定、贷款授信及评选表彰阶段。

三、北票市“文明评比+信用评分+信贷”创新模式的运行作用

1.通过开展“文明评比+信用评分+信贷”竞赛活动, 切实促进了政府、人行和涉农金融机构间的紧密合作, 有效破解了农户信用评价范围不够全面、农户信用评分信息不全或真实性不高、农户对参与信用评价消极被动等现实难题, 作用体现:一是扩大了信用评价体系的全面性, 将全市全体农户信息都纳入采集范围, 做到彻底摸清全市农户信用基本状况。二是提高了农户信用信息的准确性, 提高农户对信用信息采集工作的认识和配合, 不断健全完善了农户信用信息电子数据库。

2.通过开展“文明评比+信用评分+信贷”竞赛活动, 为深化金融支农服务创新奠定了基础。农村金融支农服务中产生的贷款“两难”问题, 归结于农民信贷诚信意识不强和信用环境不好形成, 开展农户信用评分、文明户评比工作, 创建全市农户信用信息电子档案, 以此为平台创新推出了“农户信用评分+信贷”支“公司+农户+信贷”等支农服务模式, 通过对农户信用信息的评价与筛选, 对于符合条件的农户采取扩大信用额度、提供利率优惠、改善贷款服务等方式, 既提高了农信社的资金使用效率, 又加大了金融支持农业力度。

3.通过开展“文明评比+信用评分+信贷”竞赛活动, 充分发挥地方党政部门覆盖面广、威信度高的优势, 调动农村信用社支农的骨干力量, 发扬人民银行统筹协调全面部署的功能, 将农村金融工作、经济工作与农村精神文明创建有机结合, 为“三农”服务, 切实提高农民思想道德素质, 打造文明诚信、和谐发展的社会道德环境, 加快推进了社会主义新农村建设。

四、北票市“文明评比+信用评分+信贷”创新活动运行中存在的问题及改进意见

1.加强考核管理。建议地方党政部门组织力量依据评比竞赛活动方案加大检查力度, 作为机关岗位目标考核评比的重要内容, 实施文明评比考核评选一票否决制, 切实提高各乡镇、管理区领导对农户信息采集工作的重视, 保质保量地完成农户信息采集工作。

2.加强信息采集。建议农联社要依据农户信息采集和录入考核情况, 对完成任务好的信用社给予贷款审批优先的鼓励措施, 切实加大各基层农村信用社对农户信息录入工作力度, 组织精干人员, 合理安排工作, 做到信息录入与开展业务两不误、两促进, 抓紧时间完成信息录入工作任务, 确保评比竞赛活动后一阶段工作顺利开展。

3.加强业务指导。由各乡镇、管理区负责组织辖内村民组负责人员集中培训学习, 各农村信用社抽调相关业务人员主动配合工作, 对农户信息采集技术要求进行集中讲解和现场指导, 确保农户信息采集的规范、标准、真实。

摘要：自2010年开始, 北票市依托“农户信用评价体系+信贷”运行成功经验, 结合“十星级道德信贷户”评选要求, 在全市农村广泛开展“文明评比+信用评分+信贷”评比竞赛活动, 共计完成道德信贷户基础信息采集5.6万户, 筛选建立道德信贷户电子档案3.08万户, 授信额度3.4亿元, 发放道德信用户小额贷款1.2亿元, 评定道德信用示范户200户, 培育道德信用示范乡 (镇) 10个, 既取得了增强农民诚信意识、治理农村信用环境的社会效应, 又产生了支持农民创业创新实实在在的经济效益。

关键词：金融创新,农村信用建设,调查研究

信用评分卡综述 篇2

关键词：分析,风险,评分

客户信用评估技术的应用范围十分广泛, 比如:信用卡, 住房按揭贷款、汽车消费贷款, 以及各种家用电器等耐用消费品的分期付款, 邮购, 等等。尤其在消费贷款领域, 客户信用评估的应用更加前景远大。即使在发达国家, 消费贷款的迅速发展也是近数十年的事情, 虽然目前我国各银行开办消费贷款业务的时间不长, 但发展也是十分迅速, 新的品种不断增加, 住房按揭贷款, 信用卡授信, 汽车消费贷款等。随着国家鼓励消费、刺激消费政策的出台, 可以预见, 消费贷款即将更加蓬勃的发展, 成为银行业务的新的增长点。

目前, 国外的各大金融企业及消费业集团都已经开发和运用各种评分评估系统, 以总结管理经验, 并将结果运用到企业管理, 取得了极其显著的经济效益 (通常比没有安装此系统时损失减少80%以上, 利润增加40%以上) 。正因为如此, 评分评估系统的建立成为商业大热门, 每个稍具规模并掌握一定企业内部管理及外部客户信息的公司都积极参与。银行、保险等金融企业更是将其作为进行日常经营业务活动必不可少的工具。在我国, 银行之间对于风险小, 利润高的客户的争夺和对风险高, 利润低客户的风险控制方面的行业竞争已经开始, 这就使得国内银行建立一个真正有效的信用评分评估系统变得十分迫切和必要。

