JP3896377B2 - 与信審査を利用したスコアリングモデル評価方法およびスコアリングモデル評価プログラム - Google Patents

Description

本発明は、与信審査の結果を利用してスコアリングモデルの精度を評価するスコアリングモデル評価方法およびスコアリングモデル評価装置に関するものであり、特に、融資の申込者に対してスコアリングモデル間の比較結果に応じた最適なスコアリングモデルを適用するためのスコアリングモデル評価方法およびスコアリングモデル評価装置に関するものである。

一般的に、消費者金融の新規契約においては、借入申込者に対して与信審査が行われる。この与信審査では、本人確認書類（免許証，健康保険証等）の確認、自宅や勤務先に対して行う本人の居住や在籍の電話確認、等を実施する。また、これらの確認処理と並行して、自動与信システムに申込者データを入力し、既存の借入状況について個人信用情報機関に情報照会を行う。そして、自動与信システムの結果を踏まえ、支店長などの決裁権者が、審査項目や受付担当者による聴取内容などから総合的な判断を行い、与信の可否と融資額を決定する（下記非特許文献１参照）。

また、近年では、与信審査にスコアリングモデルを採用し、このスコアリングモデルを利用して申込者の信用度合を判断することによって、客観的な評価を行っている。すなわち、コンピュータシステムを利用して、クレジット申込者の年齢，居住形態，勤続年数，自社の利用状況，信用情報機関からの情報などのデータを統計的リスク分析によりポイントに置き換え、そのスコアリングによって与信可否、与信金額を査定している。なお、スコアリングモデルは、経済環境などにより変化するため、直前のリスク発生データに基づいて適宜更新する必要がある。

消費者金融連絡会 「タパルス白書２００３」 第２章 （http://www.tapals.com/archive/haku-index-f.html）

しかしながら、上記与信審査を行うコンピュータシステムにおいて、現行のスコアリングモデルを新しいスコアリングモデルへ変更する場合は、収益があがることもあるが、融資の基準によってはロス（償却コスト，経費コスト）が増え、期待した収益が得られない可能性がある。すなわち、従来、スコアリングモデルの変更にはリスクが伴う、という問題があった。また、従来のコンピュータシステムにおいては、上記スコアリングモデルの変更を、スコアリングモデル間の比較を行いながら、すなわち、上記リスクを低減しつつ、自動的に実施することができない、という問題があった。

本発明は、上記に鑑みてなされたものであって、スコアリングモデルの評価を十分に行いながら、より精度の高いスコアリングモデルへの変更を自動的に実施するためのスコアリングモデル評価方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明にかかるスコアリングモデル評
価方法は、計算機システムにおいて実現する、与信審査の結果を利用したスコアリングモデル評価方法であって、前記計算機システムにおいて、融資申込者情報データベースに、融資申込者を特定するための情報を含む複数の融資申込者情報を格納する融資申込者情報格納ステップと、情報振分手段が、前記融資申込者情報データベースに格納された前記複数の融資申込者情報を読み出し、各融資申込者情報をそれぞれ予め規定した割合で、現行のスコアリングモデル、および比較対象となる１つまたは複数のスコアリングモデル、のうちのいずれかに振分ける情報振分ステップと、判定手段が、前記情報振分ステップにおいて振分けられた前記融資申込者情報の情報主体である融資申込者の信用度合を、当該融資申込者情報の属するスコアリングモデルでスコアリングし、当該スコアリング結果として得られるスコアポイントと所定のしきい値（カットオフ）を比較することにより当該融資申込者が融資可能な顧客かどうかを判定する判定ステップと、前記判定手段が、前記スコアポイントと前記判定結果（承認または否認）と前記融資申込者情報とを関連付けてスコアリング結果データベースに格納するスコアリング結果格納ステップと、顧客稼働状況記憶手段が、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを関連付けて顧客稼働状況データベースに格納する顧客稼動状況記憶ステップと、評価手段が、所定の観察期間が経過する毎に、現行のスコアリングモデルおよび比較対象となるスコアリングモデルの各スコアリングモデルに属する融資申込者情報の情報主体である融資申込者の返済状況を前記顧客稼働状況データベースから読み出し、各スコアリングモデルにおける融資申込者の返済状況から、融資申込者のうちの予定通り返済している第１の顧客と予定通り返済していない第２の顧客の、スコアポイント毎の分布の分離度を求め、当該分離度の大きいスコアリングモデルほど精度が高いと評価する評価ステップと、前記評価手段が、前記評価ステップにおける評価結果を比較結果データベースに格納する比較結果格納ステップと、モデル配分算出手段が、前記比較結果データベースから前記評価結果を読み出し、当該評価結果において前記比較対象となるスコアリングモデルの方が現行のスコアリングモデルよりも精度が高い場合に、前記情報振分手段に対して、当該比較対象となるスコアリングモデルへの振分け割合を、所定の観察期間と、現行のスコアリングモデルと比較対象となるスコアリングモデルの各分離度の差（乖離率）と、に応じて、現在の振分け割合から１００％の間で変更するように指示する調整ステップと、前記情報振分手段が、前記モデル配分算出手段からの指示にしたがって融資申込者情報の振分け割合を変更する変更ステップと、を含むことを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、前記判定ステップでは、前記振分けられた融資申込者情報に基づいた統計的リスク分析により融資申込者毎にスコアポイントを算出し、前記カットオフ以上のスコアポイントを有する融資申込者を融資可能な顧客として承認することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、前記調整ステップでは、前記評価ステップにて求めたスコアリングモデル単位の分離度に基づいてスコアリングモデル間の分離度の差を求め、特定の観察期間において、前記分離度の差が大きいほど前記比較対象となるスコアリングモデルへの振分け割合が大きくなるように、前記情報振分手段に対して指示することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、前記調整ステップでは、より精度の高いことが判明したスコアリングモデルの稼動割合を徐々に増やすように前記情報振分手段に指示することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法は、さらに、収益テーブル作成手段が、予め規定された初期設定値に基づいて、前記スコアリングモデル単位に、スコアポイント毎の収益が記載された収益テーブルを作成する収益テーブル作成ステップと、前記収益テーブル作成手段が、前記収益テーブルを収益テーブル記憶手段に記憶する収益テーブル記憶ステップと、カットオフ設定手段が、前記収益テーブル記憶手段から収益テーブルを読み出し、当該収益テーブルに基づいて、期待する収益（期待収益率）が得られるようにスコアリングモデル単位に最適なカットオフを設定するカットオフ設定ステップと、を含むことを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、前記収益テーブル作成ステップでは、前記収益テーブル作成手段が、前記顧客稼動状況データベースから融資申込者の返済状況を読み出し、実際の返済状況に応じて収益テーブルを随時更新し、前記カットオフ設定ステップでは、前記読み出した収益テーブルの変化に応じてカットオフを調整することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法は、さらに、融資条件算出手段が、前記判定ステップにおける判定処理により前記融資申込者が融資可能な顧客として承認された場合に、前記スコアリング結果データベースから当該融資申込者のスコアポイントを読み出し、当該スコアポイントに基づいて収益目標に応じた融資条件を算出し、前記承認された旨および前記融資条件を所定の通信ネットワークを介して前記融資申込者に対して提示する融資条件算出ステップと、前記融資条件算出手段が、前記融資条件を融資条件データベースに格納する融資条件格納ステップと、を含むことを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、前記融資条件算出ステップでは、特定の融資申込者数を想定した場合における、スコアポイント単位の想定件数およびスコアポイント単位の債務不履行の割合を推定し、当該推定結果に基づいて前記収益目標に応じた融資条件を算出することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法は、サービスを利用する複数の企業にそれぞれ設置された端末、およびスコアリングモデル評価装置としての機能を備えた計算機システム、において実現する与信審査の結果を利用したスコアリングモデル評価方法であって、前記計算機システムにおいて、前記複数の企業にそれぞれ設置された端末からネットワークを介して送られてくる、融資に関する所定の申込データを、企業単位に専用データベースに格納する申込データ格納ステップと、審査対象データ抽出手段が、前記専用データベースから申込データを読み出し、当該申込データに基づいて前記融資申込者情報を特定する融資申込者特定ステップと、を含み、前記融資申込者特定ステップにて特定された前記融資申込者情報を用いて、前記企業毎に個別に、前記請求項１〜８のいずれか一つに記載の処理を実行することを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法は、計算機システムにおいて実現する、与信審査の結果を利用したスコアリングモデル評価方法であって、前記計算機システムにおいて、融資申込者情報データベースに、融資申込者を特定するための情報を含む複数の融資申込者情報を格納する融資申込者情報格納ステップと、情報振分手段が、前記融資申込者情報データベースに格納された前記複数の融資申込者情報を読み出し、各融資申込者情報をそれぞれ予め規定した割合で、現行のスコアリングモデル、および比較対象となる１つまたは複数のスコアリングモデル、のうちのいずれかに振分ける情報振分ステップと、収益テーブル作成手段が、予め規定された初期設定値に基づいて、前記スコアリングモデル単位に、融資申込者の信用度合を示すスコアポイント毎の収益が記載された収益テーブルを作成する収益テーブル作成ステップと、前記収益テーブル作成手段が、前記収益テーブルを収益テーブル記憶手段に記憶する収益テーブル記憶ステップと、カットオフ設定手段が、前記収益テーブル記憶手段から収益テーブルを読み出し、当該収益テーブルに基づいて、期待する収益（期待収益率）が得られるようにスコアリングモデル単位に最適なカットオフを設定するカットオフ設定ステップと、判定手段が、前記情報振分ステップにおいて振分けられた前記融資申込者情報の情報主体である融資申込者の信用度合を、当該融資申込者情報の属するスコアリングモデルでスコアリングし、その結果として得られるスコアポイントと所定のしきい値（カットオフ）を比較することにより当該融資申込者が融資可能な顧客かどうかを判定する判定ステップと、前記判定手段が、スコアポイントと前記判定結果（承認または否認）と前記融資申込者情報とを関連付けてスコアリング結果データベースに格納するスコアリング結果格納ステップと、融資条件算出手段が、前記判定ステップにおける判定処理により前記融資申込者が融資可能な顧客として承認された場合に、前記スコアリング結果データベースから当該融資申込者のスコアポイントを読み出し、当該スコアポイントに基づいて収益目標に応じた融資条件である限度額および金利を決定する融資条件算出ステップと、を含むことを特徴とする。

