由于信息不对称和缺少规模经济效应，中小企业贷款业务一直是商业银行的难点。从20世纪90年代开始，具有低成本、高效率优势的信用评分卡技术开始在发达国家商业银行的中小企业贷款业务中被广泛应用，在很大程度上解决了上述难题。信用评分卡技术是利用历史数据和统计技术，分析各种风险要素对违约率的影响程度，最终形成一个得分，根据该得分，银行可以区分贷款申请的风险程度。最初将信用评分卡技术应用于中小企业贷款业务的是拥有大量客户信息的大型商业银行。如富国银行1993年首先在中小企业贷款领域应用信用评分卡技术。随后，社区银行等中小银行也开始应用中小企业信用评分卡系统。根据美国小企业管理局宣传办公室(U.S. Small Business Administration’s Office of Advocacy)2005年的调查显示，当时美国46%的社区银行都已经采用了中小企业信用评分卡系统。
对银行而言，中小企业信用评分卡技术可以缩短审批时间，提高审批效率，降低信贷成本，提高信贷审批中的客观性和准确性，在全行范围内提供标准化的产品，使交易具有可复制性;对客户而言，中小企业信用评分卡技术可以简化贷款申请程序，缩短审批时间，减少需要提供的信息，提高贷款可得性。
在我国，由于征信系统比较薄弱，没有可靠的第三方信息来源，商业银行无法简单套用发达市场中已经广为应用的中小企业信用评分卡技术，必须根据自己的市场知识、经验和内部数据创建适合自身业务特点的中小企业信用评分卡系统。根据经验，中小企业信用评分卡开发和实施的关键环节有三个，评分卡建立的基础环节、建构环节以及实施环节。
评分卡建立的基础环节
建立项目工作组
中小企业信用评分卡系统的开发和实施需要银行内部产品开发、市场营销、授信审批、风险管理、信息技术和法律等多方面人员之间的协调合作，共同组成项目工作组。项目工作组的任务是设计评分卡开发和实施的方案、获取各种必须的资源、识别项目风险、指导和监督项目进展、确保项目方案按计划实施。
项目工作组多元化的结构有助于在评分卡开发和实施过程中吸收各方面的知识和经验，开发出能够更好地适合业务发展需要的评分卡系统，确保评分卡解决方案与业务方向一致;有利于在评分卡开发过程中完成相关的培训和知识转移，确保评分卡系统开发完成后能够顺利的实施和应用。建议工作组中包括一名高级管理者，以确保工作组能够及时获得所需要的各种资源，及时化解来自银行内部的各种可能的阻力和障碍。
制定评分策略
所谓评分策略是指评分的方法以及进行评分的目的。评分卡开发策略要解决三个方面的主要问题：
第一，根据银行的组织目标确定评分卡开发和实施的目的。银行的组织目标将影响评分卡的开发和实施。如果银行的目标是降低违约损失水平，在评分卡开发过程中就可以实行较为严格的评分标准，提高临界值水平，以降低贷款违约率;如果银行的目标是扩大某项产品或在某个市场上的市场份额，就可以降低评分卡的临界值，允许更多的申请通过审批，以获得更多的客户。通常，大多商业银行的目标都是多重性的，需要在评分卡开发过程中均衡考虑并作出决策。
第二，确定开发的评分卡在中小企业授信审批过程中的作用。信用评分卡可以作为中小企业贷款业务授信审批过程中唯一的判别工具，也可以是仅作为决策的辅助工具。信用评分卡技术的引入对于银行的风险文化和经营管理都将产生冲击;其在授信审批过程中的作用取决于银行的风险文化、架构和法律合规等问题。
第三，确定内部开发还是外部采购评分卡系统。内部开发还是外部采购，取决于数据可得性、行业策略、专业知识、时间限制和成本等多重因素。如果有足够的样本数据、开发评分卡所需的专业知识和人才、充足的时间和资金预算等，银行就可以考虑自行开发评分卡系统;如果没有足够的数据或者数据质量有问题，或者企业计划进入新的市场、渠道或产品领域，缺乏前期数据的积累或行业数据，或某项产品的规模不足以弥补自行开发的成本，都可以考虑选择外部采购评分卡系统。
检查数据资料，确定评分卡类型
金融机构使用内部数据可以建立的中小企业信用评分卡有三种类型：
