句子汇,欢迎您!

汇总额度较高什么意思(额度与定价汇总)

100次浏览 2025-03-20 18:15:30 发布 编辑: 番茄风控大数据宣

风控中有两大重要的模块内容,分别是授信额度与利率定价。今天就结合番茄风控历史的文章,整合了以往的文章,希望能帮助各位年后跳槽的风控同行,带来一些思考。


一.授信额度制定(定额)

产品定额不管是零售信贷还是对公,都是重要的一环。信贷产品从0到1,从无到有,并且一直是迭代优化的过程中,其总会经历以下历程:

冷启动——>数据积累——>数据调优与迭代——>数据稳定——>产品退出

以上基本涵盖了产品全生命周期,产品定额在这些不同阶段上所采用的方法也有所不同。但从定额的角度来看,目前定额的方法,可以简单粗分为两大类:


1.1.DTI-粗放式

信贷两大基本逻辑,各位风控人百说不厌,还款意愿与还款能力。因为从流程上来讲,定额是处于贷前风控节点流程中偏后环节。所以额度的确定,更多地会从还款能力上考察信用风控。

信用风险,其考察逻辑主要是判断其收入数据、负债情况【 DTI全称Debt to Income Ratios(通常缩写为DTI) 】。但很明显收入维度,我们无法直接获取,但在常规上就有几种方式判断,我们从线下与线上渠道分别说明:


线下渠道:

在之前的线下渠道中,认定客户的收入大都通过以下渠道来获取客户收入:

1.从客户提供流水数据来判断;

2.通过客户的保单跟贷款情况来判断,比如房贷的2-3倍认定收入,收入与保费的数据也雷同;


线上渠道:

线上自动化进件收入判断跟线下渠道有所差别,介绍以下几种:

1.通过外部三方数据判断,之前有很多做三方数据的厂家,如大家熟悉的鹏元等,在较早前都有收入数据维度;

2.通过税务税务、社保、公积金数据来获取,这种一般是银行类产品,很多银行打通了这些接口;客户授权后能直接获取这些数据,银行通过这类接口数据再来推送收入情况。无疑,这类数据最为准确;

3.通过征信数据判断,通过征信数据的各个维度可以做相关的收入模型判断,这个能做的内容就非常多了。

以上通过不同的方式来核定还款能力DTI。随着数据的积累与沉淀,风控人员发现用最基本的DTI已经没有办法进行更精准的定额,因为以上的定额基本只停在风控的冷启动阶段。在风控的冷启动阶段,数据大部分是拍的,但大部分的数据都是有逻辑的拍(后面有具体的案例)。等到一定量级后再通过差异化的风险评级来实现定额,就引出了以下调整式的内容。


1.1.DTI的授信举例

以上关于DTI的授信矩阵,相关的额度矩阵数据,简单如下:

编辑

添加图片注释,不超过 140 字(可选)


以上在风控政策岗普遍会用到相关的额度矩阵,如果其中关于具体的定额,在产品中还有相关的定额矩阵,数据情况如:

个人授信额度 = MIN【(当前月收入-平均每月应还款总额)*可支配收入比例*扩展系数,最近6个月平均使用额度*3】(额度有效期:3个月)

说明:扩展系数暂定为3.0,可支配收入比例暂定0.5。

编辑切换为居中

添加图片注释,不超过 140 字(可选)


其中,对于征信非白户的客户,个人月收入预估=Max(A1,A2,A3,A4,A5,A6,A7)


1.2.调整式——基于Se_Pd-Value(segment&pd)

基于Se_Pd-value的调整式的定额,是数据积累到一定节点后的产物,也是更科学的定额方式。做好客群定额,即需要考虑的内容有以下情况,分别为:

产品接受率,利率,客群分层占比中的PD等数据;通过这两个的方式进行相关的调整,才能综合求出更合适的定额策略。

基于Se_Pd-Value的调整式的定额,更好地做好差异化内容。

以具体的产品为例子,比如现在有两款产品,a与b。这两个产品其借贷利率分别是a=16%,b=10%。a产品为小贷客群产品,利率偏高;b客群为银行类客群,风险偏小,随之其违约风险相应的也会对应以下内容:pd-a为8%,pd-b=4%。

综合下来a的利润在v-a=8%,v-b-=6%的区间。以上我们通过最简单的a与b产品,简单阐述通过Se_Pd-Value的综合调整,但在实际生产过程中需要考虑的内容非常复杂,结合考虑的还有产品接受率,lgd等情况,展开来就更复杂些。

当然以上的额度矩阵并非一成不变,最重要的是仍要用ABtest去验证额度效果:

编辑切换为居中

添加图片注释,不超过 140 字(可选)

1.3.额度陷阱

在给与额度的同时,业内经常讨论的逻辑是,额度跟风险的考量,额度跟风险是相关的,客群风险低,额度仍需有上线支撑,俗称盖帽额度。比如给与客户1千万的授信额度,要是后续还不上也就不还了,因为这个授信额度大到客户永远无法赚回其收益,也就没必要偿还相关贷款。


二.产品利率制定(定价)

整体的定价内容都有哪些?

