人民银行以及政府部门的这些举措,说明个人信用信息的价值受到了越来越多部门的重视与关注,但对个人信用的界定不够清晰,指标体系仍然很不完善、个人信息不全面,个人信息的共享机制没有形成,另外在预警模型的选择上也存在不足。本文的研究目的是尝试设计一套比较完整、合理的个人信用征信体系,包括指标体系、单项指标当量化评分规则、权重的确定、信用分的合成及等级的划分,并在此基础上进行信用评分的应用,最后建立直接以ECM为标准的成本预警模型。具体来说,本文从目前银行等借贷机构所最为关注的个人财务信用出发,拓展了个人信用的涵义,提出了个人社会信用的概念。个人社会信用不仅包括银行等借贷机构所关心的财务信用,还包括用人单位、行业协会、公众所关心的职业信用,政府等公共部门关心的公共信用,不再将个人信用局限于个人银行信用之中。三大类个人信用之间具有不同程度的交叉,即不同类别信用之间包含着相同的指标。但是有些交叉的指标在不同类别信用中的权重却是不同的,如果将其权重不区别化对待容易引起评分的不合理性。个人社会信用与个人职业也是紧密相关的,但职业对个人社会信用三大分类信用的影响程度却是不同的。一般来说职业对个人的职业信用影响最大,其次是个人公共信用,最后是个人财务信用。正因为职业对个人职业信用、个人公共信用的影响最大,因此对特殊职业的职业信用以及公共信用指标体系的重新设计就显得尤为重要。本文选取律师这一较具有代表性的职业作为对个人职业信用的修正,选取最具有代表性的职业—如个体工商户作为对个人公共信用的修正。一个模型的预测精度比另一个模型高并不代表该模型较好,只有在期望误判损失较小时才能说明问题,因为类之间的误判成本是不同的。目前尽管有一些文献已经指出应该以期望误判损失(ECM)代替总误判概率(TPM)作为模型预测效果的评价,但他们只是在以总误判概率最低为标准建立的模型基础上将总误判概率转化为期望误判损失,在笔者所阅读的文献中没有注意到直接以期望误判损失为标准建立的个人信用预警模型或者这些学者并没有指出成本预警的实现方式。在预警模型的构建中,本文通过比较传统总误判概率(即预测精度)、平均误判成本标准,提出了成本预警的概念,通过对Bayes判别的深入分析认为该理论具备了成本预警模型所需要的条件。利用半模拟的100个样本数据,分别建立了没有考虑误判成本差异下的普通判别分析,以及通过决策矩阵的设置考虑了误判成本的Bayes判别分析,通过模拟实证得出Bayes判别分析比普通的判别分析具有更小的误判损失或者平均误判损失,而且在总的预测精度上也有细微的提高。Bayes判别分析直接以平均误判损失最低为评判标准,从而推导出判别准则；而普通判别方法以总误判概率最低为标准建模后得出各类的误判率,再将它转化为平均误判损失。可以认为Bayes判别是事前设置,而普通判别分析是事后设置,这里的“事”其实指的就是样本,即一种是在样本选择前的总体中设置ECM准则,一种是在所选样本中设置ECM准则。