Italian Banks’ Credit Approach Towards Low-Income Consumers and MicroenterprisesIs There a Bias Against Some Segments ofCustomers【外文翻译】.doc

1、本科毕业论文外文翻译外文题目ITALIANBANKSCREDITAPPROACHTOWARDSLOWINCOMECONSUMERSANDMICROENTERPRISESISTHEREABIASAGAINSTSOMESEGMENTSOFCUSTOMERS出处NEWFRONTIESINBANKINGSERVICES,PART3,PAGES299321作者ELIANAANGELINI译文意大利银行对低收入消费者和小型企业信贷方针对某些客户是否存在信贷偏见在意大利，银行对低收入消费者的感性和微型企业的金融需求的认识似乎仍然相当有限。低收入客户包括受薪雇员，农民，退休人员，使用临时占用（非典型工人）或失

2、业人士，家庭主妇和移民的年轻人。MICROENTERPRICES，在任何经济运作中最小的经济单位，包括自雇人士，以及家庭经营的企业。包括从街角的杂货店的裁缝，他们工作在几乎所有的经济部门。而这些环节的金融需求与其他企业和消费者相比，他们有着个人和业务特点，以及其业务的相对规模，分歧也是明显的。具体来说，微型企业和其他低收入客户往往经营的属于正规经济和社会经济的边缘，有着频繁的没有必要的许可证和文件。企业和住户一般只有有限的资产，特别是缺乏有正式头衔，可作为传统的固定资产抵押。虽然纯收入都在较低的规模，但以百分比计算的微型企业的经营利润率可能会很大。销售费用和收入的正式记录是稀缺和不可靠的。企业

3、和家庭混有财务是从多个企业，农业和农业生产活动等各种渠道获得的收入。访问客户是这部分信贷的一个共同问题，而且往往在发展中国家尤其严重。有很多原因这包括成本和信用评价的难度。这些客户，通常被定义“边缘”，往往造成评估和监控信贷风险的具体问题。贷款被认为是“脆弱”的客观特征，作为一个例子，与以借款人偶然从实践活动或主观方面的特征联系在一起。银行使用的信用评分模型来产生关于借款人的偿还贷款倾向的信息。信用评分是一种统计方法，结合多家金融特点，形成一个单一的分数来评估借款人的信用。信用评分工具是利用在其评估和批准中，其贷款的绝大部分（或下降）大部分银行，它被广泛应用于消费信贷市场，以减少贷款的评估时间

4、和相关费用，但最近才开始被用于小型企业贷款。由于部分银行越来越大，作为自己的消费信贷申请数量的增长，这些银行需要建立更有效的方法，来评估客户信用风险是否良好。信用评分就是一个这样的技术。虽然没有制度是完美的，但信用评分的方法，至少发放信贷时可以是准确的，因为他们对待所有申请人采取客观非正式的方法；与信用评分贷款的决定很可能比传统的“判断”的决定更加客观，更快，成本更低。此外，再次证明了在银行组织验收得分的关键是易用性。这就要求计分模型纳入现有的管理信息系统的集成，一个好的得分方法，允许银行继续照常营业，但随着风险的定量估计增加。银行衡量借款人的信用数据库，对具有代表性和使用所产生的信息来决定贷

5、款是否需要什么条件。信用评分是分配一个单一的定量测量，或得分，一个潜在的借款人，代表一对借款人的未来贷款业绩评估过程。一个信用评分模型对借款人，贷款人是一个公式，并把贷款不同的功能，并产生的概率或风险贷款之先河特征估计来预测未来的具有类似功能的贷款表现。得分假设有一个给定的特点，将像过去有类似的情况来描述未来的贷款性能表现如果未来不是像过去，得分将无法正常工作。记分卡中的每个特征的权数是根据特征之间的关系和偿还贷款人的历史资料库的统计进行分析。信用风险的估计是基于非正式的，与小组成员或与信贷员所在信息，这个信息通常是定性的。信用评分采用了不同的方法它基于定量预测的风险信息，在管理所在信息系统的

6、贷款人。可以贷款受益于它的得分和正式的定量的信息。换句话说，你的信用评分模型具有足够的灵活性和准确性，以评估信贷风险，但还是对有一些部分客户存在偏见。本章的目的是审查信用评分方法，其应用和其预测能力估计在贷款决定的信贷风险的特点。特别是，它认为经济在这些领域的影响主要通过使用这些方法，产生1、借贷成本的银行或其他信贷机构。2、信用评估，质量和准确性。3、贷款定价和信贷供应。这一分析过程如下。82提供信用评分模型的背景资料，并介绍高度贷款人利用该模型预测的变数。83关于这些方法的机会和风险讨论。得分的好处是可以根据不同的贷款种类和借款和还款约体验的数据的性质。84检查日益增加中的得分为基础的系统