1 信用卡及信用评分卡

1.1信用卡。信用卡 (credit card) , 按照我国刑法的明确规定的含义[1], 即“信用卡”是指由商业银行或者其他金融机构发行的具有消费支付、信用贷款、转账结算、存取现金等全部功能或者部分功能的电子支付卡。信用卡是一种支付工具, 也是一种信贷工具, 是含有一定信用额度的银行卡。信用卡给持卡人带来了便利, 人们可以用信用卡方便的购物消费、贷款、分期付款、储蓄理财等等。信用卡具有安全、快捷、可在多地点多次数支付等特点。1.2信用卡风险。随着我国经济的持续发展, 我国的信用卡产业也得到了快速的发展。截止到2008年底, 我国的信用卡发卡量达到1.5亿张。信用卡支付已渗透到人们生活的各方面, 其对拉动消费, 促进经济增长的积极作用日益显现。信用卡是典型的“先消费、后还款”, 这就决定了信用卡业务是高风险的。并且, 随着信用卡业务的不断扩大, 以及信用卡犯罪数量和手法的增多, 信用卡风险会更大。信用卡风险主要有两种类型, 欺诈型风险和透支型风险。信用卡欺诈是指不法分子非法获取他人信息, 伪造或骗取信用卡进行交易。具体行为包括盗窃、复制、伪造、身份冒用等。透支型风险是指, 持卡人进行透支后, 因为破产、失踪、死亡、诉讼、诈骗等原因而不能按期归还透支本息的风险。1.3信用评分。信用评分起源于20世纪40年代, 美国国家经济研究机构Durand Research第一次发现可以用信用评分来区分贷款的好坏。随着社会的进步与经济的发展, 信用评分逐渐应用在信用卡业、零售银行业、企业户信用评估等方面。同时, 计算技术的进步也使更多的技术应用于信用评分上。到了20世纪80年代, 逻辑回归和线性规划也开始应用在信用评分上。信用评分定义, 根据现有的客户的特性及往来绩效分析所得的结论, 来推论未来同型之客户在同样往来中可能之表现, 也是利用“过去”的资料建构模式, 来预测未来。 (见图1) 信用评分技术是一种应用统计模型, 为信用申请者或已有的帐户计算一个风险分值的方法。而这种用途的统计模型就称为信用评分卡。信用评分卡可以根据客户提供的资料和客户的历史数据, 对客户的信用进行评估。信用评分卡的建立是以对大量数据的统计结果为基础, 具有相当之高的准确性和可靠性。

使用信用评分卡技术具有以下不可替代的优点:a.能快速和有效地获取具有事实根据和准确的信用风险预测;b.优化信用申请的批准率, 扩大市场占有率并保持获利能力;c.平滑信用审批流程, 把高风险的申请提交具有丰富经验的员工处理;d.能更准确地定制信用产品和定义客户信用限额;e.准确地计算客户地信用风险暴露度, 减少坏帐准备金;f.评估希望获取的资产质量, 比较从不同渠道/地区/供应商提供的业务质量;g.更有效地追收不良贷款, 降低债权追收的成本;h.准确地评估不良贷款情况, 以确定是否向收款代理公司出售相关债权。1.4个人信用评分应用。个人信用报告只是将以前的个人信用信息汇总列表, 如果进一步对个人信用进行分析, 就需要根据已知信息进行个人信用评分。个人信用评分是指通过使用科学、严谨的分析方法, 综合考察影响个人及其家庭的内在的和外在的主客观环境, 并对其履行各种经济承诺的能力进行全面的判断和评分。信用评分方法可分为定性分析和定量分析。最初的个人信用评分主要采用定性分析, 由评分者依个人的经验进行主观评判。主要的方法有3C评价原则 (即品德Character、能力Capacity、抵押担保Collateral) 和后来的5C评价原则 (即3C再加上条件Condition、资本Capital) 。3C (或5C) 评分原则的主观因素太多, 指标较少, 在实际使用中不断暴露出不足, 难以给授信者在对个人信用状况进行评分时提供全面、有效的信息。随着统计方法的发展及其在其它学科领域的应用和推广, 统计方法被大量运用于个人信用评分模型中, 这就是定量分析。其主要是以受信者以前的信用记录为基础的风险程度进行数学分析, 使授信决策自动化。由于定量分析能够较客观的反映受信者的信用情况, 使得越来越多的统计方法被用到信用评分中来。现在信用评分中经常使用的统计方法有判别分析法、线形回归法、数学归纳法、递归分类树法、专家系统等方法。这些方法各有优缺点, 应当根据具体的情况来选择不同的方法。在得到信用评分之后, 怎样对其进行应用, 是整个信用评分体系实现的最后一个环节, 也是至关重要的一步。经过了费时费力的信用评分建模过程, 若不能对得到的评分进行切实有效的使用, 会导致前功尽弃, 对资源和金钱产生极大的浪费不说, 也对迫切需要信用评分来进行管理的银行账户, 可能导致更大的风险而形成不可估量的损失。所以即使得到了经过验证数据集验证效果很好的信用评分, 还要下功夫将怎样对良好的信用评分切实运用到实际解决方案中去。1.5评分卡分类。在信用卡行业, 按照不同的信用卡生命周期的管理阶段, 评分卡模型有多种种类, 其作用也不同。按建立模型的方式, 评分卡模型可分为:专家评分模型、行为评分模型。按其用途方面, 评分卡模型可分为:申请评分模型、响应评分模型、客户流失评分模型、欺诈评分模型个。1.6评分卡的主要功能。评分卡能将“好”申请人 (很可能按承诺还款的申请人) 与“坏”申请人 (不太可能按承诺还款的申请人) 分离。申请评分卡在用户接受申请人时, 起着“大门”的作用。得分等于或高于界限分的申请人表示其风险水平可以接受, 而低于界限分的申请人要么被拒绝, 要么经受严格审查。在评分应用中, 信贷机构可以设置自己的审批策略。例如, 用户利用评分卡设置一个界限分, 以此为标准自动接受高于界限分的申请人和自动拒绝低于界限分的申请人, 而对处于中间“灰色”区域的申请人则给予标识, 留待给更有经验的信贷分析员进一步审查。用户既可以把申请得分作为决策的唯一依据, 也可以把得分与其他因素 (如收入) 综合考虑再进行决策。根据用户申请人群的分数分布, 用户可以事先确定任何给定界限策略对接受率和拖欠率的影响。据此用户能够控制自己可以承受的信贷风险。利用评分卡进行评分, 还将提高信贷决策过程的准确性、工作效率和控制力度。通常, 在保持拖欠率不变的情况下, 申请评分卡将提高接受率;当接受率保持不变时, 则可以降低拖欠率;如果用户想二者兼顾时, 则可以在提高接受率的同时又降低拖欠率。评分卡的主要功能总结如:a.通过增加接受率或者降低拖欠率提高收益率;b.作为一种目标工具而改进贷款策略;c.提高信贷决策效率和精度, 节约资源并改善客户服务;d.提高信贷审批环境的快速应变能力, 增加用户竞争力e.提高客户业务情况的管理控制能力。1.7评分卡举例。a.申请评分卡举例。下面给出了一个评分卡示例。当确定分数时, 将对评分卡中的申请人特征项逐一评估, 对应申请人被归入的属性分配相应的分值数字。最终分数是所有特征项对应分值的总和。 (见表1) b.行为评分卡举例。下面给出了一个简单行为模型示例。当确定一个帐户的分数时, 将针对行为模型中所包括的特征项逐一评估该帐户, 对应帐户的属性分配相应的分值数字。最终分数是所有特征项对应分值的总和。 (见表2) 利用类似上述表格的数据即可计算行为分数。

