几乎人手一张的信用卡，是一个让人看似熟悉却又陌生的领域。

　　比如，信用卡已是各家银行信用贷款增长的主要推动力，对于如何控制资产质量，各家银行讳莫如深。

　　21世纪经济报道记者统计发现，以2016年为例，股份制银行在信用卡新发卡量上规模化扩张，部分银行实现发卡量的上升和不良率的下降，同时也有国有大行信用卡不良率仍高企。

　　这背后是风控模型的改进。

　　中国信用卡体系自诞生以来就直接与国外同业接轨，也逐渐引入FICO信用评分等风控经验。

　　评分模型成信用卡“逆袭”关键

　　“信用卡的通过率和不良率是‘鱼和熊掌不可兼得’。”一位风控行业资深人士表示，如果信用卡的通过率上升，不良率通常会增加。

　　21世纪经济报道记者根据银行财报梳理，截至2016年末，12家信用卡发卡机构累计发卡量突破6亿张，增幅近20%。但各银行之间分化情况严重。其中，工商银行累计发卡量突破1亿张，达1.25亿张，继续领跑行业。但从新发卡量来看，中型股份制银行在信用卡业务板块规模化扩张。

　　2016年浦发银行、工商银行、建设银行、招商银行、农业银行的增长量突破1000万张，新发卡量最多的为浦发银行，去年新发卡量高达1602万张。但是，建设银行、农业银行和广发银行等新发卡量同比下滑，分别减少10.0%、13.7%和1.2%。

　　从已披露的不良率数据看，除了平安银行显著下跌以外，其他各大银行的不良率水平基本保持稳定，不良率整体在1%-2%的水平。

　　对于如何控制信用卡等信用贷款业务资产质量，各家银行讳莫如深。

　　从银行财报看，平安银行分析了其不良率大幅下降的原因。该行财报称，信用卡新旧户指标得到优化，得益于更全面精准的风险评分模型、更科学的风险管理手段以及资产清收效率的全面提升。

　　21世纪经济报道记者调查发现，除加大不良资产清收力度，将风险评分等技术手段引入信用贷款风控模型，是一些股份行信用卡业务爆发的核心原因。

　　平安银行称，通过应用评分模型等工具全面优化风险管理策略，加大优质客户占比，有效改善新户获客结构。如，截至2016年末，新户发卡品质指标“新户发卡后6个月时逾期30 天以上客户金额占比”继续下降，2016年平均金额同比下降0.11个百分点，存量客户风险指标新进不良比例较年初下降0.07个百分点。

　　另一家股份制商业银行——浦发银行也引入信用评分体系。该行于2015年11月上线该信用评分系统。据悉，评分系统包括个人信用记录、个人财产与收入水平等评分，内部数据来自银行掌握的个人履约能力、社交活动、行为偏好、银行关系、信息齐全等；外部数据来自第三方传统征信、第三方互联网征信、公安系统和电信数据等。

　　21世纪经济报道记者获悉，国内商业银行的信用评分系统大多借鉴美国FICO评分系统，该系统根据信用偿还历史(35%)、欠款金额(30%)、信用历史时长(15%)、信贷产品组合(10%)和新开立信用账户(10%)等指标进行评分。

　　对于信用评分，“不是说评分越高，那么给你的相应的额度就会越高。”该风控人士表示，只能说比较重视。

　　数据清洗是风控模型的前提

　　信用评分的背后，则是风控模型。

　　一位消费金融高管表示，从风险模型来讲，银行发行信用卡需要填写各种资料，比较繁琐，审批需要人工、电核，后来演变到线上。“关键是我们用什么方式让这些尽量少得麻烦客户，尽量准确地挡住欺诈人群。”其中，“要把握一个平衡的问题，风险成本不是说把握得越严，风险损失就越小，否则就没有利润。”

　　“我们放贷款的风控中，最大的挑战是防欺诈，信用风险倒在其次。”一位城商行零售总监表示，信贷业务主要通过线下进行，审批环节会筛掉10%的客户。最终还会通过模糊搜索模型再次筛选客户。

　　前述资深风控人士认为，“从国外经验看，目前风控仍然是经验驱动数据，而且数据的技术含量不低于风控模型。”而实际上，目前国内金融机构过度重视风控模型，对于数据质量的重视程度不够。

　　在风控模型设计中，“FICO标准流程中，数据清洗就有12个步骤，甚至是风控负责人来做数据整理工作。”他表示，否则模型会存在过拟合问题，将指标放入风控模型结果很好，但在生产过程中不稳定。

　　对于数据来源，前述高管表示，金融机构不是平台性企业，其实数据链是断的。有的地方多一点，有的地方少一点，饱和度不太一样。要得到完整的客户的风险的画像，还是要多方的数据来源来拼合。