前言：聯徵評分是什麼，為什麼銀行都在看
如果你申請過信用卡或貸款，多少聽過行員說一句「您的聯徵分數還不錯」，或是「聯徵分數比較低，可能要用其他條件補強」。這裡說的「聯徵分數」，正式名稱是「財團法人金融聯合徵信中心」（以下簡稱聯徵中心）建置的個人信用評分（Credit Score），分數範圍落在 200 分到 800 分之間。
很多人以為這是一個「好人／壞人」的道德判斷，其實不是。信用評分本質上是一個統計模型的輸出值，目的是預測一個人在未來一段時間內（通常以一年為觀察窗口）發生嚴重延遲繳款或違約的機率。分數越高，代表模型估算的違約風險越低；分數越低，代表統計上出現繳款異常的機率相對較高。這跟一個人是否誠實、是否值得信賴，是兩件不完全相同的事——它衡量的是「過去的金融行為模式」，而不是人格。
理解這套邏輯，對於管理個人財務有實際幫助：知道分數怎麼被算出來，才能看懂自己的信用報告在說什麼，也才能判斷哪些資訊是可以透過時間與行為自然調整的，哪些是既成事實無法改變的。
一、分數的基本結構：200～800分代表什麼
聯徵中心的個人信用評分模型，是委由信用評分機構依據台灣金融機構長期回報的信用資料，用統計方法建立而成。當你申請信用報告並加購評分服務時，會看到三種可能的結果呈現方式：
- 實際分數（200～800分）：代表你有足夠的信用資料可供評分模型計算，並給出一個對應的數值。
- 固定最低分（200分）：通常發生在信用資料中已出現嚴重負面紀錄（例如長期延滯、催收或呆帳紀錄）的情況，模型直接歸類為最高風險等級，不再進行細部評分。
- 此次暫時無法評分：常見於信用資料太少、太新的族群，例如剛成年、從未申辦過信用卡或貸款、或信用往來中斷已久的人。模型缺乏足夠的歷史資料可供判斷，因此無法產出有意義的分數。
分數本身是一個相對排序的概念，而不是絕對的及格線。聯徵中心在提供分數的同時，通常也會附上「百分位區間」（Percentile Rank，簡稱PR值）。百分位區間的意思是：在所有同期被評分的人當中，你的分數贏過多少比例的人。舉例來說，如果某個分數對應的百分位區間落在較高的區段，代表在整個被評分族群裡，這個分數屬於相對少數的高分族群；反之，若落在較低區段，代表有相當比例的人分數比你高。
各金融機構在實務上會依照自身的風險胃納、產品類型，自行訂出核貸與利率的內部門檻，聯徵中心並不對外公告一套「幾分算好、幾分算壞」的官方標準答案。不過從公開資訊與業界慣例可以歸納出一個大致的參考區間：
| 分數區間（參考） | 相對定位 | 常見對應情境 |
|---|---|---|
| 700分以上 | 相對高分族群 | 信用資料完整、繳款紀錄穩定、負債結構相對單純 |
| 560～699分 | 中段族群 | 信用資料尚可，但可能存在部分波動或負債偏高的情況 |
| 559分以下（不含固定200分） | 相對低分族群 | 信用資料中可能出現延遲繳款、負債占比偏高或信用長度不足等因素 |
| 固定200分 | 最低分級 | 信用資料中出現嚴重負面紀錄，模型不再進行細部評分 |
要特別澄清的是，上表是市場上多數消費金融教育文章歸納出的參考級距，各銀行實際核貸標準會因產品別（信用卡、信貸、房貸、車貸）與風控政策不同而有差異，不存在一個放諸四海皆準的「多少分一定過、多少分一定不過」的規則。
二、計算邏輯：分數是怎麼被算出來的
聯徵中心官方說明，個人信用評分是彙整金融機構定期回報的信用資料後，依統計模型運算而得，主要參考的資料可歸納為幾個構面：
（一）繳款行為類
這是評分模型中權重相對最高的一塊，內容涵蓋信用卡、放款（含各類貸款）與票據的還款表現。模型觀察的重點不只是「有沒有遲繳」，還包括：
- 遲繳的嚴重程度：例如僅遲繳幾天、還是達到列入「逾期」等級的天數門檻。
- 遲繳的頻率：偶發一次，與過去一段時間內反覆出現遲繳，在模型中的影響截然不同。
- 遲繳的時間遠近：近期發生的負面紀錄，通常比多年前的紀錄對分數的影響更大——這也是為什麼信用評分被稱為「動態」評分，會隨最新資料持續更新。
（二）負債類
這個構面觀察的是一個人整體的信用擴張程度，包括：
- 負債總額與信用卡循環動用比率：例如信用卡動用金額占總額度的比例。
- 負債型態：例如是否有現金卡預借現金、循環信用等相對高風險的負債類型。
- 負債變動趨勢：例如貸款餘額是持續下降、還是持續攀升。
聯徵中心特別指出，繳款行為、負債型態與負債水準，是對評分影響最顯著的三個因素。
（三）其他類：新信用申請與信用長度
這個構面主要包含：
- 新信用申請頻率：短期內密集向多家金融機構申請貸款或信用卡，會被記錄為「聯徵查詢次數」增加，模型會將此視為短期資金需求升高的訊號。
- 信用歷史長度：例如信用卡使用中最長的一筆帳戶存續時間。信用歷史越長、且維持正常往來，通常對評分有正面貢獻。