2 国内外研究概况

信用评分的出现至今已有50多年的历史, 随着20世纪60年代信用卡的诞生, 信用评分卡技术开始应用在银行的信用卡业务当中。计算技术的进步大大的推动了信用评分卡的发展。在发达国家, 信用评分模型已经发展得较为成熟和完善, 而在我国, 信用评分业务已经起步, 有关信用评分模型的研究也不断深入。目前, 建立信用评分卡模型的方法很多, 主要分为统计方法和非统计方法两种。统计方法包括有判别分析法、Logistic回归、分类树等;非统计方法包括线性规划、整数规划、神经网络、遗传算法和专家系统等, 近年来出现了一些还处于研究阶段的新的建模方法, 如通用评分卡、小样本建模, 以及把各种信用评分分类法相结合的方法。决策论方法是判别分析法的一种, 这种方法是找到一种使得预期成本最小化的分类准则以决定是否接受一个新客户。Logistic回归是评分卡开发中常用的回归分析方法, 这里的回归方程的因变量是“好客户”这一事件的概率的非线性函数。分类树是与判别分析发和Logistic回归法截然不同的一种方法, 分类树的主要原理是把信用申请人的申请表中的答案项划分成不同的组, 然后根据不同组中好、坏客户的多少来确定该组是好客户组还是坏客户组。传统的统计模型具有直观、简单易懂、稳定性好、可解释性强等优点, 其结果可以直接产生评分卡, 但这类统计模型的缺陷就是预测精度低、要求过于严格的前提条件。神经网络是一种具有自学习、自适应能力的方法, 输入信号是客户的特征变量, 输出的是评价客户信用表现的结果。神经网络对样本数据的分布要求不严格, 具有较高的预测精度, 但其缺点是稳定性不好。

参考文献

信用评分模式 篇3

信用评分模型运用数据挖掘方法,通过对客户的基本信息特征、行为记录、交易记录等大量原始数据进行分析,挖掘数据中客户存在的行为模式、信用特征,预测客户未来的信用表现,得出预测性的评分模型,最终以一个信用评分来综合评估消费者未来的某种信用表现。例如预测客户在未来一年内坏账损失的概率、预测客户给银行带来的收益的潜力大小或某类客户群能够接受信用卡营销的概率等;信用评分模型能给银行管理人员提供大量有预测力的信息,协助其制定有效的管理策略,提高精度来开拓市场、控制风险、挖掘收益。

1 什么是信用评分模型

信用评分模型是近年来兴起的一种为了保障银行等机构的金融安全而设立的一种金融权限的划定模型。根据客户的历史资料,基于信用评分模型,得到不同等级的信用分数,来决定客户是否可以审批通过或者决定客户可以审批通过的金额。

2 信用评分模型的开发流程

信用评分模型需要完整的开发流程,包括从模型样本的选择到预测变量的提炼、从表现变量的界定到模型的分组、从评分卡的制定到模型效果的检验等。

2.1 模型的样本

由于银行的数据存量非常庞大,为了数据处理效率和建模效率,需要对样本进行抽样。抽样后再把数据分为模型开发数据和检验数据,模型开发数据用于对信用评分模型的开发,检验数据用于对信用评分模型效果的检验。

2.1.1 随机抽样

随机抽样是在确定样本规模后从总体中完全随机地抽取,每种类型的个体在样本中的比例与总体中的比例是一样的。

2.1.2 分类抽样

分类抽样是首先对每一类别的样本分别确定其抽样个数,然后在每一类别内部随机抽取所需的样本。分类抽样的好处是可以对不同类别的对象区别对待,保证每个重要类别的对象都在样本中占据足够的席位。比如对信用评分模型来说,由于模型的目的是预测坏账的概率,我们必须保证在样本中有足够的坏账代表。样本要选取首先尽可能近的数据,因为越近的数据越能反应客户最新的真实情况;其次样本可以很好的代表总体,对于不适宜在模型中运用的数据如儿童、行内员工等应进行剔除;再者样本能够充分地代表总体,例如用养老金客户的数据模型来预测VIP客户群体的行为,效果一般不理想,因为养老金客户群体中一般低端客户较多。

2.2 模型的变量

模型的变量有自变量和因变量。因变量即损失的概率,自变量即客户的年龄、收入、单位性质等基本信息,从基本信息里可以提炼出上百个变量。做过银行数据分析的人,一般有这样的常识,学历越高的人坏账率一般越低,因为接受过高等教育的人很清楚如不按时偿还银行贷款会影响自己的信用,进而会影响生活的各个方面;年龄在35~50之间的人群违规概率最低,因为该部分人群通常处于事业的上升期,收入也往往最高,一旦违约被追诉可能影响自己的事业;企事业单位的人群违约概率往往低于自雇人士,因为企事业单位工作稳定,违约成本更高,相对于自雇人士更加注重自己的信用记录;类似于这样能直接对违约结果产生影响的变量还有很多。

2.3 模型的分组

分组是模型开发过程中重要的一个环节。分组的目的是按不同行为的人群进行归类,以提高模型预测力。如何分组往往需要直觉和经验,比如,养老金人群的行为模式与VIP客户群人士的行为模式区别较大,所以就需要把他们作为不同的人群进行分组。分组来说对于信贷规模比较大的银行更加合适。

2.4 模型的制定

模型的制定主要包括几个方面:分析单个变量的预测能力、减少候选变量中冗余变量的数量、选择适当的分析方法、确定模型的各类变量组合和每个变量的权重。

2.4.1 分析单个变量的预测能力

分析单个变量的预测能力,其目的是候选出预测能力强的变量,剔除不具备预测力或预测力微弱的变量。

2.4.2 减少候选变量的数理

剔除后保留下来的具备较强预测力的变量的数目通常情况下还是很多,很多变量存在一定的相关性。为了解决这个问题必须把候选变量进行分组,使每组内变量间的相关性很高,组与组之间变量的相关性很低。然后从每组变量中选择预测力最强的、信息有效性最高的变量作为模型候选。常用的统计方法有因子分析、相关系统分析、变量类聚分析等。