つぎの発明にかかるスコアリングモデル評価方法において、さらに、顧客稼働状況記憶手段が、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを関連付けて顧客稼働状況データベースに格納する顧客稼動状況記憶ステップと、を含み、前記収益テーブル作成ステップでは、前記収益テーブル作成手段が、前記顧客稼動状況データベースから融資申込者の返済状況を読み出し、実際の返済状況に応じて収益テーブルを随時更新し、前記カットオフ設定ステップでは、カットオフを、前記読み出した収益テーブルの更新に応じて変動させ、常に最適値となるように調整することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置は、与信審査の結果を利用したスコアリングモデル評価装置であって、融資申込者を特定するための情報を含む複数の融資申込者情報を格納するための融資申込者情報データベースと、前記融資申込者情報データベースに格納された前記複数の融資申込者情報を読み出し、各融資申込者情報をそれぞれ予め規定された割合で、現行のスコアリングモデル、および比較対象となる１つまたは複数のスコアリングモデル、のうちのいずれかに振分ける情報振分手段と、前記情報振分手段により振分けられた前記融資申込者情報の情報主体である融資申込者の信用度合を、当該融資申込者情報の属するスコアリングモデルでスコアリングし、当該スコアリング結果として得られるスコアポイントと所定のしきい値（カットオフ）を比較することにより当該融資申込者が融資可能な顧客かどうかを判定する判定手段と、前記スコアポイントと前記判定結果（承認または否認）と前記融資申込者情報とを関連付けて格納するスコアリング結果データベースと、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを関連付けて格納する顧客稼働状況データベースと、所定の観察期間が経過する毎に、現行のスコアリングモデルおよび比較対象となるスコアリングモデルの各スコアリングモデルに属する融資申込者情報の情報主体である融資申込者の返済状況を前記顧客稼働状況データベースから読み出し、各スコアリングモデルにおける融資申込者の返済状況から、融資申込者のうちの予定通り返済している第１の顧客と予定通り返済していない第２の顧客の、スコアポイント毎の分布の分離度を求め、当該分離度の大きいスコアリングモデルほど精度が高いと評価する評価手段と、前記評価手段による評価結果を格納するための比較結果データベースと、前記比較結果データベースから前記評価結果を読み出し、当該評価結果において前記比較対象となるスコアリングモデルの方が現行のスコアリングモデルよりも精度が高い場合に、前記情報振分手段に対して、当該比較対象となるスコアリングモデルへの振分け割合を、所定の観察期間と、現行のスコアリングモデルと比較対象となるスコアリングモデルの各分離度の差（乖離率）と、に応じて、現在の振分け割合から１００％の間で変更するように指示するモデル配分算出手段と、を備え、前記情報振分手段が、前記モデル配分算出手段からの指示にしたがって融資申込者情報の振分け割合を変更することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、前記判定手段は、前記振分けられた融資申込者情報に基づいた統計的リスク分析により融資申込者毎にスコアポイントを算出し、前記カットオフ以上のスコアポイントを有する融資申込者を融資可能な顧客として承認することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、前記モデル配分算出手段は、前記評価手段により求められたスコアリングモデル単位の分離度に基づいてスコアリングモデル間の分離度の差を求め、特定の観察期間において、前記分離度の差が大きいほど前記比較対象となるスコアリングモデルへの振分け割合が大きくなるように、前記情報振分手段に対して指示することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、前記モデル配分算出手段は、より精度の高いことが判明したスコアリングモデルの稼動割合を徐々に増やすように前記情報振分手段に指示することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置は、さらに、予め規定された初期設定値に基づいて、前記スコアリングモデル単位に、スコアポイント毎の収益が記載された収益テーブルを作成する収益テーブル作成手段と、前記収益テーブルを記憶するための収益テーブル記憶手段と、前記収益テーブル記憶手段から収益テーブルを読み出し、当該収益テーブルに基づいて、期待する収益（期待収益率）が得られるようにスコアリングモデル単位に最適なカットオフを設定するカットオフ設定手段と、を備えることを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、前記収益テーブル作成手段は、前記顧客稼動状況データベースから融資申込者の返済状況を読み出し、実際の返済状況に応じて収益テーブルを随時更新し、前記カットオフ設定手段は、前記読み出した収益テーブルの変化に応じてカットオフを調整することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置は、さらに、前記判定手段における判定処理により前記融資申込者が融資可能な顧客として承認された場合に、前記スコアリング結果データベースから当該融資申込者のスコアポイントを読み出し、当該スコアポイントに基づいて収益目標に応じた融資条件を算出し、前記承認された旨および前記融資条件を所定の通信ネットワークを介して前記融資申込者に対して提示する融資条件算出手段と、前記融資条件を格納するための融資条件格納手段と、を備えることを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、前記融資条件算出手段は、特定の融資申込者数を想定した場合における、スコアポイント単位の想定件数およびスコアポイント単位の債務不履行の割合を推定し、当該推定結果に基づいて前記収益目標に応じた融資条件を算出することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置は、サービスを利用する複数の企業にそれぞれ設置された端末とネットワークを介して接続され、かつ与信審査の結果を利用してスコアリングモデルを評価するスコアリングモデル評価装置であって、前記複数の企業にそれぞれ設置された端末からネットワークを介して送られてくる、融資に関する所定の申込データを、企業単位に個別に格納するための複数の申込データ格納手段と、前記申込データ格納手段から申込データを読み出し、当該申込データに基づいて前記融資申込者情報を特定する融資申込者特定手段と、を備え、さらに、前記融資申込者特定手段において特定された融資申込者情報に対応して、前記企業毎に個別に、前記請求項１２〜１９のいずれか一つに記載の機能を有することを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置は、与信審査の結果を利用したスコアリングモデル評価装置であって、複数の融資申込者情報を格納するための融資申込者情報データベースと、前記融資申込者情報データベースに格納された前記複数の融資申込者情報を読み出し、各融資申込者情報をそれぞれ予め規定した割合で、現行のスコアリングモデル、および比較対象となる１つまたは複数のスコアリングモデル、のうちのいずれかに振分ける情報振分手段と、予め規定された初期設定値に基づいて、前記スコアリングモデル単位に、融資申込者の信用度合を示すスコアポイント毎の収益が記載された収益テーブルを作成する収益テーブル作成手段と、前記収益テーブルを記憶するための収益テーブル記憶手段と、前記収益テーブル記憶手段から収益テーブルを読み出し、当該収益テーブルに基づいて、期待する収益（期待収益率）が得られるようにスコアリングモデル単位に最適なカットオフを設定するカットオフ設定手段と、前記情報振分手段により振分けられた前記融資申込者情報の情報主体である融資申込者の信用度合を、当該融資申込者情報の属するスコアリングモデルでスコアリングし、その結果として得られるスコアポイントと所定のしきい値（カットオフ）を比較することにより当該融資申込者が融資可能な顧客かどうかを判定する判定手段と、スコアポイントと前記判定結果（承認または否認）と前記融資申込者情報とを関連付けて格納するスコアリング結果データベースと、前記判定手段における判定処理により前記融資申込者が融資可能な顧客として承認された場合に、前記スコアリング結果データベースから当該融資申込者のスコアポイントを読み出し、当該スコアポイントに基づいて収益目標に応じた融資条件である限度額および金利を決定する融資条件算出手段と、を備えたことを特徴とする。