- 保證人相關資訊：作為保證人所牽涉的信用往來紀錄，也會被納入考量。
值得注意的是，這三大類資料彼此並非獨立加總，而是透過統計模型（業界慣用邏輯迴歸或類似的計量方法）依據歷史違約資料的相關性，賦予不同變數不同的權重組合後，運算出一個綜合分數。這也是為什麼外界很難「逆向工程」出一套精確到每一分怎麼加、怎麼扣的公式——模型的變數組合與權重屬於評分機構的核心方法論，不對外公開細節。
三、匿名化案例：兩種常見的信用輪廓
為了讓計算邏輯更容易理解，以下用兩個虛構、匿名化的案例來說明不同信用行為模式，可能如何反映在評分構面上。這兩個案例純粹用於教學說明分數的組成邏輯，不代表任何真實個人或特定銀行的核貸標準，也不是「達到某個分數就一定會通過審核」的操作指引。
案例一：信用歷史穩定型
假設某甲持有信用卡已超過八年，期間信用卡帳單多在到期日前結清，動用額度長期維持在總額度的三成以下，近三年沒有申請新的貸款或信用卡。從評分構面來看，這樣的輪廓在「繳款行為」與「負債水準」兩項通常會呈現相對穩定的紀錄，「信用長度」也偏長，「新信用申請頻率」偏低。這類型組合在統計模型中，過去的違約發生率相對較低，因此對應的分數區間通常也會落在相對高分的一端。
案例二：短期資金需求上升型
假設某乙在半年內先後向三家金融機構申請信用卡與信貸，其中一筆信用卡帳款曾經延遲超過一個計費週期才繳清，同一時間名下另有一筆車貸與一筆信貸同時在繳。從評分構面來看，這樣的輪廓會同時觸及「新信用申請頻率」偏高、「繳款行為」出現延遲紀錄、以及「負債水準」偏高等多個變數，多重因素疊加之下，對應的分數通常會落在相對中低的區間。
這兩個案例的差異，說明了信用評分不是看單一事件，而是看一段時間內多個構面的綜合型態。同一個人如果在案例二的情境之後，維持長期正常繳款、不再密集申請新信用，隨著時間推移與資料更新，分數也可能反映出型態的變化——這正是信用評分「動態更新、每季重算」的意義所在，而不是一次貼上永久標籤。
四、常見誤解
誤解一：查詢自己的信用報告會扣分。
聯徵報告區分「查詢用途」，當事人本人申請查閱自己的信用報告，屬於「當事人查詢」，這類查詢不會被計入影響評分的「新信用申請查詢」。會被納入評分考量的，是金融機構因為你申辦信用卡或貸款而向聯徵中心查詢資料的紀錄。混淆這兩者，是最常見的誤解之一。
誤解二：把信用卡剪掉、完全不使用信用工具，分數會比較高。
信用歷史長度是評分構面之一，長期維持信用往來且正常繳款，對評分而言通常是正向資訊。完全沒有信用資料的人，反而可能落入「暫時無法評分」的狀態，因為模型缺乏足夠資料做判斷。
誤解三：分數是一翻兩瞪眼的及格分數線。
如前述，聯徵中心並未公告單一及格線，各金融機構會依產品類型與自身風控政策訂定不同的核貸門檻，同樣的分數在不同銀行、不同產品（信用卡對比房貸）可能得到不同的結果。
誤解四：只要繳款正常，分數就一定很高。
繳款行為只是其中一個構面。負債水準、負債型態、新信用申請頻率、信用歷史長度，都會共同影響最終分數。單一構面表現良好，不代表整體分數必然落在高分區間。
誤解五：分數一旦偏低就永久無法改變。
信用評分是依據金融機構定期回報的最新資料重新計算，聯徵中心通常每季更新一次評分結果。這代表信用資料會隨時間推移持續反映最新的往來狀況，並非一次性、永久性的標籤。
五、與台灣金融市場的連結
在台灣，信用評分的應用場景主要集中在：
- 信用卡申請與額度核定：發卡銀行會將聯徵評分納入審核參考之一，搭配申請人的收入、職業等其他財力條件綜合判斷。
- 信用貸款、車貸的核貸與利率訂定：無擔保貸款高度仰賴借款人的信用紀錄，因此聯徵評分在這類產品的審核流程中，通常占有較高的參考權重。
- 房貸的輔助評估：房貸因有不動產作為擔保，聯徵評分的權重相對信貸略低，但仍是銀行風控流程中的參考項目之一。
依台灣現行個人資料保護相關規範與聯徵中心對外公告的服務內容，一般民眾可以透過聯徵中心網站或臨櫃申請調閱自己的信用報告，並可選擇加購信用評分服務。實際的申請管道、應備文件與規費，建議以聯徵中心官方網站公告的最新資訊為準，因為相關流程與收費項目可能隨制度調整而變動。
重點回顧
- 聯徵信用評分是統計模型輸出的風險預測值，分數介於200到800分，數值越高代表模型估算的違約風險越低。
- 評分主要參考三大類資料：繳款行為類（權重相對最高）、負債類（負債水準、型態、變動趨勢）、以及新信用申請頻率與信用歷史長度等其他類資料。
- 分數同時會附帶百分位區間，代表在所有被評分者中的相對排名，而不是絕對及格線。
- 各金融機構依產品類型自訂核貸門檻，聯徵中心不對外公告統一的通過標準。
- 當事人本人查詢自己的報告不會影響評分，會被計入考量的是金融機構因申辦而產生的查詢紀錄。
- 評分通常每季隨最新資料更新一次，反映的是持續變動的信用行為型態，而非一次性的永久標籤。