7、使用的贷款，信贷之间的“边际借款人”和“非边际借款人”得分的影响区别提出的经济效应。85介绍了有关的意大利银行，以阿布鲁佐地区经营的关于对“边缘”客户段的贷款政策为样本，实证分析的结果。关于信用风险评估理论模型的范围是广泛的，具有强烈的前提分化概念。贷款的决定涉及一个潜在的进入或者接受或排斥组为借款人的贷款的分类。此类型的二元分类传统的定量方法是信用评分模型。信用评分的方法可以用于所有类型的信用分析。前提是从消费信贷，商业贷款在本质上是相同的预先确定的某些决定的违约概率，并结合成一个或重定量评分他们的关键因素。在某些情况下，比分可以从字面上理解为违约概率，在另一些方面，比分可以作为一个分类系统

8、中使用，它放到一个好的或坏簇潜在借款人的基础上的评分和禁分点。该分数可以用来评价风险的类别分有个人借款和个人贷款。信用评分是一种旨在预测借款人的倾向偿还贷款的数目。贷款评分后，信用评分扩展到包括有关贷款变量的特点，例如，创建一个数值的概率指标，贷谷比率为住房抵押，贷款可能默认。在20世纪60年代开始，金融公司，零售商和信用卡公司，信用评分中发现其首次申请消费贷款。随后开始申请评分为基础的系统，以评估潜在客户和评估信贷申请。银行聘请为信贷决策过程中的引导信用评分。要注意的是重要的，虽然信用评分可用于自动决定的申请，评分和自动决定是不一样的。它有利于查看一个统一体的信用决策过程中一部分详细的信用，

9、其中信贷检查是最基本的，基础的方法和自动决定最复杂的发展打分。这些重要的统计方法也有限制。首先，必须在共同正态分布的情况下区分变量的分布。其次，长期的判别功能紊乱，通常被假定为为方差分布。这些假设可能导致解读经验估计生成可靠的预测问题的结果。非线性的方法，如信贷风险分析神经网络在最近的应用中显示了对传统信贷评分模型的改善。神经网络他们不同于传统的信用评分系统，如Z评分模型，他们认为一个变量之间的非线性关系主要在黑盒子中的性质和原因，它们被认为是黑盒子。因为在一般情况下，是不可能提取其内部配置的符号信息。它是神经网络机器学习上的生物神经元简化模型为基础的系统。以同样的方式作为生物神经网络的变化，

10、人工神经网络修改其内部参数，以执行特定的计算任务的一些认知任务。学习算法，将要在一个神经网络应用中定义了两个主要问题是网络的类型和结构。神经元之间的连接（链接）有关联的权重确定的类型和强度的信息交换。其主要优势是假设将在发现他们的学习能力，和事实派生模型不作任何输入变量之间的关系。相反，在神经网络的理论极限是他们黑箱系统和象征知识存在冲突。此外，几乎所有的经验都有设计和优化的神经网络方法，因此经验和感性的设计师中为这下设计做出了重大贡献。尽管如此，这项工作表明，存在一些有用的设计和参数优化的一般准则。信用局正在建立越来越多的市场，向更多的人更多的企业销售更多的信息。小企业，低收入的客户和受薪雇

11、员是主要的细分市场，建立和征信机构的扩张可以让他们受益。信贷资料服务让人们和公司贷款的抵押品变成他们的声誉，消费者购买和响应其他的机会和需求，金融服务，以资助企业，改善家庭环境。借款人可以使用它作为正式的财务报表和传统担保获得贷款的替代品通常是从正规的金融机构无法使用自己的信用报告。征信机构可以帮助增加获取客户信息，从而降低对贷款评估，收集和损失成本。他们可以增加较小的借款人，其中扩大获得信贷，并降低了对这些传统低下阶层对金融服务的竞争成本。信用局报告不是参考支票及信用分析等元素完美的替代品，但它可以作为一个过滤器，有助于拒绝不合格的客户，如那些高水平的欠款。对不良贷款谁引用和对申请人显然不符合贷款人的信息搜索免费把重点放在其他潜在的客户，而不是浪费时间，如筛选机制。信用局帮助谁开发信用市场与一个机构的低收入人群信用关系相关，这样可以使他们能够获得有竞争力的利率和期限多样化的融资来源。