一是判断评分卡。也被称为“专家系统”或“经验模型”。顾名思义，判断评分卡是根据银行经营管理、市场营销、授信审批和风险控制等各方面专家对信贷政策、市场知识、风险偏好和行业策略等的共同知识和经验，筛选出一组具有良好风险预测能力的风险要素，并根据要素的重要程度赋予不同的分值，开发出的一套基于经验判断的审批模型。某些情况下，因为样本量太小或对某个产品没有通用评分卡，就需要考虑开发一套判断评分卡。尽管不是采用统计方法开发的，判断评分卡也可以提供相对于人工审批更加客观一致的决策工具。而且，判断评分卡不需要历史数据，可以应用于新的市场或产品领域。
二是统计评分卡。统计评分卡是建立在目标领域过去大量申请人的数据资料的基础上的，只有对目标客户和产品收集了大量历史数据的金融机构才具备建立统计评分卡的条件。企业违约或破产研究所用的统计技术有多种，有判别分析法、线性回归法、逻辑回归法、决策树和人工神经网络等。实务中应用最广泛的是逻辑回归法。因为逻辑回归法既能准确地反映企业违约或破产的风险，又具备良好的稳健性，还能满足监管机构关于内部评级模型的透明度要求。而决策树和人工神经网络等非参数方法虽然在精确性方面有一定优势，但稳健性较差，且计算过程不透明，不符合关于透明度的监管要求。
三是混合评分卡。混合评分卡是判断评分卡和统计评分卡的两种技术的混合体，是在统计评分卡的基础上增加了判断性加权变量的统计模型，既要求有较为丰富的历史数据，同时也要包含与新产品或新领域相关的新的风险要素。
因为评分卡类型的选择取决于能够得到的数据资料的数量和质量。项目工作组要确定能够获得的数据的数量和形式，对当前能够得到的数据资料的质量和数量进行评估。如果银行刚刚进入一个全新的领域，只有很少甚至没有历史数据，它只能选择判断评分卡;如果有大量的历史数据，能够对“违约事件”进行量化，则可以建立统计评分卡;如果有建立统计评分卡的部分数据，或者已经建立了相当有效的统计评分卡，但还想增加新的目标客户或领域的新要素，那么就应选择混合评分卡。
对于我国众多的中小商业银行而言，由于中小企业贷款业务数据的积累不足，尤其是被拒绝申请的数据积累严重不足，所以判断型中小企业信用评分卡是比较可行的选择。但对于一些大型商业银行或部分中小企业业务开展较好的中小商业银行，已经积累较为丰富的中小企业贷款数据，也可以选择统计型中小企业信用评分卡或混合型中小企业信用评分卡。通常，开发统计型信用评分卡需要可靠和清洁的数据，需要包含最低数量的“正常”和“违约”数据。根据经验法则，开发统计型信用评分卡需要至少2000个不良贷款样本。除了充足、高质量的内部数据，通常还需要补充部分外部数据，如征信机构数据、人口统计数据等。
定义项目参数，建立数据库
确认有足够数量和质量的内外部数据之后，就要定义项目参数，收集数据，并创建开发评分卡所需的数据库。
一是定义“表现窗口”和“样本窗口”。信用评分卡的基本原理是用客户“过去的表现预测未来的行为”，需要对模型预测的时间点进行明确的定义，称为时间窗口(Time Windows)。时间窗口中将时间点区分为两部分：“样本窗口”指选择已知好/坏的账户当作开发样本的特定时间段;“表现窗口”是在某个特定时间段内开立的账户的表现被监控并确定类别(目标标量)的时间段。
假设某个特定的时间点，一个新账户审批通过并获得授信。在未来的某个时间点，需要确定该账户是正常还是违约(即确定表现)。因为账户的表现需要一定的时间才能达到稳定，开发样本要选择成熟的样本，即给予开发样本足够长的表现时间，使样本总体的坏账率(或违约率)达到稳定。根据经验，中小企业贷款以1年期以内的短期流动资金贷款为主，违约风险的暴露基本在1年到2年之间。因此，建议表现窗口的时间长度为1～2年为宜。但具体要根据不同银行样本数据的实际情况确定。
二是定义“正常”、“违约”或“不确定”。账户表现分为三类：“正常”、“违约”和“不确定”。根据《巴塞尔新资本协议》，违约的定义是逾期90天。银行也可以根据自身业务需要制定并执行更加严格或适当宽松的“违约”定义。采用不同的“违约”定义会产生不同的“违约”样本量和导致其他问题。更严格的违约定义，如冲销或逾期120天，可以更精确的区分违约和正常账户，但会导致样本量较小，在某些情况下甚至不足以进行统计分析。而比较宽松的违约定义，如逾期30天或60天，虽然可以提供更多的样本量，但可能无法准确区分正常和违约账户，导致开发的评分卡效果不理想。