2.4.3 选择适当的模型方法

对于信用评分模型这种二元性结果的预测,最流行的模型方法是神经网络方法和逻辑回归方法。

2.4.4 确定模型的变量组合和权重

从候选变量中选择一定的组合(一般情况下8—1 5个变量最佳),进入最终的模型进行回归分析,根据回归分析的结果得到每个变量相应的权重。最终变量组合选择往往是分析人员根据经验和各种统计指标选择相结合的结果。选择最终的变量除了考虑统计上的预测能力外,还需要满足合理合法、可实施等要求。例如,法律规定不允许存在种族歧视,因此即使得到的结果种族变量是最佳变量之一也不应放入评分模型内。

2.5 模型的检验

最后,需要对模型进行检验,避免模型过分微调于模型开发样本而不能使用。利用事先预留的模型检验的样本来对比预测情况与实际情况的差别。预留的检验样本应该占总样本的20%~40%。利用K-S指标法来进行检验,衡量好客户与坏客户的累计分布比例之间距离的最大的差距。好客户与坏客户之间的距离越大,K-S指标越高,模型的区分好坏客户的能力越大。对于申请信用评分模型来说,一般认为30%的区分距离是可以接受的。比如,一个评分模型显示数据,在得分为25分时距离最大,此时好客户的累计分布为73%,坏客户的累计分布为20%,则说明如果拒绝所有得分25分的客户,则拒绝了73%的坏客户,舍弃了20%的好客户,K-S指标(区分距离)是53%,这样的模型预测能力通常情况下比较好。

3 芝麻信用应用

芝麻信用运用大数据技术进行建模,基于模型得出评估主体的芝麻信用得分,评分越高的主体则代表信用程度越好,这与美国征信公司FICO的信用评分类似。目前,芝麻信用平台上开发出来的信用产品,以芝麻分、芝麻认证为代表。阿里小贷、滴滴打车、未来医院、天猫分期购和新推出的花观等互联网金融产品,都用运用了芝麻信用得分,丰富客户的信用档案。

芝麻信用通过大数据测评可以有效解决传统金融服务中押金、预授权、担保等不足的情况。比如,只要你的芝麻信用在线测评中你的芝麻分超过600分,你在阿里“去啊”旅游平台上,预定其上3000家酒店任意一家,都不需要再缴纳押金。以投哪网、利融网为代表的P2P公司,已先行接入芝麻信用的数据和服务,用科学数据客观公正审核借款人的资信,收入、还款意愿、还款能力,预防借款人资料作假,有效提高经济效率。

运用信用评分模型重要的好处是在大大减轻人工成本的同时,减少了人工审核过程中所带来的操作风险,能够大大的提高工作效率。

4 结语

总之,大数据正越来越广泛的应用到社会的各个领域,基于大数据的信用评分模型将会深入应用到银行的信用贷款、信用卡信审等领域中,利用系统中已有的大量数据作为基础,开发出适合本机构使用的信用评分模型,在确保客户能够提供真实有效的信息情况下,系统就能够自动实现评分,分值高于一定阀值将自动审批通过,低于一定阀值自动拒绝客户,分值在一定范围内的客户再稍加人工干预,便于实施零售信贷工厂模式,大大提高工作效率,并减轻大量的人工成本。

参考文献

[1]陈建.信用评分模型技术与应用[M].中国财政经济出版社,2015:88-113.

[2]陈彩霞石春程明雄.基于FICO信用评分模型的电商小贷信用评价分析研究[J].现代商业,2015,26:34-35.

[3]罗恩韬胡志刚林华.一种大数据时代海量数据抽取的开发模型研究[J].计算机应用研究,2013,11:3269-3271,3275.

信用评分模式 篇4

无论是在发达国家还是在发展中国家, 中小企业都是国民经济中一支重要的力量。改革开放以来, 我国中小企业有了较快的发展, 成为经济建设中最活跃的力量。中小企业对于促进科技进步、增加就业、稳定社会治安、提高人民生活水平、扩大出口等方面都有非常重要的作用。

国际上, 中小企业融资一直是理论界和各国管理当局关注的主要经济问题。国外的经验表明, 银行和其他金融机构的贷款是中小企业最大和最主要的外部融资渠道。在当前我国经济体制转型和结构调整的特殊历史时期, 中小企业融资问题不仅表现得较为突出, 也较为复杂。由于中小企业自有资金少、知名度不高, 所以依靠内部融资以及通过资本市场直接发行债券、股票融资都比较困难, 这就决定了中小企业比大企业更加依赖以银行贷款融资为主的间接融资手段。以银行为中介的间接融资是目前资金配置的主要形式。因此, 中小企业融资困难的最直接表现就是银行贷款融资渠道不顺畅。

近年来, 我国已经开始越来越关注中小企业的发展, 为推动中小企业的稳定健康发展, 中央政府和地方政府从立法、政策的角度给予了大力支持, 《中华人民共和国中小企业促进法》于2003年1月1日施行, 该法对中小企业发展从资金支持、创业扶持、技术创新、市场开拓、社会服务等方面做了总体规定。占企业总数99%的中小企业, 创造了74%的工业增加值、63%的GDP, 占有金融资源却不足20%。中小企业融资难的问题已成为中小企业发展的瓶颈, 并严重制约了经济社会的发展。

同时, 由于中小企业规模小、财务管理不规范、财务报表不够真实、缺乏可抵押资产, 而且逆向选择和道德风险在中小企业贷款中时有发生, 这种信息不完全或信息不对称导致了商业银行对中小企业放贷是一件费时费力非常困难的事情。在不能有效防范信用风险的条件下, 银行对中小企业必然“惜贷”。因此, 要切实改善中小企业的贷款融资困境, 仅仅一味地呼吁商业银行加大对中小企业的信贷投放力度, 或寄希望于政府成立“二板市场”, 或单方面地要求中小企业改善经营管理、规范财务制度等, 都不能从根本上促使银行更积极地向中小企业提供贷款。从银行角度来讲, 提高贷款管理技术, 降低信贷风险才是关键。

