【专栏】金融风控：一文看懂如何解决信贷额度授予难题
融慧FinTell · 零壹财经 2018-11-30 17:10:04 阅读：10139
金大师笔下的江湖暂告一段落，金融风控的修行却永远在路上。
俗话说的好：
产品有三宝，弹窗，浮层加引导。
设计有三宝，透明，阴影加圆角。
运营有三宝，短信，push加红包。
技术有一宝，这个做不了。
在信贷行业，风控技术人员TOP5头疼事件排行榜上，额度授予模型一定榜上有名。
今天我就借这个机会，抖抖额度授予模型的宝。
额度授予模型的难度主要来源于模型的验证过程：
1.验证额度模型需要大量数据
风险预测模型中，模型的输出可以和客户的实际违约情况进行对比，从而一较高下；但是对于额度模型，每一个客户都是独特的，且只有一次被额度授予的机会，所以无法监督哪一个额度模型的表现更好。
2.验证额度模型需要较长时间
额度模型的好坏，最常用的一把尺子是客户带来的利润，为了观测到客户带来的利润，常常要追踪客户1到2年。在国内瞬息万变的信贷市场，等到这个时候可能黄花菜都凉了。
虽然验证不易，但是在没有足够的数据和验证时间的情况下，还是有一些基本原则可以助我们逆风翻盘：
额度矩阵理解起来很简单，就是选取合适的指标区分客群来授予额度。
我们用风险作为唯一决策因子举一个例子：
1).确定额度范围：通过分析产品想要针对的客群，从而找到一个适当的额度范围。比如说蓝领贷款额度在3000到1万之间；白领的贷款额度在5000到3万之间；
2).确定风险因子：选择一个评估客户风险程度的指标，比如说使用融慧提供的多头分；
3).有了上面两步，就可以快速地确定额度授予了（以蓝领为例）：
这样的额度矩阵非常适合刚刚开始贷款业务的机构，例如如下矩阵:
上面提到的风险和客户画像，是融慧金科最擅长的领域。欢迎后台留言垂询。
2、中级阶段
当机构在积累了一定的数据之后，可以通过建模来更科学地进行额度授予。具体的指导思想则是以利润为衡量的标尺，找寻利润最大化的点。
在授信额度比较低的时候，额度增高，客户可借款增加，收入增长的速度快。但是当授予额度超过好人可以偿还的范围的时候，好人的额度使用率会下降，导致借款增长缓慢，收入放缓。与此同时，坏人的额度使用率仍然会维持在100%左右，于是损失迅速增长。模型的目标就是模拟每一个客户的收入和损失，找到使利润一阶导为0，利润最大化的额度。这个就是我们的最优额度。
举一个简单的例子：
我们假设今天是Mate20手机（价值5000元）发售的日子。所有好人的借款目的都是购买Mate20。当授信额度低于5000块，好人一定会取完授信额度。但是当授信额度超过5000块钱以后，好人不会多取。与此同时，坏人一定会取现完所有授信额度。
假设客群的利息为18%，逾期概率为10%，那么：
这个例子看上去是不是特别简单？
但是实际运用中可能牵扯到上百种变量和数十个模型。于是引出了接下来我们要介绍的机器学习模型。
3、高级阶段
我们为什么需要机器学习模型？
原因就在于中级阶段预测利润的模型有两个缺点：
1.逻辑回归模型不能抓住非线性的关系；
2.实际运用中，预测利润往往牵扯到数十个模型叠加，所以更新模型十分耗时。
机器学习模型中，KNN模型适合用于额度模型，可以解决逻辑回归模型的以上两个缺点。
KNN模型，也叫最近邻居法，它的思路如下：
1.给大量客户（客户群体A）随机进行额度授予，并追踪他们的表现；
2.利用最近邻居法在群体A中找到和申请人B相似的客群子集（子集C）；
3.子集C里面的客户群体因为被随机分配了不同的额度，同时不同的额度带来了不同的客户表现，我们可以直接给申请人B授予子集C中使客户利润最大化的额度。
看到这里，大家一定敬(云)佩(里)不(雾)已(里)，所以我们特别做了一个图：
以上就是今天的5分钟。上面的例子看上去简单，但额度模型的构建其实是复杂困难的，不过狮子座属虎的女明星曾经给我们端上一碗鸡汤。
相关文章
用户评论
所有评论
他的文章 ( 9 )
资讯排行
- 48h
- 7天
专题推荐
more
第四届中国零售金融发展峰会(共15篇)
《陆家嘴》交流会第6期(共14篇)
2022第一届中国数字科技投融资峰会(共43篇)
2019年数字信用与风控年会(共15篇)
-
首页
-
评论
-
回顶部
游客
自律公约