“正常”的定义比较简单，如：从未逾期或虽然逾期但未达到特定期限、未破产或无欺诈行为等。但通常正常账户需要在整个表现窗口保持这种状态;而只要在表现窗口的任何时间达到设定的逾期期限即为违约。除了正常和违约账户，还有部分账户无法确定应该划分为“正常”还是“违约”类别。如审批通过但未动用的授信账户、审批通过但没有足够表现时间即结清的账户等。根据经验法则，不确定账户不应超过全部资产组合的10%到15%，如果不确定账户比例非常高，需要分析其原因。
三是分群。通常，总体可能由几个有显著差异的子群组成，一个评分卡可能无法适用于所有子群，需要同时使用几个评分卡才能更好的识别风险。识别这些子群的过程就叫做分群。分群有两种方法：基于经验的分群和基于统计技术的分群(如聚类分析或决策树)。分群，无论是使用经验方法还是统计方法，都应着眼于未来的计划。大多数分析和经验都是过去的，但评分卡的实施是在未来，适用于未来的申请群体。在两种情况下，选择的群都要足够大，能够独立的进行评分卡开发。某些群虽然有独特的风险表现，但没有足够的数量可以独立开发评分卡，仍然可以通过设定不同的临界值或采取其他策略进行区别对待。
定义参数后，就可以创建开发评分卡所需的数据库。其中，要素选择是评分卡开发过程中的关键部分，这个过程中要考虑多种因素。如：数据的可靠性和稳健性、可收集性、可解释性、人工干预程度、使用中可能存在的法律问题、未来的可获得性以及行业环境的变化趋势等。这些数据可能来自不同的数据源，如内部数据库、征信机构等。最终结果是得到一个包含一系列选定的描述变量(要素)和一个目标变量(正常/违约指标)的数据库，以用于下一阶段评分卡的开发和检验。
由于中小企业与大企业的风险特征存在显著差异，影响中小企业信贷风险的要素除了传统的财务变量以外，非财务因素也起着重要的作用。实证研究的结果已经证明，对中小企业违约或破产的预测，非财务的定性要素比定量的财务因素的作用更加重要。因此，建立中小企业信用评分卡时选择的要素除了传统的财务指标以外，更重要的是非财务的定性指标。
评分卡建构环节
建立中小企业信用评分卡的程序和所需时间根据评分卡类型的不同而不同。建立评分卡的方法也有多种，但所有方法的最终目的都是要识别和度量各种要素与正常/违约表现(目标变量)之间的关系。 该环节具体包括如下六个工作流程。
数据浏览和数据清理
对样本数据进行简单的统计分析，如数值分布、均值/中位数、缺失值比例和每个要素的取值范围等，有助于对业务进行深入了解。数据分析还是检查数据完整性的良好方法。样本数据分布要与总体分布进行比较，以确认样本能够代表总体，还要检查数据说明，确认所有特殊值都有说明。要确认收集的数据符合规定，并且是可以理解的。
初始要素分析
初始要素分析的任务是要判断每个要素的预测效果，即所谓的单要素筛选，以筛选掉不重要和不符合逻辑的要素。初始要素分析要识别出最终模型中需要考虑的要素并将它们转换为分布变量的形式，最终得到按重要性排列的一系列重要的分组要素，能够更好地代表因变量的信息类型，以用于回归分析。通常，最终的评分卡应该包括8个到15个要素。这样做的目的是确保评分卡的稳健性，即使一至两个要素发生变化，评分卡仍然具有较强的预测力。包含要素太少的评分卡一般都经不住时间的检验，很容易受到申请人微小变化的影响。
建立初始评分卡
通常，统计评分卡开发使用逻辑回归方法。逻辑回归方法的基本公式如下：
Logit(pi)=β0+β1x1+⋯⋯+βkxk
其中，Logit(pi)是概率比的对数形式;X是因变量;β0是回归曲线的截距项;βk是回归参数。运用正向选择、逆向淘汰或逐步选择等方法，通过对大量输入变量的回归分析，并考虑企业的实际情况，选择能全面反映中小企业信贷风险状况的最优模型，建立初始的信贷风险评分卡。
拒绝演绎(仅适用于申请评分卡)