つぎの発明にかかるスコアリングモデル評価装置において、さらに、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを関連付けて格納する顧客稼働状況データベース、を備え、前記収益テーブル作成手段は、前記顧客稼動状況データベースから融資申込者の返済状況を読み出し、実際の返済状況に応じて収益テーブルを随時更新し、前記カットオフ設定手段は、カットオフを、前記読み出した前記収益テーブルの更新に応じて変動させ、常に最適値となるように調整することを特徴とする。

つぎの発明にかかる審査システムは、ネットワークを通じて複数の企業にサービスを提供するＡＳＰ（Application Service Provider）に対応した審査システムであって、ネットワークを介して接続された各企業の端末と、請求項２０に記載のスコアリングモデル評価装置と、を備えることを特徴とする。

つぎの発明にかかるスコアリングモデル評価プログラムは、請求項１〜１１のいずれか一つ記載のスコアリングモデル評価方法をコンピュータに実行させることを特徴とする。

本発明にかかるスコアリングモデル評価方法は、たとえば、現行のスコアリングモデルのリバイズを行う場合に、新規のスコアリングモデルとの間で精度を比較し、どちらのスコアリングモデルの方が精度が高いかを検証することとした。そして、新規のスコアリングモデルの方が精度が高いと判定された場合、所定の観察期間経過毎に新規のスコアリングモデルの稼動割合を徐々に増やすこととした（現行のスコアリングモデルの稼動割合を徐々に減らす）。これにより、スコアリングモデル間の評価を十分に行いながら、より精度の高いスコアリングモデルへの変更を自動的に実施することができる、という効果を奏する。

以下に、本発明にかかるスコアリングモデル評価方法およびスコアリングモデル評価装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

図１は、本発明にかかるスコアリングモデル評価方法を実現するためのスコアリングモデル評価装置としての機能を備え、本発明にかかるスコアリングモデル評価プログラムを実行可能な計算機システム（審査システム）の構成を示す図である。

この計算機システムは、たとえば、ＣＰＵを含む制御ユニット１０１と、メモリユニット１０２と、表示ユニット１０３と、入力ユニット１０４と、ＣＤ−ＲＯＭドライブユニット１０５と、ディスクユニット１０６と、外部Ｉ／Ｆユニット１０７と、を備え、これらの各ユニットは、それぞれシステムバスＡを介して接続されている。

図１において、制御ユニット１０１は、本発明のスコアリングモデル評価プログラムを実行する。メモリユニット１０２は、ＲＡＭ，ＲＯＭ等の各種メモリを含み、上記制御ユニット１０１が実行すべきプログラム，処理の過程で得られた必要なデータ等を記憶する。表示ユニット１０３は、ＣＲＴやＬＣＤ（液晶表示パネル）等で構成され、計算機システムの使用者に対して各種画面を表示する。入力ユニット１０４は、キーボード，マウス等で構成され、計算機システムの使用者が、各種情報の入力を行うために使用する。また、図示のＣＤ−ＲＯＭ２００には、本実施例の処理を記述した本発明のスコアリングモデル評価プログラムが格納されている。

ここで、上記本発明にかかるスコアリングモデル評価プログラムが実行可能な状態になるまでの計算機システムの動作例について説明する。まず、上記のように構成される計算機システムには、ＣＤ−ＲＯＭドライブユニット１０５にセットされたＣＤ−ＲＯＭ２００から、スコアリングモデル評価プログラムがディスクユニット１０６にインストールされる。そして、計算機システムの起動時またはプログラムの実行時に、ディスクユニット１０６から読み出されたプログラムがメモリユニット１０２に格納される。この状態で、制御ユニット１０１（ＣＰＵ）は、メモリユニット１０２に格納されたプログラムにしたがって、スコアリングモデル評価処理を実行する。

なお、本発明においては、ＣＤ−ＲＯＭ２００にて上記スコアリングモデル評価処理を記述したプログラムを提供しているが、このプログラムの記録媒体は、これに限定されることなく、システムを構成するコンピュータに応じて、たとえば、フロッピー（登録商標）ディスク等の磁気ディスク，光磁気ディスク，磁気テープ等の他の記録媒体を用いることも可能である。また、電子メール，インターネット等の伝送媒体により提供されたプログラムを用いることとしてもよい。

つづいて、上記計算機システム（以下、審査システムと呼ぶ）による基本的な処理について説明する。図２は、スコアリングモデル評価装置としての機能を備えた審査システム１の構成例を示す図であり、図３は、与信審査、すなわち、本申込から本契約完了までの流れ、および本実施例におけるスコアリングモデル評価方法を示すフローチャートである。ここで、後述するスコアリングモデル評価方法の前提となる処理について簡単に説明する。

まず、融資の申し込み（店頭，インターネット，自動契約機等）があり、上記審査システム１の申込受付情報ＤＢ１１に審査に必要な申込データ（名前，住所，電話番号，その他の審査項目）の入力があった場合、審査対象データ抽出手段１２では、申込受付情報ＤＢ１１に記憶された申込データを読み出し（図３、ステップＳ１）、その結果を審査対象データ記憶手段１３内の基本属性情報ＤＢ１３−１に記憶する。

つぎに、名寄せ／ポリシー判定手段１４では、申込受付情報ＤＢ１１に記憶された申込データを読み出し（ステップＳ１）、さらに、顧客稼動状況記憶手段３２内の顧客情報ＤＢ１５に記憶された顧客データを読み出し（ステップＳ２−１）、得られた情報に基づいて、申込者が既存顧客か，既に断っている否認顧客（直近断り先）か等の名寄せ判定を行う（ステップＳ２）。

