為什麼你的信用評分「就是上不去」？先搞懂三大扣分類別
很多人第一次上聯徵中心（財團法人金融聯合徵信中心，以下簡稱聯徵中心）申請自己的信用報告時，看到那個 200 到 800 分之間的數字，心裡常常冒出同一個問題：「這分數到底是怎麼算出來的？」
答案其實沒有想像中神秘。聯徵中心的個人信用評分模型，是根據長期蒐集的信用資料，透過統計方法建立的違約風險預測模型——分數愈高，代表模型預測這個人未來發生嚴重延遲還款或違約的機率愈低；分數愈低，則相反。而構成這個分數的資料，大致可以分成三大類：繳款行為類、負債類、其他類。這篇文章要做的事情，就是把這三大類底下真正會讓分數往下掉的具體因子拆開來看，用具體的機制與案例說明，而不是空泛地告訴你「準時繳款、少借錢」這種誰都知道的道理。
需要先說明的是，信用評分模型的確切權重與演算法屬於聯徵中心的內部模型，並未對外公開精確的計算公式（這點跟美國 FICO 評分某種程度公開權重占比不太一樣）。這篇文章介紹的是根據聯徵中心公開說明與市場實務觀察歸納出的「方向性影響因子」，而不是宣稱能推算出精確加減分數字。了解這個限制，才能正確使用這些知識——重點在於理解「哪些行為屬於哪一類風險訊號」，而不是去背誦一套不存在的公式。
第一類扣分因素：繳款行為——遲繳的嚴重程度、頻率與時間點
繳款行為類資料，講的是一個人過去在信用卡、各種授信借貸（信用貸款、房貸、車貸等）以及票據往來上的還款表現，核心觀察三個面向：延遲的嚴重程度、延遲發生的頻率、延遲發生的時間點。
遲繳是怎麼被記錄下來的
當一期信用卡帳單或貸款繳款到期未繳，銀行通常會給予幾天的緩衝期，實務上約落在五到七天左右，超過這個緩衝期，銀行系統就會將該筆帳款的逾期狀態回報給聯徵中心。這也是為什麼有些人會發現，帳單繳款截止日隔天才繳，其實還在銀行的通融範圍內，不一定會被註記；但拖到超過一週甚至更久沒有處理，就進入了正式的逾期通報流程。
聯徵中心與各金融機構之間，對於逾期的嚴重程度有一套共通的代碼標示方式，一般俗稱 M0 到 M6：
| 代碼 | 意義 |
|---|---|
| M0 | 當期正常或剛進入輕微逾期觀察 |
| M1 | 逾期滿一個月 |
| M2 | 逾期滿兩個月 |
| M3 | 逾期滿三個月 |
| M4-M5 | 逾期持續惡化 |
| M6 | 逾期滿六個月，通常銀行內部會將此筆債權列為呆帳處理 |
這套代碼的意義在於，它讓「遲繳」不再是一個是非題（有繳/沒繳），而是一個程度題。同樣是「遲繳過」，一個人是遲繳一天、事後立刻補繳的 M0 狀態，跟另一個人拖到 M3、M4 才處理，兩者在信用評分模型裡受到的衝擊完全是不同量級的。模型會綜合考量：這筆延遲最終惡化到哪個階段、在過去一段時間內類似的延遲發生了幾次、以及這些延遲是發生在很久以前還是最近幾個月內。愈晚近發生的嚴重延遲，對分數的負面影響通常愈明顯，這也符合統計模型「愈近期的行為愈能預測未來行為」的基本邏輯。
延遲的「頻率」比單一事件更關鍵
不少人以為只要「這次有繳清就沒事」，但信用評分模型看的不只是單一時間點的狀態，而是整段還款歷史裡的行為模式。假設某個人在過去兩年的信用卡帳單紀錄中，出現三、四次輕微遲繳（例如遲繳三、五天就補上），即使每一次都不嚴重，模型仍可能將這種「重複出現的不穩定繳款習慣」判讀為風險訊號，因為它反映出的是一種持續性的財務管理模式，而不是單一次的意外疏失。
反過來說，如果是多年穩定準時繳款的紀錄中，僅出現過一次因為忘記設定扣款帳戶餘額不足而導致的短暫遲繳，且事後立即補繳並維持後續正常繳款，這種孤立事件對整體評分模型的影響，通常會小於前述「重複發生」的情境。這也是為什麼聯徵中心官方說明中提到，遲繳紀錄的影響會隨著後續持續正常繳款而逐漸淡化——因為每多一段時間的正常繳款，都是在為「這只是單一意外、不是常態」這個判斷提供更多證據。
