差异化信用额度管理有什么“三板斧”？

原创： Jackie Liang 金科应用研院

相较于写爆料热点文章，金融科技应用类的技术贴更难写，感兴趣的读者更少，转发也更低，这个从我一开始主笔的时候就意识到。我又不是一个擅长写作和营销的人，只能不停地要求自己写更接地气、更实用的文章吸引读者粉丝。

自2017年11月07日第一篇，主笔自己擅长领域评分卡模型的系列原创文章，到后面有关风险审批策略、风险定价、反欺诈等一系列文章，并不是所有风控领域我都擅长，只是希望可以多元化的为关注粉丝提供量化风险管理全流程的原创资料，我才努力去自行研究学习，才会写出 你真的了解欺诈吗？最全欺诈风险防范经验手册 、 一条案例：如何选择合适的第三方数据源 、 量化风控英文术语百科全书 等相关原创文章，也得利于各领域专家的帮助，才会有 40页PPT详解反欺诈体系与策略规则 、 欺诈行内黑话大集锦 这些阅读量破千的研究报告。

在超过一年半的坚持中，我创立了自己的公司，和几位志趣相投的伙伴创办了“金融科技应用研究院（FAL）”这个在线教育品牌，和一些优秀的风控专家组建成稳定的教育研发团队。 从我正式All in到这篇文章的发布，有一年的时间了。

到目前，在FAL在线教育学习平台学习过“个贷类量化风险管理”教育系列产品的学员超过500名，其中来自一线城市广东30%、北京26%、上海25%；银行从业人员56%、非银金融企业25%、咨询征信类19%；风控从业者占比78%、产品经理及其他占比22%；职级分布总监、总经理及以上占比27%、以下73%。

从质疑到肯定、从懵懂到坚定、从1个人到一群人，从0到1，FAL始终秉持着Share Technology Happy Finance的愿景，链接着平台上所有的人，不论是创业团队、讲师团队还是我们的学员、粉丝。虽然我们现在并非做的最好，但我们一直在努力做到“最好”。

希望在接下来的一年有更多的创业伙伴、讲师伙伴、学员和粉丝们共同见证我们一起努力后的成长。

【正文，差异化信用额度管理的三板斧】

在金融行业发展度过野蛮阶段后，差异化定价和额度管理成为金融机构符合监管要求前提下是否可以最大化获利的核心竞争力。 每个客户的消费规律不同、征信数据表现不同、借款需求和还款能力不同，因此初始额度能否足够引起客户兴趣，是一件非常重要且需要持续监控优化的事情；同时，额度也是决定借贷产品盈利能力的关键组成部分，它可以在风险损失不变（或可接受增幅）的前提下带动利润增长并提高客户的满意度。

额度授予，包括初识额度、主动提额、被动提额、降额。从金融机构差异化信用额度管理角度考虑，我将讲解三种额度管理的方法，戏称“三板斧”。

第一斧·进件规则型额度矩阵

在初期没有很多数据验证的情况下，可以通过一些进件指标进行交叉生成额度矩阵，例如，以收入为单一规则进行额度授予，首先可以划定该产品预计发售的额度区间（例如额度为3000-10000），即可用一些收入指标分配额度给客户。举例说明，对于低收入客户授予3000额度，中收入客户授予5000额度，高收入客户授予1万额度。同样，对于高风险客户授予3000额度，中风险客户授予5000额度，低风险客户授予1万额度。最初的额度管理矩阵就产生了。

第二斧·评分模型Cutoff+策略额度管理

在数据产生一定的表现期后，评分卡已经开发上线，这个时期可以对一部分灰色客群运用评分卡的合理cutoff进行额度管理第一次优化。

在之前的一篇 精细化的风险管理，评分的应用策略之道 文章中有提到评分卡模型合理的cutoff应该联动地考虑一些量化指标。以FAL量化风控训练营审批策略课程的一个案例为例，通过一系列指标的联动分析，最终测算出不同分数段的累计净收益（逆向），再结合不同业务时期的损失与利润需要，制定好符合业务发展的Cutoff。

评分模型找到合理的cutoff之后，结合调额策略进行额度管理。 一般调额步骤包括筛选可调额客户、划分调额组和对照组、结合Vintage观察调额组和对照组资产逾期变化、调额策略回顾及优化调额策略。

举个例子，初始筛选可调额客户的策略可以是：评分模型利润最大化cutoff分数段客户、历史未逾期客户、帐龄达到6个月、活跃月份占比超过80%、额度使用率超过85%、未办理过再分期业务。通过这些策略条件筛选出来的客群，划分80%为调额组、20%为对照组。通过观察调额后两组资产质量的变化、不断优化调额策略，不断剔除调额后逾期增加的客户，直至对照组和调额组的逾期一致，那样说明此时的调额策略是最优的，此时就可以按照调额策略进行额度管理的二次优化。

第三斧·回归模型寻找最优Lamda

第二斧通过不断的优化策略过程，可以逐渐找到最优的调额策略，实现差异化额度管理，是一种可行易用的额度管理办法。但这种办法一个缺点是策略试验周期久，需要有经验的策略专家制定高效的初始调额策略（有点像聚类算法里的初始种子），同时根据调额策略回顾不断优化，仍然有一些经验测试调额的感觉。

第三斧是运用机器学习算法，最近邻居法，基于定价利润最大化的回归模型寻找出定价模型中Lamda的最优解，实现差异化额度管理的最大利润化。

举个例子，大家都知道EL=PD*LGD*EAD，调整授信额度(EAD)后会引起EL的变化，但授信额度的变化与EL的变化不是线性关系的，此时就有调额后罚项因子的介入干预。

罚项因子的公式为EXP(Max(LN(调整后人均授信/人均授信),0)*Lamda)),通过回归模型找到最优Lamda就成为第三斧的关键点。因为第三种方法过于复杂，需要对EL=PD*LGD*EAD这个定损模型有很深度的理解，文字难以表达这个调额的逻辑，所以本文不再过多介绍，在FAL量化风控训练营的定价课中有详细的课授案例解释。

这就是我为大家分享的差异化额度管理的“三板斧”，大家有什么问题或者更好的管理办法，欢迎评论区留言或者FAL风控交流群讨论。希望我的这篇原创分享可以对读者您有所启发。

微信公众号搜索： 「 金科应用研院」
可以从 菜单栏点击「在线学习」
更多风控培训课程与干货学习资料，都在微信公众号

回复关键字： 「风控量化福利包」 ➡️领取干货学习资料
回复任意词可以加我们官方微信加入百人 风控学习群
不定期分享干货资料，与行业内总监大咖一起讨论风控经验～