中小企业信用评分是一项发展潜力巨大的金融创新技术。Frame, Srinivasan和Woosley对一组美国大银行的研究发现, 信用评分的运用使得银行的小企业贷款在整个贷款组合中的比例平均上升了8.4%。在美国、加拿大和日本等发达国家中, 各家银行已联合起来分享各自的中小企业信贷业务数据, 其目的是要制定出一种行业标准。然而, 在许多发展中国家, 中小企业信用评分技术的应用仍十分有限, 主要是受到多方面因素的影响, 如发展中国家贷款实践少、信贷市场规模小、信用体系尚不健全等。我国工商银行首先开展了小型企业客户分类评定试点工作, 这一具有开创意义的改革不再依赖于中小企业的报表数据分析, 而是根据一些较为客观、便利的指标, 如经营者素质、年销售额、存贷比、贷款逾期次数、实收资本等, 通过得分多少来进行信贷决策。目前, 我国中小企业信用评分研究还处于刚刚起步的状态, 多数研究都停留在借鉴国外经验的阶段, 所以探索适合我国中小企业的信用评分方法就显得尤为重要。

运用信用评分技术, 贷款处理自动化和标准化所带来的成本低、时间省和效率高的优点将增加银行利润;贷款处理过程的客观性有利于避免人为因素导致的贷款风险;而贷款处理的集中化也符合国有商业银行经营集约化的改革方向, 这将激发商业银行的贷款积极性。

二、信用评分模型在我国中小企业信贷中的应用障碍

信用评分方法在中小企业贷款管理中具有广阔的应用前景, 对改善我国中小企业信贷融资也具有很大的现实意义。但这种方法本身具有一定的局限性, 而且目前我国信用体系不够完善, 应用信用评分模型也有一定的困难。

(一) 信用评分模型对数据有严格的要求。

信用评分模型使用的样本数据必须充分多, 而且要包含正常和拖欠贷款的样本。经济扩张和萧条时的贷款违约率是不一样的, 所以数据必须涵盖经济周期的不同阶段, 否则模型的效果不理想, 影响预测的准确性。指标和信用风险之间的关系是不断变化的, 样本数据必须不断更新。模型要经常进行测试, 测试时必须避免使用构建时的原始数据, 误差达到一定限度要对模型进行调整。若银行引入信用评分系统后将中小企业信贷业务拓展到其他地区, 必须确保新的申请者的贷款表现与其构造模型使用的数据有一致性, 否则就不能做出正确的预测。然而, 目前我国信用体系还不完善, 数据存在不真实、不完善等问题, 全国性的信用数据库的建立尚待时日, 这将给信用评分模型的建立和应用带来很大的困难。

(二) 我国目前尚缺乏独立的社会信用管理机构。

独立的信息获取机构的存在更有利于信用评分的运用, 如独立的社会征信机构。信息管理的专业化可以提高信息生产的效率, 给银行提供较为廉价的“信息产品”, 作为银行进一步处理的“信息中间品”。这一方面降低了银行的信息成本;另一方面可以使多方获取的信息相互参照, 减少信息的片面性对中小企业信贷决策的误导。我国目前尚缺乏社会信用管理机构, 信息的采集和加工只能由贷款银行来独立完成, 这在很大程度上降低了信用评分方法的效率。

(三) 国内监管层尚缺乏专门针对中小企业信贷的监管方法和实践。

如果银行采用了信用评分技术, 则监管部门也要做出相应的调整。因为从国外经验来看, 部分银行存在过度依赖中小企业信用评分方法的做法, 直接根据信用评分给企业发放信用贷款, 这样必将导致一定的信贷风险, 如果成本节约不能补偿由此导致的损失, 银行经营也会面临问题。

三、我国银行应用信用评分模型对策建议

(一) 进一步完善基础数据库, 提高信息质量, 并实现数据共享。

基础数据库的完善是建立信用评分模型的根本, 在我国银行业引入和应用信用评分模型, 信用数据的缺乏将是遇到的第一个问题。中小企业贷款的信用风险是与其业主的信用紧密相连的, 信用评分模型的构造需要使用个人信用数据, 而在我国, 个人信用体系的建立尚处于起步阶段, 目前仅有北京、上海、深圳三地开始尝试建立当地的个人征信体系。包括个人信用、企业信用在内的整个征信体系的建设势在必行, 它将直接影响信用评分技术在国内的使用, 影响到能否顺利解决中小企业的融资问题。要解决这个问题必须依靠政府大力推动信用体系的建立。银行本身也必须切实做好收集整理企业财务信息, 完善基础数据库等一系列的实际工作数据的收集工作, 不同银行的客户群特性是不一样的, 只有做好自身银行基础数据的收集整理工作, 才能选择或开发适当的信用评分方法。

我国银行普遍存在缺乏数据等问题, 当然, 即使国外大型商业银行也很少拥有完备的历史经验数据库, 但它们可以将内部评分模型与外部评分模型进行有效匹配, 利用外部专业信用评分公司的历史数据库。而在我国, 这种权威的专业信用评分公司不存在, 因此可以借助数据共享来提高数据使用的效率, 逐步完善基础数据库;要统一规划、分步实施, 加强对现有数据资源的整合。

信用评分主要根据的是公开披露的信息资料, 而在我国还存在伪造、编造会计凭证、会计账簿和编制虚假财务会计报表的现象, 必然会影响信用评分模型的准确性。因而必须提高信息披露的质量标准, 在制度上保证企业必须将真实的数字告知银行, 并由此获得一个没有水分的信用评分。此外, 银行信贷分析人员也要锻炼提高识别真假数据的基本功, 要培养自己“去粗取精”、“去伪存真”的能力。