不良紀錄的揭露期限：一個常被誤解的重點
這裡有一個非常多人搞混的概念：「遲繳紀錄多久會消失」跟「遲繳紀錄多久不再影響評分」，其實不完全是同一件事。
根據聯徵中心公告的信用資料揭露期限規定：
- 有逾期、催收紀錄者，個人信用不良註記自清償日起揭露三年。
- 有呆帳紀錄者，自轉銷日起揭露五年。
- 信用卡因款項未繳被強制停卡，若尚未清償，自停卡發生日起揭露七年；已清償者，則自清償日起揭露六個月，但最長不超過自停卡發生日起七年。
也就是說，即使貸款或卡費已經還清，在揭露期限尚未屆滿之前，這筆異常紀錄依然會出現在信用報告中，並持續對信用評分產生影響。這也解釋了一個常見的困惑：「我明明都已經還清了，為什麼分數還是沒有回升？」——答案往往是揭露期限還沒到，而不是系統出錯。理解這個機制的實務意義在於：預防遲繳永遠比事後補救更划算，因為就算補繳、還清了，紀錄留存的時間仍然是以「年」為單位計算的。
第二類扣分因素：負債——不只是「欠多少」，還有「怎麼欠」
負債類資料觀察的是一個人信用擴張的程度，主要包含三個面向：負債總額、負債型態、負債變動幅度。
負債總額：不是絕對數字，而是相對關係
很多人直覺認為「負債愈少分數愈高」，這句話方向大致沒錯，但不夠精確。信用評分模型在評估負債總額時，通常會將負債金額放在收入或信用額度的脈絡下一起看，而不是單獨看一個孤立的數字。例如同樣是新台幣五十萬元的信用卡循環餘額，對一個信用卡總額度只有六十萬元的人來說，代表額度使用率高達八成以上；但對於總額度有三百萬元的人來說，使用率不到兩成。這兩種情況所反映出的財務壓力程度是截然不同的，模型也會據此給出不同的風險判讀。
這也是為什麼「額度使用率」這個概念在信用管理上經常被提及——當信用卡循環餘額長期占總額度的比例偏高，代表資金週轉可能已經相當吃緊，這類型態通常會被視為信用狀況的不利因素之一。
負債型態：循環信用 vs. 分期型債務
負債的「型態」也會被納入考量。信用卡循環信用（也就是俗稱的「養卡」或「只繳最低應繳金額」）由於利率通常明顯高於一般分期型貸款，且沒有固定的還款期程，長期依賴循環信用被視為與有固定攤還計畫的房貸、車貸等分期型負債，性質上不太一樣。這不是說使用循環信用一定會被評為高風險，而是說當一個人的負債組合中，高利率、無固定攤還期限的循環型負債占比偏高時，這種型態本身就帶有較高的財務壓力訊號。
負債變動幅度：短期內快速增加的借貸
負債變動幅度指的是負債總額在一段期間內的增減速度。如果一個人在短時間內（例如幾個月內）新增多筆信用貸款或信用卡額度大幅提升，即使當下每一筆都還能正常繳款，這種「短期內負債快速膨脹」的型態，也會被視為需要留意的訊號，因為它可能反映出資金需求正在急遽升高。
常見誤解：「有負債」不等於「信用不好」
這裡必須澄清一個常見誤解：完全沒有任何信用往來紀錄（也就是俗稱的「信用小白」），並不代表信用評分會特別高。事實上，由於評分模型需要足夠的歷史行為資料才能做出可靠的預測，缺乏信用往來紀錄的人，模型往往難以判斷其還款穩定性，評分結果不一定會比「有適度負債且穩定繳款」的人來得高。適度使用信用工具（例如持有信用卡並每月正常全額繳清），並累積正常還款的歷史紀錄，反而是建立信用評分基礎的必要過程。換句話說，重點從來不是「有沒有負債」，而是「負債的管理狀態是否健康」。
第三類扣分因素：查詢次數與其他資料
「其他類」資料涵蓋範圍較廣，包括新信用申請類、信用長度類，以及保證人資訊類等。其中，最常被討論、也最容易被誤解的，就是「查詢聯徵紀錄」這件事。
查詢次數：不是所有查詢都算數