由于建立初始评分卡使用的是审批通过并已知表现的账户，而申请评分卡应用的对象是所有申请人。因此，基于审批通过的申请人样本开发建立的模型是不全面的、有偏的，没有包含被拒绝的申请，需要通过拒绝演绎对被拒绝的申请进行分析，并估计其行为表现。
将拒绝演绎后得到的样本数据和已有的审批通过样本的数据合并，就得到一个组合数据库，包括审批通过和被拒绝的数据。这样，样本偏差问题得到解决，应用此样本开发的评分卡可以适用于全体申请人。
建立最终评分卡
通过拒绝演绎得到新的样本数据后，再次进行要素分析并进行回归计算，筛选出最终的评分卡要素并建立最终的评分卡。
此时的样本既包括审批通过且已知表现的账户，也包括被拒绝且未知表现的账户。这时的要素分析不必局限于初始要素所选定的要素。因为经过拒绝演绎，此时要素分析的对象由已知表现的审批通过账户变为整体开发数据，一些初始要素分析中选定的要素可能被排除;而另外一些在初始要素分析中被排除的要素可能被重现纳入。
评分卡验证
最终评分卡确定以后，还需要对模型结果进行验证。验证的目的是确认开发的模型适用于目标群体。通常，模型开发使用70%～80%的样本，还有20%～30%的“保留样本”用于模型检验。如果是小样本，则模型开发就必须使用全部样本进行;然后可以用随机选择的50%～80%的样本进行验证。
第一个验证方法是比较两个样本中正常和违约的分布情况。如果两组数据差异不大，则评分卡有效。第二种验证方法是比较开发样本和验证样本的统计量。如果两个样本的统计量之间没有显著的差异，评分卡就被认为有效。此外，还可以比较开发样本和验证样本同一得分范围内正常和违约的比例。如果两个样本对应分值的坏账率没有显著的差异，评分卡就是有效的。
评分卡的实施与监控
中小企业信用评分卡在广泛推广前要进行测试。因为开发中小企业信用评分卡使用的开发样本往往是两年或三年以前的数据。由于经过了较长的时间，申请人的情况可能发生了较大的变化，需要通过测试确认开发的评分卡适用于当前的申请人群。
常用的策略是首先在少量分支机构对评分卡进行测试，或者将评分卡和现行的中小企业贷款审批程序平行运行而不将其作为决策工具，以检验评分卡的分析结果是否与贷款审批人员的主观结论一致?是否需要对评分卡进行调整?
只有通过一段较长时间的检验或者经过适当调整，评分卡的审批结果与贷款审批人员的主观结论不存在显著差异，该中小企业信用评分卡才能进入实际应用阶段。中小企业信用评分卡系统要与银行现有的业务处理系统、数据库系统一致，简化审批流程，才能达到提高审批效率的目的。
中小企业信用评分卡系统正式实施后还要通过各种报告持续对评分卡和资产组合进行监测和评估。其中，通过评分卡应用和管理报告监控并检查申请人和审批通过者(或行为评分卡的客户)风险状况的变化及原因，跟踪新客户和新申请人的风险状况，确保“未来与过去一致”假设的持续有效。而通过资产组合管理报告监控账户的违约率、违约迁移情况等风险表现，明确违约的原因，估计预期的损失率，通过跟踪账户实际表现和预期的差异以调整对未来预期损失的预测。
评分卡管理是一个长期的过程，而数据是评分卡开发和长期有效的关键。收集、保存和定期监控评分卡数据及其他借款人信息，有助于对评分卡进行有效评估，将判断评分卡或混合评分卡转变成完全的统计评分卡，恢复或增强统计评分卡的判断力，或将评分卡的适用范围扩展到新的业务领域。
目前，国内商业银行开展中小企业业务主要还是采用“关系型贷款”技术，依靠大量人力资源投入，经营效率普遍较低，难以形成规模经济效益。而美国银行业从20世纪90年代开始在中小企业贷款业务中引入评分卡技术的经验已经证明，中小企业信用评分卡技术能够显著加快贷款审批速度、提高贷款定价能力;有助于银行节约成本、降低贷款审批中的主观性，提高风险管理能力;能够扩大中小企业贷款业务的规模。
因此，率先开展对中小企业信用评分卡的研究，建立适合自身区域和客户特点的中小企业信用评分卡系统将有助商业银行在竞争中获得领先优势。中小企业信用评分卡技术在商业银行中的广泛推广和应用，也将有助于扩大中小企业贷款规模，缓解我国当前中小企业贷款难的困境。