(二) 定性与定量方法相结合。

我国银行面临授信企业财务数据不准确、不充分, 银行从企业的财务报表中很难了解企业的真实经营状况。因此, 设计我国的信用评分方法时也要考虑定性的因素, 但是应注意依赖定性因素和专家判断会导致评分的主观性太强和不一致性, 难以由评分对风险进行量化。业务人员的判断和软性信息的获取, 在中小企业贷款过程中具有不可替代的作用。银行在使用信息评分方法的同时, 还要辅之以贷款处理的个人判断。要实现标准化方法和一线人员的主观判断, 才能减少信用评分方法因依赖历史信息可能导致的滞后性。银行建立信用评分模型时, 应采用以统计数据为基础, 并结合专家判断, 以定量因素为基础, 定性因素定量化处理的方式。模型不可能包含过多的影响因素, 事实上也不存在对所有业务都适用的信用评分模型。针对具体业务类型加入适当的定性分析, 既可体现其特殊性, 又可消除因依赖历史信息而可能导致的滞后性, 有助于准确地评价信用风险。此外, 不存在对所有业务都适用的信用评分方法, 需要针对业务大小和行业因素等开发不同类型的打分卡, 但必须注意评分结果的可比性。

(三) 模型需要进行动态的调整。

信用风险评估是一个系统工程, 主要包括贷前、贷中和贷后三个阶段。贷前、贷中、贷后的信用风险评估和管理是一个连续的过程, 缺一不可, 必须将它们结合起来才能有效防范风险、提高效益、增强对中小企业的金融支持。要注重收集用户的反馈信息, 进行返回测试, 修改模型参数, 确保应用的一致性。测试时要避免使用原始数据, 误差达到一定程度时要对模型进行调整。我国目前还处于经济转型期, 企业经营状况变化很大, 对企业信用评分应根据情况及时调整。信用评分结果的检验是保证评分模型有效性的重要手段。对信用评分模型, 需要持续不断的检验, 以考察其能否很好地反映银行客户的信用状况。一个好的检验指标体系及其切实执行, 是完善信用评分模型的关键。现在迫切需要的是加强检验意识, 通过检验发现问题, 改善信用评分模型。

(四) 信用评分系统需要独立的管理部门。

管理部门要由独立于业务部门的风险管理部门对风险进行集中管理。信用评分模型应用广泛, 其使用必须处于强有力的政策和过程控制之中, 必须明确信用评分系统的维护和管理的中心部门, 用于收集用户的反馈, 进行返回测试, 修改模型参数, 确保应用的一致性。同时, 这个部门应独立于业务部门, 具有相当的政策权威, 以保证风险之间的可比性。

参考文献

[1]吴铠.我国中小企业融资问题的研究[D].对外经济贸易大学硕士学位论文, 2006.4.

[2]吴洁.信用评分技术在中小企业贷款中的应用[J].现代金融, 2005.8.

信用评分模式 篇5

在漫长的历史发展中,信用风险的管理一直是以银行信贷管理人员的经验为基础,主要采取归纳分析和定性分析的方法。这种传统的信用风险分析方法起源于对借款人的信用分析,逐步发展成“5C”分析法、财务比率分析法和行业分析法。20世纪60年代末期,美国产生了信用评分模型,成为信用风险管理的一次创新。

1968年,美国风险管理专家Altman利用多元判别式法建立了著名的“Z评分模型”。该模型主要适用于股票上市公司,其基本思路是:首先从上市公司财务报告中计算出一组能够反映企业财务危机程度的财务比率,然后根据这些比率对财务危机警示作用的大小给予不同的权重,最后进行加权计算就得到一个企业的信用风险总判别分Z,将其与临界值对比就可知企业财务危机或信用风险的大小。其建立的多元线性判别方程式如下:

其中:

X1=营运资金/总资产,即企业营运资金相对于资产总额的比例。X1越大,说明企业资产的流动性越强,财务状况越理想。

X2=留存收益/总资产,即企业在一定时期内留存收益进行再投资的比例。X2越大,说明企业筹资和再投资功能越强,企业创新和竞争力越强。

X3=息税前利润/总资产,反映企业在不考虑税收和财务杠杆因素时资产的盈利能力。

X4=权益市值/总债务账面值,主要反映投资者对公司前景的判断,指标越高,说明企业越有投资价值,在成熟的资本市场中,该指标尤其具有说服力。

X5=销售收入/总资产,用来衡量企业资产获得销售收入的能力。

根据对过去经营失败企业统计数据的分析,Altman得出一个经验性临界数据值,即非破产的下限值Z=2.99。企业的Z评分值高于2.99的为较安全企业,小于等于2.99的为存在财务危机或破产风险的企业;破产的上限值Z=1.81,如果企业的Z评分值低于1.81,那么该企业实际上已经潜在破产,如不采取特别有力的措施,将很难步出深渊。两个临界值的中间区域为灰色区域,企业存在一定的财务危机,破产机率较高,当评分值落在该区域时,要对企业作进一步详细审查,以判定其信用风险的具体程度。

此后,Altman通过检验还发现,随着时间的延长,企业发生破产的可能性越大,“Z评分模型”预测效果的准确性也会降低。据统计,预测企业破产在一年时间内的准确率为95%,两年时间内的准确率为83%,而三年以上的准确率不到二分之一,仅为48%,这样运用“Z评分模型”测定企业信用风险时就必须注意时间性。对于企业短期信用风险的判断可以直接依据评分值,但对于企业长期信用风险的判断则必须先计算出企业在各年份的得分值,然后根据这些分值的变化趋势来判定企业长期信用风险的大小。尽管“Z评分模型”最初是依据制造企业的资料提出的,但检验结果表明,它对其它类型的上市公司也同样适用。

虽然,20世纪90年代以后各种以定量分析为主的现代信用风险管理模型越来越受到人们的重视,但信用评分模型仍然是被各大金融机构广泛采用的一类基本的信用风险管理模型。

二、对我国上市公司的行业信用风险状况的实证研究

(一)研究方法说明

将沪深两市的上市公司按行业在2004年度经济环境下的业绩表现(行业平均每股收益,单位:元)将其划分并选取:景气行业,煤炭行业(0.75)和钢铁行业(0.60);中间行业,公用事业(煤气和自来水供应)行业(0.25)和食品行业(0.18)等防御型行业;不景气行业,汽车制造业(0.06)和水泥制造业(0.04),对这三类行业上市公司的信用风险状况运用“Z评分模型”进行评价比较,考察不同行业上市公司信用风险的差异,并检验Altman的原始Z评分模型对我国股票市场不同行业上市公司的适用性。