首先要澄清一個很多人擔心的問題：當事人本人主動向聯徵中心調閱自己的信用報告，這個查詢動作本身，並不會被納入評分模型計算。所以定期自己上網查詢信用報告，了解自己的信用狀況，並不會因此被扣分。
真正會被納入評分模型的，是金融機構基於新業務、且為了申請授信（也就是貸款、信用卡核卡等）目的所做的查詢。這類查詢之所以會被納入模型考量，邏輯在於：短期內密集地向多家金融機構提出借貸申請，往往反映出申請人對資金有較為急迫或異常的需求，這種型態在統計上與較高的違約風險存在關聯。
這裡有一個實務上的重要細節：聯徵中心對「新業務查詢」的計算方式，是以同一項信用需求為單位，而非單純的查詢次數。具體來說，最近一年內，每三十天內的新業務查詢會被視為同一筆信用需求，只計算為一次；超過三十天之後再發生的新業務查詢，則會被視為另一筆獨立的信用需求。這個規則的實務意義是：如果你在同一週內為了比較利率條件，向三家銀行各申請了一次信用貸款試算或核貸，這種「貨比三家」的行為，未必會被計算成三次獨立的查詢——但如果你在過去半年內，每隔一段時間就因為資金週轉而向不同機構提出申請，累積起來的查詢次數就會被視為多筆獨立的信用需求，對分數的影響也會隨之增加。
市場實務上普遍觀察到的一個參考門檻是：三個月內若有超過三筆以上的新業務查詢紀錄，金融機構在審核時，傾向將此視為資金需求較為急迫的族群，核貸的難度會明顯提高。需要強調的是，這是市場實務觀察歸納出的參考區間，並非聯徵中心公告的絕對標準，實際審核結果仍會綜合信用報告中的其他所有資料一併判斷。
為什麼「密集申請」比「單次申請」更傷分數
從機制上理解，這件事情其實有其道理：假設一個人的信用狀況原本穩定，卻在短時間內密集地向多家銀行申請信用貸款，這種行為模式所傳遞出的訊號，跟「單純有資金規劃需求、一次申請一筆貸款」是不同的。密集申請往往意味著前面的申請可能已經被婉拒，或是資金缺口大到需要多頭並進尋找資金來源，這正是信用評分模型試圖捕捉的風險特徵——不是「借了多少錢」本身有問題，而是「急迫地到處尋找資金」這個行為模式，統計上與後續還款出狀況的機率存在正相關。
信用長度與保證人資訊
其他類資料底下，還包含信用長度類（也就是信用往來歷史的長短）以及保證人資訊類。信用往來歷史愈長、且維持穩定正常，通常對評分有正面幫助，這也呼應前面提到的「信用小白」現象——沒有足夠長的信用歷史，模型就缺乏判斷依據。至於保證人資訊，若曾經為他人債務提供保證，而該筆債務發生履約異常，也可能牽動保證人自身的信用資料，這點常被忽略，卻是實務上真實存在的關聯風險。
實務案例：兩種型態的比較（匿名化情境）
為了讓前面談到的機制更具體，這裡用兩個匿名化的假設情境做對照，說明「同樣是信用報告上有負面紀錄，嚴重程度可以差很多」。
情境一：孤立事件型。 假設某上班族原本七年來信用卡帳單都是自動扣繳、從未遲繳，某次因為更換銀行帳戶忘記重新設定扣款，導致當期帳單遲繳四天，銀行通報聯徵中心進入輕微逾期狀態（M0 等級），本人接獲通知後立即補繳並結清。此後持續十二個月維持正常繳款，也沒有再申請新的信用卡或貸款。這種情況下，該筆逾期紀錄仍會依規定在信用報告中留存一段時間，但由於是單一孤立事件、程度輕微、且後續有長時間的正常繳款紀錄佐證，對整體評分模型的負面影響，會隨著時間與後續穩定表現而逐步淡化。
情境二：複合型風險累積。 假設另一人在六個月內，因為資金週轉需求，先後向四家不同的銀行申請信用貸款（其中兩家獲准、兩家婉拒），同時名下三張信用卡的循環信用餘額合計占總額度超過八成，且過去一年內有兩次逾期繳款紀錄惡化到 M2 等級才清償。這種情況下，信用報告同時呈現出「查詢次數集中」「負債使用率偏高」「繳款行為不穩定且惡化程度較深」三種風險訊號疊加，信用評分模型會綜合這些因子做出判斷，通常會落在較不利的區間。