上記名寄せ判定の結果、たとえば、この申込者が否認顧客として登録されていない場合（ステップＳ３，顧客データなし）、名寄せ／ポリシー判定手段１４では、つぎに、当社のポリシーと申込条件が合致しているかどうか（年齢制限，年収等）を判定する（ステップＳ５）。

上記ポリシー判定の結果、たとえば、この申込者が当社のポリシーと合致する場合（ステップＳ６，承認）、つぎに、審査対象データ抽出手段１２では、申込受付情報ＤＢ１１に記憶された申込データに基づいて審査対象データを特定し、その属性データを抽出する（ステップＳ７）。ここでは、たとえば、システム外部から電話番号履歴情報および外部信用情報を取得し（ステップＳ７−１，Ｓ７−２）、その取得結果を、上記基本属性情報ＤＢ１３−１に記憶された申込データと関連付けて、審査対象データ記憶手段１３内の電話番号履歴情報ＤＢ１３−２，個人信用情報ＤＢ１３−３にそれぞれ記憶する。なお、ステップＳ３の処理により、たとえば、この申込者が否認顧客として登録されていた場合は（ステップＳ３，顧客データあり）、この申込者を否認顧客として再登録する（ステップＳ４）。また、ステップＳ６の処理により、たとえば、この申込者が当社のポリシーに合致しない場合についても（ステップＳ６，否認）、この申込者を否認顧客として登録する（ステップＳ４）。

つぎに、モデルパターン無作為振分手段１６では、上記申込者を、後述する１つまたは複数のスコアリングモデルのいずれかへ振り分ける処理を行い（ステップＳ８）、それぞれのスコアリングモデル単位に設けられた判定手段１７が、たとえば、審査ルールパターン毎に、審査対象データ記憶手段１３内に記憶された各種情報（申込者の年齢，居住形態，居住年数，業種，勤続年数，年収比率など）に基づいた統計的リスク分析により、申込者の信用度合（リスク）をスコアリングする。すなわち、上記統計的リスク分析により、リスクに応じたスコアポイントを算出する（ステップＳ９：図２の判定手段１７内のスコアリングモデル算出処理に相当）。そして、上記処理で算出されたスコアポイントを審査結果データ記憶手段１８内のスコアリング審査結果ＤＢ１８−１に記憶する。図４は、ステップＳ９による判定結果の一例を示す図である。なお、スコアリングモデルには、カットオフ（しきい値）があり、スコアポイントがカットオフに満たない申込者は（ステップＳ１０，基準値未満）、ここで、リスクが高く融資できないと判断され、否認顧客として登録される（ステップＳ４）。

その後、上記判定手段１７では、たとえば、スコアポイントがカットオフ以上で承認と判断された申込者に対して（ステップＳ１０，基準値以上）、所定のルールチェックを行い（ステップＳ１１：図２の判定手段１７内のルールチェック算出処理に相当）、最終的な承認または否認の判定を行い、その結果を審査結果データ記憶手段１８内のルールチェック審査結果ＤＢ１８−２に記憶する。このルールチェックでは、たとえば、審査ルールパターン毎に、自宅や勤務先や携帯電話のＴＥＬ（存在している番号かどうか、料金が支払われているか等），外信ネガ情報，規定他社借入件数，規定他社借入金額などの最終チェックを行い、そのチェック結果として承認または否認の結果を出力する。図５は、ステップＳ１１による判定結果の一例を示す図である。なお、この処理で、たとえば、虚偽申告などの不正があった申込者は（ステップＳ１２，基準値未満）、ここで、否認顧客として登録される（ステップＳ４）。

つぎに、上記ステップＳ１１の処理によりこの申込者が承認された場合（ステップＳ１２，基準値以上）、融資条件算出手段１９が、上記審査結果データ記憶手段１８内の情報に基づいて、すなわち、上記申込者のスコアポイントに応じて、融資条件を算出し（ステップＳ１３−１）、上記審査結果（否認／承認）および融資条件（限度額および貸付金利等）を申込者に対して提示する（ステップＳ１３−２）。そして、その審査結果および融資条件を審査結果／融資条件ＤＢ２０および顧客情報ＤＢ１５に記憶する（ステップＳ１３−１，Ｓ１３−２）。このとき、最終的に否認されている場合には（ステップＳ１４，否認）、この申込者を否認顧客として登録する（ステップＳ４）。図６は、顧客情報ＤＢ１５に記憶された顧客情報の一例を示す図である。ここでは、顧客毎に、契約日，ＴＥＬ，居住年数，業種，勤続年数，限度額，金利などの情報が記憶されている。

そして、最終的に、承認された場合には（ステップＳ１４，承認）、所定の業務フロー（本人意思確認，存在確認，契約書受入等）を経て本契約が行われる（ステップＳ１５）。

つづいて、上記与信審査を利用した、本発明にかかるスコアリングモデル評価方法について説明する。本実施例におけるスコアリングモデルの評価処理は、上記図３に示すステップＳ９のスコアリングモデルによる判定処理，ステップＳ１１のルールチェックによる判定処理を利用して行われる。

たとえば、モデルパターン無作為振分手段１６にて実行されたステップＳ８の処理により、融資の申し込みを行った所定数の申込者に関する情報が、現行（メインで用いられている）のスコアリングモデル（以下、チャンピオンと呼ぶ），比較対象となる１つまたは複数のスコアリングモデル（以下、チャレンジャーと呼ぶ）のうちのいずれかに、予め規定された分配割合で無作為に振り分けられている場合、評価手段２１では、スコアリングモデル毎に、後述する処理にてダイバージェンス（Ｄｉｖ）を算出する（図３、ステップＳ２１）。

つぎに、評価手段２１では、上記ダイバージェンスを用いたスコアリングモデル間の比較処理を行う（ステップＳ２２）。ここでは、チャンピオンのダイバージェンスの算出結果と、各チャレンジャーのダイバージェンスの算出結果と、を個別に比較し（図２の評価手段２１内のスコアリングモデル比較処理に相当）、その結果を比較結果ＤＢ２２に記憶する。さらに、評価手段２１では、上記申込者への融資の実績から、たとえば、各スコアリングモデルの収益率を比較し（ステップＳ２３：図２の評価手段２１内の収益率比較処理に相当）、その結果についても比較結果ＤＢ２２に記憶する。

そして、モデル配分算出手段２３が、上記比較結果ＤＢ２２に記憶された情報に基づいて、スコアリングモデルの配分割合を決定し（ステップＳ２４）、その配分結果で申込データの振り分けを行うように、モデルパターン無作為振分手段１６に対して指示を行う。なお、本実施例では、上記ステップＳ２２の処理結果とステップＳ２３の処理結果に基づいてスコアリングモデルの配分割合を決定することとしているが、これに限らず、たとえば、ステップＳ２２の処理結果のみに基づいてスコアリングモデルの配分割合を決定することとしてもよい。

ここで、上記スコアリングモデルの評価処理を、一例を用いて具体的に説明する。図７は、本実施例におけるスコアリングモデル評価処理の具体例を示す図である。たとえば、ここでは、現行のスコアリングモデルＡであるチャンピオンを用いた判定処理をプランＡとし、新規のスコアリングモデルＢであるチャレンジャーを用いた判定処理をプランＢとし、チャンピオンの精度とチャレンジャーの精度とを比較する場合を想定する。