(二)研究假设

虽然Altman的原始Z评分模型并没有对不同行业上市公司的信用风险状况进行过研究,但我们仍然可以按照“Z评分模型”的思路从该角度进行实证研究并作出以下假定。

假设一:煤炭行业和钢铁行业的上市公司在2004年度由于原煤和钢材价格大幅上涨的作用,业绩表现普遍较好,属于经济景气行业企业,因此,这些行业的上市公司在2004年度的信用风险水平应该相对较低,其Z评分值则应相对较高,应该高于非破产的下限值Z=2.99。

假设二:公用事业(煤气和自来水供应)行业和食品行业上市公司的业绩表现受国家宏观经济的影响较小,其业绩表现应较为稳定,属于防御型行业,因此,这些行业上市公司的信用风险水平应该相对较低,其Z评分值也应该相对较高,但由于其业绩表现相对于经济景气行业企业处于下风,因此,其Z评分值应该在2.99左右浮动,但不应高于经济景气行业企业的平均水平。

假设三:汽车制造业的上市公司2004年度受制造成本上升和市场因素的影响,业绩表现参差不齐,但总体表现较差;水泥制造业的上市公司在2004年度受制造成本上升以及国家抑制投资过热的宏观经济调控政策的影响较大,其业绩表现相对较差,两类行业均属于经济不景气行业,因此,这些行业上市公司的信用风险应该相对较高,其Z评分值也应相对较低,应该低于破产上限临界值Z=1.81。

(三)样本数据说明

有针对性地选取上交所、深交所共137家上市公司的A股作为样本,样本的选取时间为2004年,样本数据来源于该137家上市公司2004年度公开披露的财务报表。其中煤炭行业14家上市公司,钢铁行业30家上市公司;公用事业(煤气和自来水供应)行业6家上市公司,食品行业20家上市公司;汽车制造业49家上市公司,水泥制造业18家上市公司。

(四)指标设定

鉴于我国股票市场非流通股无市场价格以及其他因素,对“Z评分模型”中的各项指标的设定作以下调整:

X1=营运资金/总资产=(流动资产-流动负债)/总资产;

X2=留存收益/总资产=(未分配利润+盈余公积)/总资产;

X3=息税前利润/总资产=(税前利润+财务费用)/总资产;

X4=权益市值/总债务账面值=(每股市价*流通股数+每股净资产*非流通股数)/总负债;

X5=销售收入/总资产=主营业务收入/总资产。

说明:

1. 因X3息税前利润中所需的利息费用无法直接从年报中获取,故以财务费用代替,对结果应无实质性影响;

2. 每股市价以股票12月31日当天收盘价计算;

3.2004年新上市公司2003年的权益市值以每股净资产*股份总数计算。

(五)对实证结果的分析与解释

根据137家上市公司的财务资料,计算并归纳结果如下:

由表中数据可以看出:

1. 经济景气行业中的煤炭行业上市公司2004年度Z均值为3.07,略高于非破产的下限值Z=2.99,与假设相一致;而钢铁行业上市公司2004年度Z均值为2.74,稍低于临界值Z=2.99,这说明虽然钢铁行业上市公司在2004年度业绩表现较好,但是其总体信用风险状况仍处于灰色地带,虽然与临界值差距不大,但仍属于存在一定的信用危机,破产机率较高的一档,这与假设一稍有差距。

2. 中间行业中的公用事业行业(煤气和自来水供应)上市公司2004年度Z均值为5.43,大大高于非破产的下限值Z=2.99,这说明该行业上市公司的财务状况表现十分优秀,企业信用风险处于极低水平,其破产概率几近为零。其表现远远优于经济景气行业中的佼佼者,也超出了假设二中预测的范围;食品行业上市公司2004年度Z均值为2.19,表明其信用风险状况处于灰色地带,属于存在一定的信用危机,破产机率较高的一档,这与假设二基本相符。

3. 不景气行业中的汽车行业和水泥制造业的上市公司2004年度Z均值分别为1.69和1.24,均低于破产上限临界值Z=1.81,且与其各自的业绩表现成正比,对假设三给予了很好的支持。

三、本文主要研究结论

一是经济景气行业中的两行业的业绩表现(行业平均每股收益)与其各自的Z评分值成正比,即与行业企业的信用风险水平成反比,也就是说行业的表现越好,其Z评分值越高,其信用风险水平就越低。但需要注意的是,某行业即使属于经济景气行业,其信用风险也可能处于较高水平,像样本中的钢铁行业,其Z均值只有2.74,仍然低于非破产的下限值Z=2.99,表明其仍存在一定的信用危机,破产机率较高,这在分析决策中应引起注意。

二是中间行业中的两行业的业绩表现也与其各自的Z评分值成正比,即与行业企业的信用风险水平成反比。在这里我们需要注意的问题是,在与经济景气行业的对比中我们将发现,各种类型的行业企业的业绩表现并不一定是与其各自的信用风险水平成反比的,像中间行业中的公用事业行业(煤气和自来水供应),其行业平均每股收益只有0.25,与经济景气行业中的两行业的业绩表现(0.75和0.60)相去甚远,但其Z均值却高达5.43,而且有83%分布在2.99以上区域,远远超出经济景气行业中的两行业的Z均值水平(3.07和2.74),这一现象在我们进行分析决策时也应引起注意。

三是不景气行业中的两行业的业绩表现与其各自的Z评分值也是成正比的,即与行业企业的信用风险水平成反比,且都处于较高水平,最忠实地验证了假设三的成立。

综上所述,我们可以看到,行业的业绩表现从总体上看是符合与其各自的Z评分值成正比,即与行业企业的信用风险水平成反比的,业绩表现较好的行业(景气行业)总体上具有较高的Z均值,即具有较低的信用风险水平;业绩表现较差的行业(不景气行业)则具有较高的信用风险水平。但是,这种分析只是从宏观上概括了这种趋势,若仔细对每个行业进行鉴别,就会向前述分析中提到的那样,会有很多引起注意的地方,这也从另一个角度说明了Altman的“Z评分模型”的确是一种强有力地分析工具,它不但能为我们概括出行业的业绩表现与其信用风险状况的总体趋势,而且还能甄别出个中的差异,无论是为我们进行战略选择还是作出战术决策都提供了强有力的保障。