這兩個情境的對照重點在於：信用評分從來不是單一事件決定的，而是「型態」與「多項因子的組合」共同構成的結果。同樣一筆逾期紀錄，出現在一份乾淨的信用歷史裡，跟出現在一份已經有其他風險訊號的報告裡，模型給出的判讀會不一樣。
常見誤解澄清
誤解一：「我自己上網查詢信用報告會被扣分」。 如前所述，當事人本人查詢自己的信用報告，這個查詢行為本身並不會被納入評分模型，可以放心定期查詢了解自身信用狀況。
誤解二：「只要沒欠銀行錢，信用評分就會很高」。 完全沒有信用往來紀錄，模型缺乏足夠資料判斷還款穩定性，分數不一定會比「有適度且穩定繳款的信用紀錄」的人來得高。信用評分反映的是「還款行為的可預測性」，而不是「財富多寡」或「有沒有借錢」。
誤解三：「還清貸款之後紀錄就馬上消失」。 如前面揭露期限的說明，逾期、催收類紀錄自清償日起仍會揭露三年，呆帳類紀錄自轉銷日起揭露五年，強制停卡類最長可達七年。清償只是揭露期限「開始倒數」的起點，不是紀錄立即消失的時間點。
誤解四：「信用評分是唯一決定貸款成敗的因素」。 信用評分是金融機構審核授信時參考的重要資料之一，但實務上銀行核貸與否，還會綜合考量申請人的收入證明、職業穩定性、擔保品條件、既有債務負擔比等多重因素。信用評分高不必然保證核貸，評分不理想也不必然完全喪失申請資格，實際結果仍取決於個別金融機構的授信政策與綜合評估。
與台灣市場的連結：日常生活中該注意的細節
回到台灣的日常生活場景，這些機制其實跟不少人的財務習慣息息相關：
- 信用卡自動扣繳的帳戶餘額管理：許多遲繳其實不是刻意欠款，而是扣款帳戶餘額不足導致扣款失敗。定期確認自動扣繳帳戶有足夠餘額，是避免無意間留下遲繳紀錄最基本、卻也最容易被忽略的一步。
- 比較貸款方案時的查詢時機：如果正在規劃比較不同銀行的貸款條件，可以留意聯徵中心「三十天內同類新業務查詢視為同一筆信用需求」的規則，盡量將比較行為集中在較短時間內完成，而不是拖延數月、分散在不同時間點各自申請。
- 信用卡循環信用的使用習慣：長期只繳最低應繳金額、讓循環信用餘額持續累積，除了會產生較高的利息支出之外，也會影響前述「負債型態」與「額度使用率」相關的評分因子。
- 定期自我查詢的價值：由於本人查詢不影響評分，建議可以每隔一段時間查詢自己的信用報告，及早發現是否有非本人申辦的異常紀錄（例如個資遭冒用申請信用卡），或是確認過去的還款紀錄是否已經如預期正常呈現。
台灣的信用評分制度，本質上是一套建立在長期歷史資料統計上的風險預測工具，它並不會因為單一次的失誤就對一個人「蓋棺論定」，也不會因為單一次的良好表現就立即翻轉多年累積的問題。理解這套機制運作的邏輯，比起追求某個特定分數數字，更能幫助人們建立長期穩健的信用管理習慣。
重點回顧
- 信用評分模型主要根據繳款行為類、負債類、其他類三大類資料建立，評分區間約為 200 至 800 分。
- 繳款行為類關注遲繳的嚴重程度（M0 至 M6 等級）、發生頻率、發生時間點；愈晚近、愈嚴重、愈頻繁的延遲，影響通常愈明顯。
- 不良信用紀錄有法定揭露期限：逾期／催收類清償日起三年、呆帳類轉銷日起五年、信用卡強制停卡類最長七年；清償是揭露期限起算點，不是紀錄立即消失的時間點。
- 負債類資料看的是負債總額（相對於額度或收入的使用率）、負債型態（循環信用 vs. 分期型）、負債變動幅度，而非單純「欠多少錢」的絕對數字。
- 完全沒有信用往來紀錄，不等於信用評分會特別高；模型需要足夠的歷史資料才能做出穩定判斷。
- 當事人本人查詢自己的信用報告不會被納入評分模型；真正影響評分的是金融機構基於新業務授信目的的查詢，且三十天內的同類查詢視為同一筆信用需求。
- 信用評分是金融機構授信審核的參考資料之一，並非唯一決定因素，實際核貸結果仍取決於收入、職業穩定性、既有負債等綜合條件與個別機構政策。