たとえば、チャンピオンのリバイズを行う場合など、チャンピオンの精度の評価結果とチャレンジャーの精度の評価結果とを比較する場合、判定手段１７では、全申込者中の９０％の申込者にチャンピオンを適用し（図７、ステップＳ９：図３のステップＳ９に相当）、残りの１０％の申込者にチャレンジャーを適用する（図７、ステップＳ９）。この場合、申込者（申込データ）の振り分けは、両方のスコアリングモデルの精度を正確に評価できるように、できるだけランダムに行う（図７、ステップＳ８：図３のステップＳ８に相当）。

その後、判定手段１７では、プラン毎のルールチェックのパターンに基づいて、最終的な承認または否認の判定を行う（図７、ステップＳ１１：図３のステップＳ１１に相当）。このルールチェックは、プラン毎に異なる方法（図７では一例としてパターンＡ，パターンＢで行う）で行ってもよいし、同一の方法で行ってもよい。

その後、評価手段２１では、所定の観察期間経過後に、各申込者のスコア分布が正規分布（分散と中央値で表すことができる）であることを想定して、スコアリングモデル単位にダイバージェンスによる評価を行う（図７、ステップＳ２１−１，Ｓ２１−２）。そして、ここで得られた結果を比較する（図７、ステップＳ２２）。なお、ここでは、予め規定しておいた特定の観察期間経過毎（たとえば、３ヶ月，６ヶ月，９ヶ月，１２ヶ月…）に、スコアリングモデル単位にダイバージェンスによる評価を実行する。

ここで、上記ダイバージェンスによるモデル評価処理について説明する。なお、以降の説明では、簡単のため、延滞がなく予定通り返済している顧客を「Ｇｏｏｄ」と呼び、延滞の見られる顧客（貸し倒れの顧客も含む）を「Ｂａｄ」と呼ぶこととする。

たとえば、図８−１および図８−２は、チャンピオンにおけるＧｏｏｄとＢａｄの分布を示す図である。詳細には、図８−１は、特定のスコアポイントをカットオフとした場合の、ＧｏｏｄとＢａｄのスコアポイント毎の申込者数を表しており、ＧｏｏｄとＢａｄが交わる部分については、ＧｏｏｄもＢａｄも存在する、精度の判別が難しいスコアポイントを表している。また、図８−２は、Ｇｏｏｄ全体を１００％，Ｂａｄ全体を１００％とし、図８−１の申込者数を比率に置き換えた場合を表している。

図８−１および図８−２において、ＧｏｏｄとＢａｄのそれぞれの分布を見ると、Ｇｏｏｄが右側（スコアポイントが高い）に存在し、Ｂａｄが左側（スコアポイントが低い）に存在する。また、カットオフより右側に存在するＢａｄは、承認したにもかかわらず（融資したにもかかわらず）、貸し倒れ，延滞があった顧客を表す。したがって、チャンピオンを評価する場合、ＧｏｏｄとＢａｄの重なり合う部分については、カットオフに基づいて承認しても、Ｇｏｏｄかどうかはいいきれない部分、すなわち、融資を承認，否認の判別がむずかしい顧客が存在する部分、であると言える。

一方、図９は、チャレンジャーにおけるＧｏｏｄとＢａｄの分布を示す図であり、詳細には、図８−２に対応する図を表している。図９において、ＧｏｏｄとＢａｄのそれぞれの分布を見ると、図８−２と比較して、重なり合う部分が少ないことがわかる。すなわち、融資の承認，否認の判別がむずかしい顧客が、図８−２よりも少ないので、この例の場合は、チャレンジャーの方が精度が高いと評価できる。

このように、本実施例におけるスコアリングモデルの評価処理では、ＧｏｏｄとＢａｄの分布が重なり合う部分の面積が小さいほど、ＧｏｏｄとＢａｄの判別力が高く、スコアリングモデルの精度が高いと評価できる。なお、理想的なスコアリングモデル（貸し倒れ，延滞が０％）では、ＧｏｏｄとＢａｄの分布が重なり合うことなく、ＧｏｏｄとＢａｄを確実に分離できる。この場合、カットオフがそれらの分布の間にあれば、ＧｏｏｄとＢａｄを確実に判別できる。

また、上記ダイバージェンスによるモデル評価処理を一般的に表現すると、下記のように表すことができる。たとえば、Ｂａｄの中央値をｍｂとし、Ｇｏｏｄの中央値をｍｇとし、Ｂａｄの分散をＶｂとし、Ｇｏｏｄの分散をＶｇとすると、分布の分離度（ダイバージェンス）：Ｄｉｖは、下記（１）式で表すことができる。
Ｄｉｖ（０≦Ｄｉｖ≦∞） ＝ （ｍｇ−ｍｂ）²／（Ｖｇ＋Ｖｂ） …（１）

したがって、評価手段２１では、チャンピオンについての分離度，チャレンジャーについての分離度、をそれぞれ計算し、たとえば、チャンピオンよりもチャレンジャーの方がＢａｄ／Ｇｏｏｄの分離度が大きければ、チャレンジャーの方が精度が高いと評価することになる。

つぎに、上記のように各スコアリングモデルを評価および比較した結果（図７、ステップＳ２１−１、Ｓ２１−２およびステップＳ２２）、たとえば、チャレンジャーの方が精度が高いと評価された場合、さらに、本実施例のモデル配分算出手段２３では、観察期間の長さに応じて各スコアリングモデルの稼動割合を０％〜１００％の間で変更する（図７、ステップＳ２４）。

図１０は、チャンピオンよりもチャレンジャーの精度が高い場合の稼動割合の調整処理の一例を示す図であり、ここでは、観察期間の長さおよび乖離率に応じたチャレンジャーの稼動割合が規定されている。なお、上記乖離率は、チャンピオンの分離度とチャレンジャーの分離度にどのくらいの差異が見られたかを表す指標であり、下記（２）式のように表すことができる。
乖離率 ＝ √｛（チャレンジャーのＤｉｖ−チャンピオンのＤｉｖ）²｝
／チャンピオンのＤｉｖ …（２）

図１０において、たとえば、観察期間：３ヶ月では、季節変動等が支払いに影響されると判断し、Ｄｉｖに乖離が見られても（０〜∞％）静観のみとし、チャレンジャーの稼動割合の変更は行わない（９０％，１０％の稼動割合を維持する）。また、観察期間：６ヶ月では、たとえば、乖離率が１０％以上１５％未満の場合、チャレンジャーの稼動割合を２０％とし、乖離率が１５％以上２０％未満の場合、チャレンジャーの稼動割合を３０％とし、乖離率が２０％以上の場合、チャレンジャーの稼動割合を５０％とする。以降、観察期間（９ヶ月，１２ヶ月…）毎に、チャレンジャーの稼動割合を乖離率に応じて変更し、チャンピオンとチャレンジャーの稼動割合を徐々に入れ替える。

このように、本実施例においては、たとえば、チャンピオンのリバイズを行う場合に、チャレンジャーとの間で精度を比較し、どちらのスコアリングモデルの方が精度が高いかを検証することとした。そして、チャレンジャーの方が精度が高いと判定された場合、一度の検証でチャレンジャーに入れ替えてしまうと（チャンピオンの稼動割合を０％にしてしまうと）リスクが伴うので、所定の観察期間経過毎にチャレンジャーの稼動割合を徐々に増やすこととした（チャンピオンの稼動割合を徐々に減らすこととした）。これにより、スコアリングモデル間の評価を十分に行いながら、より精度の高いスコアリングモデルへの変更を自動的に実施することができる。

なお、本実施例においては、２つのスコアリングモデル（チャンピオンとチャレンジャー）を比較し、その結果に応じてリバイズを行う場合について説明したが、これに限らず、３つ以上のスコアリングモデル（１つのチャレンジャーと２つ以上のチャレンジャー）で比較を行うこととしてもよい。この場合も、上記同様、チャンピオンを最も精度の高いチャレンジャーに徐々に入れ替える処理が行われる。