摘要：不同行业上市公司的信用风险度量问题,长期以来一直是各方当事人关注的焦点,也是困扰各利益相关主体的难题。在这方面,西方发达国家长期以来广泛使用的信用风险管理模型为我们提供了很好的借鉴。因此,选用由美国著名信用风险管理专家Altman建立的“Z评分模型”来对我国上市公司的行业信用风险分析评价进行实证研究,验证其在我国股票市场的有效性程度,是对解决该问题的一种尝试。

关键词：Z评分模型,上市公司,行业信用风险

参考文献

[1]Anthony Saunders.Financial Institutions Management,McGraw-Hill,2004.

[2]杨子健.美国商业银行信用风险管理研究[M].北京:中国金融出版社,2004.

[3]叶永刚,顾京圃,等.中国商业银行内部控制体系研究、设计与实施[M].北京:中国金融出版社,2003.

信用评分模式 篇6

关键词：进步幅度评分,体育教学,应用效果

一、引言

体育教学包含了多方面的内容, 对学生学习情况的总结和评估便是其中一项十分重要的内容。通过利用科学的方法对学生的学习情况进行合理的评估, 教师可以很好的掌握学生的学习情况, 并采取针对性的教学和指导。但以往的一些评价模式和方法等大多较为机械和单一, 并采取同一标准来评价所有的学生, 忽视学生的个体差异, 无法有效地激发学生的学习积极性。尤其是对那些成绩不够理想的学生来说, 很容易伤害到他们的学习积极性。因此, 我们可以积极地尝试利用“进步幅度评分”模式。

二、对“进步幅度评分”模式的了解

“进步幅度评分”模式是一种十分科学、合理的评估模式, 充分考虑到个体的差异性。具体评估过程中, 利用“进步幅度评分”模式, 将不同个体两次测量的实际成绩进行比较, 得出差值, 并将此差值作为原始数据。然后, 按照标准百分法或者是百分位数法来制订出详细的评估细则。整个评估模式十分关注个体的差异性, 并全程关注个体的发展变化。将“进步幅度评分”模式应用于各种教学活动中, 可以有效地提高教学的针对性, 提高教学效果。尤其是对那些成绩不够理想的学生来说, 可以显著的提高学生的自信心和学习的积极性, 促进学生的不断进步。

三、“进步幅度评分”模式在体育课堂教学中的具体应用

将“进步幅度评分”模式应用于体育课堂教学过程中, 可以取得较好的效果。我们以“50米跑”为例, 分析“进步幅度评分”模式在体育课堂教学中的具体应用。

从本校高三年级中随机选择一个班级的50名学生进行研究。在学期的一开始, 即向学生讲解“50米跑”的相关内容, 并以各位学生之前一个学期的测试成绩为依据进行比较, 得出差值, 然后按照实际差值, 制订出详细的评估细则, 并告知学生具体计分方法和评分细则。然后, 经过一个学期的教学, 在期末时对学生进行测试。最终得出, 50名学生的最终平均得分为92.23分, 测试及格率为100%, 成绩优秀率为62.0%。与其之前一个学期的测试成绩进行比较, 可得本次测试成绩在平均得分和测试及格率以及成绩优秀率等方面均高于之前的一个学期, 且经过比较差异十分显著 (P<0.05) 。即说明, 利用“进步幅度评分”模式, 学生的测试成绩得到了显著的提高。而且, 统计结果还表明, 那些原本成绩不理想的学生进步的幅度明显高于原本成绩十分优秀的学生。但经比较, 优秀学生的成绩并没有出现明显的下滑, 这说明这些学生并没有因为进步幅度较小而影响到学习的积极性。同时, 还对学生的教学满意度进行了调查, 有80.0%的学生认为“进步幅度评分”模式十分合理, 对其表示满意。尤其是那些原本成绩不够理想的学生, 普遍表示“进步幅度评分”模式下, 教学的针对性显著提高, 可以有效提高自身的信心和学习积极性。经过个别调查还发现, 一些成绩较好的学生表示:利用原来的评分模式, 因为成绩一直遥遥领先于其他同学, 所以大多没有了学习和锻炼的动力, 但利用“进步幅度评分”模式, 可以不断看到自己的进步, 不断超越自我, 可以实现个人的不断突破。一些成绩不理想的学生也表示:原有评分容易打击学习和锻炼的积极性, 但新的评估模式下, 可以看到自己在不断进步, 学习的积极性也得到了较大的提高。

四、体育课堂教学中“进步幅度评分”模式的应用效果分析

通过上文的具体应用调查我们不难发现, 在体育课堂教学中应用“进步幅度评分”模式, 可以获得较好的教学效果。首先, “进步幅度评分”模式十分的科学、合理、全面。以往的评分方法采用同样的标准评价所有的学生, 方式较为单一, 但将学生的进步幅度纳入评价体系中, 便可以有效地完善评级的内容, 并充分提高评分的个体差异性和科学性。于是, 评价充分考虑到每一位学生的不同情况, 有效地提高了学生学习体育的兴趣, 并激励了学生不断参与各种体育锻炼, 实现自我的不断进步和超越, 从而有利于学生的身心全面健康发展。其次, 通过对学生的进步幅度进行记录和分析、评价, 也可以积累下大量的宝贵统计学资料, 从而为其他课程的相关考核和评价提供具有较高参考价值的依据。另外, 经过实践应用我们也发现, 在实际应用“进步幅度评分法”的时候, 因为学生的人数众多, 且涉及多名学生不同时期和阶段的各方面相关数据, 具体的计算过程较为繁琐。因此, 在实际应用的时候, 教师可以积极利用各种现代化的技术和统计学软件等来完成具体的计算工作, 从而在减轻实际工作量的同时, 也可以提高工作效率。

五、总结