客户授信评级：为融资融券业务保驾护航
在融资融券业务中，客户通过签订融资融券业务合同，以其自有资金或担保证券以及融资买入的证券和融券卖出得到的资金，作为抵押物融入资金或证券进行信用交易。因此，证券公司需要根据客户的情况确定借给客户资金或证券的信用额度。
这一授信过程，需要评估客户能否在合同规定的期限偿还因融资融券产生的债务，其实质可看成信用评级：即就未来一段时间内，客户履行承诺的意愿及能力的可信任程度给予的判断。由此，可先对客户进行信用评级，然后根据客户的信用等级授予相应的信用额度，从而授信模型实质上为信用评级模型。
从目前来看，根据个人客户的信用特征和机构客户信用特征，对客户的信用评级方法分成两类：个人客户评级方法和机构客户评级方法。
第一，九大个人客户信用评级方法。
在商业银行中，评价个人客户信用风险已经有六十多年了。商业银行评价客户违约风险的方法，经历了从专家评价打分到逐步发展为与计算机技术、数据挖掘技术相结合的现代客户信用风险管理时代。
目前，国际上的信贷机构通常采用建立个人信用评分模型对个人客户的信用风险进行度量及管理。其中，包括以下9种个人信用评分的常用方法。
一是判别分析。Durand 在1941年首先提出了可以利用判别分析方法对客户信用贷款还款行为进行预测。之后，也有Myers 和 Forgy等很多学者对判别分析方法作了大量研究。判别分析技术在我国的信用评分模型的研究中也有一定的应用。
二是多元线性回归分析。多元线性回归分析也是一种在信用评分早期被广泛使用的技术。回归分析的目标是使预测的目标变量值和实际的目标变量值之间的误差最小。因此，这种回归分析方法又被称为最小二乘法。国际上，很多学者对多元线性回归分析都做过深入研究。
三是逻辑回归模型。Wiginton 在1980年首先给出了分别利用逻辑回归分析和判别分析建立信用评分模型对客户信用风险进行评估的比较结果。后来一些学者也对逻辑回归分析进行了比较深入的研究。在逻辑回归分析模型方面，我国学者石庆焱等也开发了个人信用评分模型。
四是聚类分析。聚类分析是根据数据观测点之间的距离的相似性或距离远近，来搜索把数据自然分组的方法。我国目前也有学者如徐向阳和葛继科等应用聚类分析的技术建立个人信用评分模型。
五是数学规划方法。在评价客户的违约时，可以要求对评价的结果进行优化，例如：可以要求训练样本中误分类的客户数目最小。这样评价的问题就转化成为一个数学规划问题。国际上有一些学者利用数学规划的方法对客户的信用进行评价。
六是神经网络模型。神经网络模型起源于人们试图建立模型来描述人脑的信息处理和交流过程，后来被用到数据挖掘领域。神经网络模型因为它具有反复学习寻求最优性解、预测精度高等优点，受到很多我国学者的关注。
七是遗传算法。遗传算法是对一个问题的潜在解的种群进行系统搜索，使得与解决此问题相似的解保留在候选解中的可能性比其他解要大。遗传算法最早是被 Holland 在 1975 年提出的。近年来，我国一些学者如姜明辉和袁绪川把遗传算法应用到个人信用评分模型的开发上来。
八是分类树模型。分类树模型的基本思想是将信用申请人申请表中的回答项分成不同的组，然后按照不同组中违约客户的多少来确定该组是“好”客户组还是“坏”客户组。Markowski、Coffman和 Catlett等描述了如何将分类树模型应用到客户信用评分模型中。我国一些学者如叶中行和余敏杰等也将分类树模型应用到信用评分模型中。
九是最近邻方法。这是一种非参数的分类方法。国际上很多学者对最邻近方法在信用评分中的应用进行了深入的研究，如 Chartterjee 和 Barcun等。