つづいて、各スコアリングモデル（上記チャンピオン，チャレンジャーに相当）におけるカットオフの調整方法について説明する。本実施例では、収益を考慮し、各スコアリングモデルにおいて最適なカットオフを設定する。なお、この処理は、上記与信審査およびスコアリングモデル評価処理を行う場合の前提となる処理である。

本実施例においては、たとえば、図２に示す収益テーブル作成手段３１が、まず、予め規定された初期設定値に基づいてスコアリングモデル毎の収益テーブルを作成し、その結果を融資条件算出手段１９内の収益テーブル記憶手段１９−２に記憶する。

図１１は、上記収益テーブルの一例を示す図であり、収益テーブル作成手段３１は、たとえば、スコアポイント：２５（リスクが高い）〜３１０（リスクが低い）の範囲で、ＤＥＦ（デフォルト）率，申込者数，コスト，平均貸付額，期待収益などを入力パラメータとして、スコアリングモデル毎に、口座数％，累計口座数％，Ｂａｄ数，Ｂａｄ％，累計Ｂａｄ％，貸付金利，収益率，収益，収益割合，累計収益割合を演算する。すなわち、ここでは、スコアポイント単位の収益が求められる。なお、上記ＤＥＦ率はスコアポイント単位の債務不履行（延滞，貸し倒れを含む）の割合を表し、口座数％は全申込者数に対するスコアポイント単位の申込者数の割合を表し、Ｂａｄ％は全申込者数に対するスコアポイント単位のＢａｄ数の割合を表す。また、ここでは、一例として上限金利を２９％とし、スコアリングモデル毎に、リスクに応じて貸付金利が決定されている。たとえば、スコアポイントの低い人はリスクが高いので、金利を高くして収益を確保する（スコアポイントの高い人は安い金利を設定しても収益を確保できる）。

つぎに、融資条件算出手段１９内のカットオフ設定手段１９−１が、収益テーブル記憶手段１９−２に記憶された収益テーブルに基づいて、期待する収益（期待収益率）が得られるように、スコアリングモデル単位に最適なカットオフを設定する。たとえば、図１１の収益テーブルから得られる、図１２に示す累積収益構成比（％）や図１３に示す判別効率（％）に基づいて、最適なカットオフを設定する。図１２は、縦軸に累積収益割合（％）をとり、横軸にスコアポイントをとり、累積集積割合（％）の最も高いスコアポイント付近（１６０付近）をカットオフとしている。また、図１３は、縦軸に累積割合をとり、横軸にスコアポイントをとり、たとえば、累積Ｂａｄ（％）と累積口座数（％）の間で最も差の大きいスコアポイント付近（１６０付近）をカットオフとしている。なお、上記ステップＳ２３による収益率の比較処理において、上記収益テーブルを用いることとしてもよい。

その後、融資申込者に対して特定のスコアリングモデルが適用され、実際に融資が行われ返済が始まると、収益テーブル作成手段３１が、その返済状況に応じて上記特定のスコアリングモデルに対応する収益テーブルを随時更新し、さらに、カットオフ設定手段１９−１が、収益テーブルの変化に応じて常に最適なカットオフとなるように、現在設定されているカットオフを調整する。

具体的には、顧客稼動状況記憶手段３２内の顧客稼動状況ＤＢ４１に、融資申込者の返済状況を随時記憶しておき、さらに、収益テーブル作成手段３１内の顧客稼動状況トラッキング手段４２が、顧客稼動状況ＤＢ４１に記憶された返済状況および顧客情報ＤＢ１５に記憶された顧客情報に基づいて、所定のトラッキング手法によりスコア分布の変化を測定する。そして、顧客稼動状況トラッキング手段４２では、上記測定結果に基づいて収益テーブルを随時更新し、更新後の収益テーブルを収益テーブル記憶手段１９−２に記憶する。その後、カットオフ設定手段１９−１では、実際の返済状況に応じた収益テーブルの変化に応じて、すなわち、スコアポイント単位の返済状況（延滞率，デフォルト率等）およびスコア分布状態の変化に応じて、現在設定されているカットオフを最適値に再調整する。したがって、融資条件算出手段１９では、カットオフ設定手段１９−１により随時調整されるカットオフに基づいて融資条件（限度額および貸付金利等）を申込者に対して提示することになる。

つづいて、上記融資条件算出手段１９が、融資条件を算出する処理を詳細に説明する。ここでは、一例として、融資の申し込みを１００件とし、収益目標を１５％とし、収益を「収益（粗利率）＝貸付金利−ＤＥＦ率−コスト」とし、コストを「コスト（６％）＝調達コスト＋ランニングコスト」とした場合の、融資条件算出処理（貸付金利設定処理）について説明する。

図１４は、収益目標に応じた貸付金利の算出例を示す図である。まず、融資条件算出手段１９では、各申込者のスコア分布が正規分布であることを想定して、たとえば、１００件の申し込みがあった場合、スコアポイントで債権をカテゴライズし、カテゴリ毎の件数（図示の想定件数に相当）を推定する。つぎに、カテゴリ毎の想定件数、すなわち、件数分布に基づいて、カテゴリ毎のＤＥＦ率（図示の推定ＤＥＦ率に相当）を推定する。たとえば、２００点〜２０９点のカテゴリでは、オッズ比（オッズ比＝カテゴリ内のＧｏｏｄ数／カテゴリ内のＢａｄ数）が「１５：１」、すなわち、１６人中１人がデフォルトとなり、ＤＥＦ率は６．２５％となる。また、２１０点〜２１９点のカテゴリでは、オッズ比が「２０：１」、すなわち、２１人中１人がデフォルトとなり、ＤＥＦ率は４．７６％となる。

つぎに、融資条件算出手段１９では、上記件数分布および推定ＤＥＦ率に基づいて、収益目標（＝１５％）に応じたカテゴリ毎の利回り（図示の件数分布考慮後利回りに相当）を算出し、さらに、実際にはカットオフ未満の申込者には融資を行わないので、カットオフ以上の申込者を対象に利回りの修正（図示の［修正］件数分布考慮後利回りに相当）を行う。最終的に、融資条件算出手段１９では、上記［修正］件数分布考慮後利回りを実現する、カテゴリ毎の貸付金利を算出する。なお、実際には、出資法や、各企業において規定された上限金利，コスト等に応じて、上記融資条件算出手段１９において算出された貸付金利をさらに調整する。また、上記図１４においては、カットオフ未満の申込者に関する情報を考慮しているが、これに限らず、カットオフ以上（１８０点以上）の申込者に関する情報のみを用いて貸付金利を算出することとしてもよい。

このように、本実施例においては、収益を考慮し、スコアリングモデル単位に最適なカットオフを設定することを前提とした。そして、チャンピオンのリバイズを行う場合に、最適なカットオフが設定されたスコアリングモデル間で精度を比較し、どちらのモデルの方が精度が高いかを検証することとした。そして、チャレンジャーの方が精度が高いと判定された場合、所定の観察期間経過毎にチャレンジャーの稼動割合を徐々に増やすこととした（チャンピオンの稼動割合を徐々に減らすこととした）。これにより、収益を考慮しつつ、スコアリングモデル間の評価を十分に行いながら、より精度の高いスコアリングモデルへの変更を自動的に実施することができる。さらに、上記設定したカットオフを、実際の返済状況に応じた収益テーブルの変化に応じて、随時調整することとした。これにより、融資可能と判定された顧客に対して、常時、最適な金利で最適な金額を貸し出すことが可能となり、ひいては融資を行う企業側のリスクを低減することができる。

