摘要：随着信用卡业务的发展，信用卡风险发生的频率越来越高，造成的损失也越来越大,特别是面对大学生这种新兴群体，因此，对信用卡风险管理就显得尤为重要。信用卡风险管理措施一般有风险的回避、风险的预防、风险的分散转移和风险的事后补偿等。为了在信用卡风险发生前，发卡机构能以较低的成本得到最佳的风险控制效果，在风险发生后能保证发卡机构稳键经营，发卡机构应在分析各种风险管理手段的成本、收益的基础上作出正确的选择，从而尽量避免或减少信用卡风险的发生，实现发卡机构经营的稳定增长。而大学生则应该提高自己的责任意识与风险意识，使其得到双赢。
关键词：大学生、信用卡、风险
本人选择了一些关于信用卡风险的文献，有信用卡风险的理论探讨，调查报告等，精选出几篇文章作为综述对象。就其主要观点和写作脉络再结合自己调查的结果进行综述分析。
一 国内外理论的研究
信用卡是商业银行的一个重要产品,对经济的发展具有十分重要的作用 ,信用卡使持卡人的消费更加方便和安全,信用卡能扩大特约商户的销售和服务,提高特约商户的经济效益。信用卡是商业银行的一个重要的盈利来源，在许多国外商业银行信用卡业务产生的利润一般要占到全部利润的30%以上，信用卡能刺激需求，提高社会消费水平，信用卡业务快速健康发展能有力地促进我国经济的发展。然而相对于近年来银行卡业务的迅速发展我国信用卡业务的发展却相对缓慢，很重要的一个原因是信用卡的风险问题没有得到有效的控制，我国的信用卡业务要快速健康的发展，首先就要解决信用卡的风险问题
信用卡信用风险管理理论的研究可追溯到上个世纪50年代，美国的Bill Fail和数学家Earl Isaac创建了FICO模型，初次提供了信用评分方法，为信用卡信用风险控制奠定了基础，随后经济学家开始运用微观经济学理论、博弈论、不完全合同理论等来研究银行信用风险的实质、风险的成因、风险的识别以及风险的防范途径。1977年Leland和Pyle研究了风险偏好对融资行为的影响，该理论认为企业家在完全能够自我融资的情况下，因为风险厌恶会选择从外部融资，但是由于信息不对称，银行无法判别企业风险的大小，因此产生逆向选择，结果只有风险大的项目才会到外部融资，因此这种市场均衡的结果是无效率的。风险低的企业为了将自己和风险高的企业区分开，只能选择投入一定的自有资金[1]。
1981年美国经济学家斯蒂格里茨（Stiglitz）和韦斯（Weiss）在《美国经济评论》上发表了《不完全信息市场中的信贷配给》一文，从信息经济学角度对信贷配给现象进行了系统分析，提出了市场上信息处于相对优势的一方如何行事的理论[2]。按照斯蒂格里茨和韦斯的理论，在信用卡信贷市场上，银行和借款人之间的信息是不对称的，借款人项目成功时获利是不封顶的，但其承担失败的风险却是固定的，所以当银行不能完全监督借款人行为时，就会产生改变当初申请贷款时的用途，转而从事高收益但更高风险项目的动机，从而使银行的预期收益减少，这种现象就是“道德风险”。银行面对借款人的道德风险可以采用的措施之一就是提高逾期透支利率，通过提高利率，可以用增加的利息收入来补偿可能出现的拖欠损失，但也有不利后果。一方面，面对高利率，能按时偿还的安全客户只好退出这一高价信贷市场，而危险客户仍然敢于贷款，因为他们有赖账的打算，利率再高也无所谓；另一方面，对所有借款人，为支付高利率只好把贷款用于高风险的投资项目上，银行收不回贷款的风险也更大，这就是所谓的“逆向选择”。在信用卡市场中，由于发卡程序简单，潜在客户的信息收集、筛选不甚完善，事后的监控、监督成本较高，道德风险，逆向选择尤为突出。如何减缓或部分消除不对称信息对信用卡业务信用风险积聚成为重要的理论问题。看图说话与婴幼儿口语表达能力的研究
综上所述，运用信用卡风险管理评分模型是现阶段商业银行甄别客户信用的重要途径。随着计算机与统计技术的发展以及在人工智能领域的突破，以神经网络、Logistics回归和贝叶斯决策理论为基础，通过判别分析客户信息或使用树形结构决策分类器来构建决策模型的方法在信用卡领域得到了广泛运用。在数据库信息完备、资信体系健全的欧美国家中，涌现出一些有实践意义的代表性实证文献：Rock（1984）指出有些因素较受信用卡业者所重视，如与其他债权人的关系、年收入、负债收入比率、职业、居住与工作的时间长度、住宅所有权、是否有支票或存款账户等7个变数[3]。Updegrave（1987）指出影响信用卡或短期借款申请的关键信用风险有债权人数目、过去信用付款记录、是否有破产宣告、工作与居住的时间长度、收入、职业、年龄、是否有支票或存款账户等数个变量[4]。Steenackers和Goovaerts（1989）采用Stepwise Logistic Regression模型寻找影响信用风险的原因，得到年龄、是否有电话、居住现址与工作的时间长度、地方区别、职业、是否在国家机关工作、月收入、住宅所有权、之前贷款件数、贷款期间等为评级模型的显著变数[5]。Donato etAI（1999）以信用卡资料为例，试着利用资料探勘技术预测信用卡持有人的信用破产时机[6]。随着信用卡利率的市场化，西方国家开始以利率标准来区分信用卡持有者的行为特性，如将之分为三种客户：在免息期外有贷款且在一定时期内没还清，在免息期外有贷款但在一定时期内还清，在免息期内还清所有贷款。在此基础上进行覆盖风险的利润最大化定价。2407