つづいて、実施例２のスコアリングモデル評価方法およびスコアリングモデル評価装置について説明する。実施例２においては、ネットワーク（インターネット，専用回線等）を通じて複数のユーザ（サービスを利用する複数の企業）にサービスを提供する、いわゆるＡＳＰ（Application Service Provider）に対応したシステムを実現する。

なお、本実施例のスコアリングモデル評価方法を実現するためのスコアリングモデル評価装置としての機能を備え、本実施例のスコアリングモデル評価プログラムを実行可能な計算機システム（審査システム）の構成については、前述した実施例１に示す図１と同様である。ここでは、たとえば、前述した記録媒体および伝送媒体を利用して、実施例２のスコアリングモデル評価処理を記述したプログラムを提供する。

つづいて、実施例２の特徴的な構成および動作を、図面を用いて詳細に説明する。なお、前述した実施例１と同様の構成については、同一の符号を付してその説明を省略する。以下では、実施例１と異なる処理について説明する。

図１５は、ＡＳＰに対応したスコアリングモデル評価装置としての機能を備えた審査システム１ａの構成例を示す図であり、図１６は、与信審査、すなわち、本申込から本契約完了までの流れ、および本実施例におけるスコアリングモデル評価方法を示すフローチャートである。

本実施例では、まず、融資申込者が、サービスを利用する複数の企業にそれぞれ設置された端末（図示の当社、Ａ社，Ｂ社，Ｃ社，Ｄ社，…に相当）を利用して、融資の申し込みを行う（店頭，インターネット，自動契約機等）。そして、融資申込者または店頭の担当者等から入力された、審査に必要な申込データ（名前，住所，電話番号，その他の審査項目）を、ネットワークにより接続された審査システム１ａの申込受付情報ＤＢ１１ａに登録する（図１６、ステップＳ３１）。このとき、上記申込データは、サービスを利用する複数の企業単位に設けられた専用ＤＢ１１ａ−１，１１ａ−２，１１ａ−３，１１ａ−４，１１ａ−５，…に、個別に記録される。なお、上記各企業は、申込データ登録用の端末として、サービスを提供する事業者（ＡＳＰ）から提供される専用端末（アプリケーションソフトインストール済みのパソコン等）を使用することとしてもよいし、または、記録媒体および伝送媒体を利用してアプリケーションソフトをインストールした汎用端末を使用することとしてもよい。また、本実施例の図１５では、一例として、サービスを利用する複数の企業が５社の場合について記載している。

つぎに、上記申込受付情報ＤＢ１１ａ内の特定の専用ＤＢ（１１ａ−１，１１ａ−２，１１ａ−３，１１ａ−４，１１ａ−５のいずれか）に新たに申込データが登録された場合、審査対象データ抽出手段１２では、その専用ＤＢに記憶された申込データを読み出し（ステップＳ１ａ）、その結果を審査対象データ記憶手段１３内の基本属性情報ＤＢ１３−１に記憶する。

つぎに、名寄せ／ポリシー判定手段１４では、上記新たな申込データが登録された専用ＤＢから当該申込データを読み出し、前述した実施例１と同様の手順で、名寄せ判定およびポリシー判定を行う（ステップＳ２ａ，Ｓ３，Ｓ５ａ，Ｓ６）。このとき、名寄せ判定（ステップＳ２ａ，Ｓ３）では、上記融資を申し込まれた企業において既存顧客か否認顧客（直近断り先）かを判定し、ポリシー判定（ステップＳ５ａ，Ｓ６）では、上記融資を申し込まれた企業のポリシー（図示の各社ポリシーに相当）と申込条件が合致しているかどうか（年齢制限，年収等）を判定する。そして、ステップＳ５ａ，Ｓ６の判定処理で「承認」された場合、審査対象データ抽出手段１２は、前述した実施例１と同様の手順で、上記専用ＤＢに記憶された新たな申込データに基づいて審査対象データを特定し、その属性データを抽出する（ステップＳ７）。

以降、本実施例においては、融資を申し込まれた企業単位に、前述した実施例１と同様の手順で、図１６に示すステップＳ８〜Ｓ１５およびステップＳ２１〜Ｓ２４の処理を実行する。具体的には、上記サービスを利用する企業毎に、ターゲットとなる客層，申込者のスコアリングポイントの分布等が異なり、また、モデルパターン，モデル評価方法，収益目標，コスト，上限金利等についてもそれぞれ異なるので、上記サービスを利用する企業単位に、図１６に示すステップＳ８〜Ｓ１５およびステップＳ２１〜Ｓ２４の処理を実行する。

なお、本実施例においては、図１５の構成に限るものではなく、たとえば、上記サービスを利用する企業単位に、モデルパターン無作為振分手段１６，判定手段１７，審査結果データ記憶手段１８，融資条件算出手段１９，審査結果／融資条件ＤＢ２０，評価手段２１，比較結果ＤＢ２２，モデル配分算出手段２３，収益テーブル作成手段３１，顧客稼動状況記憶手段３２を、それぞれ用意することとしてもよいし、また、上記各構成の一部を企業単位に用意することとしてもよい。

以上のように、本発明にかかるスコアリングモデル評価方法は、たとえば、現行のスコアリングモデル（上記チャンピオンに相当）のリバイズを行う場合に有用であり、特に、融資可能な顧客に対して、常時最適な金利で最適な金額を貸し出すための方法として適している。

本発明にかかるスコアリングモデル評価方法を実現するための計算機システムの構成を示す図である。 実施例１の審査システムの構成例を示す図である。 実施例１におけるスコアリングモデル評価方法を示すフローチャートである。 スコアリングモデルによる判定結果の一例を示す図である。 ルールチェックによる判定結果の一例を示す図である。 顧客情報ＤＢに記憶された顧客情報の一例を示す図である。 スコアリングモデルの評価処理の概要を示す図である。 チャンピオンにおけるＧｏｏｄとＢａｄの分布の一例を示す図である。 チャンピオンにおけるＧｏｏｄとＢａｄの分布の一例を示す図である。 チャレンジャーにおけるＧｏｏｄとＢａｄの分布の一例を示す図である。 スコアリングモデルの稼動割合の調整処理の一例を示す図である。 収益テーブルの一例を示す図である。 累積収益構成比（％）の一例を示す図である。 判別効率（％）の一例を示す図である。 収益目標に応じた貸付金利の算出例を示す図である。 実施例２の審査システムの構成例を示す図である。 実施例２におけるスコアリングモデル評価方法を示すフローチャートである。

符号の説明

１，１ａ 審査システム
１１，１１ａ 申込受付情報ＤＢ
１１ａ−１，１１ａ−２，１１ａ−３，１１ａ−４，１１ａ−５ 専用ＤＢ
１２ 審査対象データ抽出手段
１３ 審査対象データ記憶手段
１３−１ 基本属性情報ＤＢ
１３−２ 電話番号履歴情報ＤＢ
１３−３ 個人信用情報ＤＢ
１４ 名寄せ／ポリシー判定手段
１５ 顧客情報ＤＢ
１６ モデルパターン無作為振分手段
１７ 判定手段
１８ 審査結果データ記憶手段
１８−１ スコアリング審査結果ＤＢ
１８−２ ルールチェック審査結果ＤＢ
１９ 融資条件算出手段
１９−１ カットオフ設定手段
１９−２ 収益テーブル記憶手段
２０ 審査結果／融資条件ＤＢ
２１ 評価手段
２２ 比較結果ＤＢ
２３ モデル配分算出手段
３１ 収益テーブル作成手段
３２ 顧客稼動状況記憶手段
４１ 顧客稼動状況ＤＢ
４２ 顧客稼動状況トラッキング手段
１０１ 制御ユニット
１０２ メモリユニット
１０３ 表示ユニット
１０４ 入力ユニット
１０５ ＣＤ−ＲＯＭドライブユニット
１０６ ディスクユニット
１０７ 外部Ｉ／Ｆユニット
２００ ＣＤ−ＲＯＭ

Claims (9)

1. 計算機システムにおいて実現する、与信審査の結果を利用したスコアリングモデル評価方法であって、
   前記計算機システムにおいて、
   融資申込者情報データベースに、融資申込者を特定するための情報を含む複数の融資申込者情報を格納する融資申込者情報格納ステップと、
   情報振分手段が、前記融資申込者情報データベースに格納された前記複数の融資申込者情報を読み出し、各融資申込者情報をそれぞれ予め規定した割合で、現行のスコアリングモデル、および比較対象となる１つまたは複数のスコアリングモデル、のうちのいずれか
   に振分ける情報振分ステップと、
   判定手段が、前記情報振分ステップにおいて振分けられた前記融資申込者情報の情報主体である融資申込者の信用度合を、当該融資申込者情報の属するスコアリングモデルでスコアリングし、当該スコアリング結果として得られるスコアポイントと所定のしきい値（カットオフ）を比較することにより当該融資申込者が融資可能な顧客かどうかを判定する判定ステップと、
   前記判定手段が、融資申込者毎に、当該融資申込者情報の属するスコアリングモデルと当該スコアリングモデルでスコアリングされた結果であるスコアポイントと前記判定結果（承認または否認）と前記融資申込者情報とを関連付けてスコアリング結果データベース
   に格納するスコアリング結果格納ステップと、
   顧客稼働状況記憶手段が、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを関連付けて顧客稼働状況データベースに格納する顧客稼動状況記憶ステップと、
   評価手段が、所定の観察期間が経過する毎に、前記融資申込者情報と当該融資申込者情報の情報主体である融資申込者の返済状況とを前記顧客稼働状況データベースから読み出し、当該融資申込者の返済状況から、前記スコアリングモデル毎に、融資申込者のうちの予定通り返済している第１の顧客のスコアポイント毎の人数の分布と予定通り返済していない（債務不履行の）第２の顧客のスコアポイント毎の人数の分布とを求め、さらに、それぞれの分布が重なり合う部分の大きさを示す分離度を計算し、それぞれの分布が重なり合う部分が小さい（分離度が大きい）ほど、第１の顧客と第２の顧客の判別力が高くスコアリングモデルの精度が高いと評価する評価ステップと、
   前記評価手段が、前記評価ステップにおける評価結果を比較結果データベースに格納する比較結果格納ステップと、
   モデル配分算出手段が、前記比較結果データベースから前記評価結果を読み出し、前記評価ステップにおいて前記比較対象となるスコアリングモデルの方が現行のスコアリングモデルよりも精度が高いという評価が得られている場合に、現行のスコアリングモデルと比較対象となるスコアリングモデルのそれぞれの分離度の差（乖離率）を計算し、さらに、段階的に規定された観察期間が長くなるほど、かつ、段階的に規定された観察期間単位に乖離率が大きくなるほど、当該比較対象となるスコアリングモデルへの振分け割合が大きくなるように、当該比較対象となるスコアリングモデルの振分け割合を現在の振分け割合から１００％の間で決定し、当該決定した振分け割合への変更を前記情報振分手段に対して指示する調整ステップと、
   前記情報振分手段が、前記モデル配分算出手段からの指示にしたがって融資申込者情報の振分け割合を変更する変更ステップと、
   を含むことを特徴とするスコアリングモデル評価方法。
2. 前記判定ステップでは、前記振分けられた融資申込者情報に基づいた統計的リスク分析により融資申込者毎にスコアポイントを算出し、前記カットオフ以上のスコアポイントを有する融資申込者を融資可能な顧客として承認することを特徴とする請求項１に記載のスコアリングモデル評価方法。
3. 前記調整ステップでは、より精度の高いことが判明したスコアリングモデルの稼動割合を徐々に増やすように前記情報振分手段に指示することを特徴とする請求項１または２に記載のスコアリングモデル評価方法。
4. さらに、収益テーブル作成手段が、融資申込者の信用度合を示すスコアポイント単位の債務不履行の割合、スコアポイント単位の申込者数、コスト、平均貸付額および期待収益を含む入力パラメータを初期設定値とし、さらに、スコアポイントが低くなるに従って金利が高くなるように融資申込者の信用度合に応じた貸付金利を設定することとし、当該各種設定値と当該各種設定値に基づいて計算されたスコアポイント毎の口座数％（全申込者数に対するスコアポイント単位の申込者数の割合）やＢａｄ％（全申込者数に対するスコアポイント単位の債務不履行の顧客数の割合）および収益（収益率、収益割合、累積収益割合を含む）と、を関連付けて記載した収益テーブルを、スコアリングモデル毎に作成する収益テーブル作成ステップと、
   前記収益テーブル作成手段が、前記収益テーブルを収益テーブル記憶手段に記憶する収益テーブル記憶ステップと、
   カットオフ設定手段が、スコアリングモデル毎に、前記収益テーブル記憶手段から収益テーブルを読み出し、当該収益テーブルに基づいて、前記累積収益割合の最も高いスコアポイント、または、前記Ｂａｄ％の累積値と前記口座数％の累積値との間で最も差の大きいスコアポイント、をカットオフとして設定するカットオフ設定ステップと、
   を含むことを特徴とする請求項１、２または３に記載のスコアリングモデル評価方法。
5. 前記収益テーブル作成ステップでは、前記収益テーブル作成手段が、前記顧客稼動状況データベースから融資申込者の返済状況を読み出し、実際の返済状況に応じて収益テーブルを随時更新し、
   前記カットオフ設定ステップでは、前記読み出した収益テーブルの変化に応じてカットオフを調整することを特徴とする請求項４に記載のスコアリングモデル評価方法。
6. さらに、融資条件算出手段が、前記判定ステップにおける判定処理により前記融資申込者が融資可能な顧客として承認された場合に、前記スコアリング結果データベースから当該融資申込者のスコアポイントを読み出し、さらに、前記収益テーブル記憶手段から前記融資申込者が属するスコアリングモデルに対応する収益テーブルを読み出し、前記収益テーブルに記載された前記スコアポイントに対応する貸付金利を、前記融資申込者の貸付金利とする融資条件算出ステップと、
   前記融資条件算出手段が、前記融資条件を融資条件データベースに格納する融資条件格納ステップと、
   を含むことを特徴とする請求項５に記載のスコアリングモデル評価方法。
7. 前記融資条件算出ステップでは、前記融資条件算出手段が、前記更新された収益テーブルに記載されたスコアポイント単位の債務不履行の割合およびスコアポイント単位の申込者数に基づいて、規定された収益目標に応じた貸付金利をスコアポイント毎に算出することを特徴とする請求項６に記載のスコアリングモデル評価方法。
8. サービスを利用する複数の企業にそれぞれ設置された端末、およびスコアリングモデル評価装置としての機能を備えた計算機システム、において実現する与信審査の結果を利用したスコアリングモデル評価方法であって、
   前記計算機システムにおいて、
   前記複数の企業にそれぞれ設置された端末からネットワークを介して送られてくる、融資に関する所定の申込データを、企業単位に専用データベースに格納する申込データ格納ステップと、
   審査対象データ抽出手段が、前記専用データベースから申込データを読み出し、当該申込データに基づいて前記融資申込者情報を特定する融資申込者特定ステップと、
   を含み、
   前記融資申込者特定ステップにて特定された前記融資申込者情報を用いて、前記企業毎に個別に、前記請求項１〜７のいずれか一つに記載の処理を実行することを特徴とするスコアリングモデル評価方法。
9. 請求項１〜８のいずれか一つ記載のスコアリングモデル評価方法をコンピュータに実行させることを特徴とするスコアリングモデル評価プログラム。
   
   

Images