目前依托于互联网金融的定价体系发展阶段大概经三个阶段,分别为如下展示:

1.一口价模式,简单粗暴,劣币驱逐良币,针对所有的用户群体都按照统一的费率标准进行展示,不需要数据基础;2.粗算型定价,可针对部分客户进行区别性定价,但定价偏差大,需要少量已有表现数据基础;3.大数据定价,可针对不同客群数据进行区别定价,定价差异较小,但解释难度大,需要大量已有表现周期数据基础。

2.1.风险定价应该怎么做?

风险定价的核心思路,主要有以下几点:

第一 人群的划分针对于客户特征给客群提供精准的风险定价。数据量包括不限于客户基本信息数据、征信数据、外部第三方数据、还款行为数据等等。

清晰准确的客群划分,是风险定价的核心基础。


第二 资金成本的考量不同客群在不同场景下,逾期率、损失率是多少,会产生多少M3+的坏资产。

第三 风险预估风险一直都是存在的,做风控的人都知道风险都永远都不可能消失的,除非不做业务。那么风控的职责不是说消灭风险,而是降低风险。风险定价的作用就是将用户的逾期风险与信贷产品的收益挂钩。将获客成本,资金成本,催收成本等涉及到信贷环节的支出分摊到每个客群上,即使客户发生违约,但是产品收益能覆盖损失,并且稳定覆盖,那么这就是一个好产品。

2.2.如何确定风险定价?

根据以上三大核心思路,准备好以下不同数据:

1. 基础数据包括客户的个人信息(性别、年龄、学历、公司情况、收入情况、个人资产情况)等客户个人信用报告客户行为数据,如互金授信、设备信息、手机通讯录权限、手机内包含贷款app数量

2. 第三方征信数据,包括是否为其他公司黑名单客户、多头借贷数据、其他公司逾期情况、关联联系人信贷情况等

3. 交易数据(如近三个月、半年和一年内的订单数、授信金额、平均额度、增长幅度等)、资产数据(每个月资产授信本金、每月授信增长额等)

4. 逾期数据,包括:

逾期率分布情况:DPD30+%、DPD60+%、DPD90+%

催收回收率:

C-M1、M1-M2、M2-M3、……M6-M0坏账率:定义坏账天数,如180天为坏账,则DPD180+%为坏账率坏账回收率...


2.3.风险定价模型

数据收集完毕,打好了基础,开始可以搭建风险定价模型了。

1. 政策决策规则

一般针对有区别性较强的单一数据,可使用政策规则进行调整定价,如已从数据得知某信用分小于620的DPD30+%高于平均值的2倍,或者,某信用分高于660分的DPD30+是平均值的一半,可针对单一分值提高或降低定价。

规则为:

if 信用分<620then 定价=36%;

if 信用分>=660then 定价=18%。


2. 定价模型

由定价模型根据逾期表现对客群进行分类,推算逾期概率较高的客群进行定价的提高,逾期概率较低的客群降低定价

编辑

添加图片注释,不超过 140 字(可选)


3. 决策树模型/评分卡模型

针对不同客群可做客群细致切分,结合不同维度逾期数据、外部数据、客户信息等,对定价进一步细分。

编辑

添加图片注释,不超过 140 字(可选)


4. SNA关联网络针对反欺诈关联网络数据,可进行细微针对性的定价调整;根据复杂网络关联情况,衍生出不同数据字段,针对字段严重程度进行定价的调整。

如:

30天内是否存在相同证件号码但不同手机号申请

半年内同一下单设备关联不同借款人数

1天内同一设备关联不同借款人身份证数

7天内同一设备关联不同借款人身份证数

存在关联联系人逾期>90天

存在关联联系人当前逾期


2.4.非循环贷的产品,定价实际案例说明

以下以非循环贷的产品进行具体的案例说明,进行具体的利率定价的步骤。

非循环贷产品好解些:假设金融机构的利率为r,产品接受率为q(r),借贷利率为rf,违约损失率为LGD(简称l),违约率为PD(简称1-p),不违约概率为p。则预期利润为:E(r)=q(r, L)* [( r–rf) * p– (l+rf ) *(1– p )]

对于循环贷而言,稍微复杂,但也可解。客户在成功审批通过后,可以根据产品竞争力(即借贷利率)和自身资金需求来决定提取金额的比例,也就是说上述公式除了接受率外,还需要增加一个额度使用率, 即:

E(r)=q’(r ,L)*[( r–rf) * p– (l+rf ) *(1– p )]

例如有一款循环现金贷产品,申请通过后客户将获得一个授信额度。客户可在授信额度下根据自身需要自由选择提取现金的比例,使用后最长还款周期为12个月,产品还款方式为按月计息,每月有固定账单日期计算当期欠款及利息,还清使用额度后可用额度即恢复至授信额度。

由于贷款期限和客户额度使用率的不确定,具体到循环贷产品中金融机构需要解决两个问题:

1、如何确定利率?

2、如何确定额度?


以下以实操案例为大家讲解:

2.5.实操展示——

假设各期账单周期移动到下一个状态的概率只依赖于当前状态,而与之前的历史情况无关,本次我们使用马尔科夫链模型来分析各期的期望收益:

如对申请贷款客户进行数据分析,信用评分处于低风险等级的客户下一期关闭账户、申请贷款且维持低风险等级、申请贷款且转为高风险等级、申请贷款且违约的概率分别为5%、85%、9%和1%;

信用评分处于高风险等级的客户下一期关闭账户、申请贷款且转为低风险等级、申请贷款且维持高风险等级、申请贷款且违约的概率分别为0%、5%、90%和5%。若低风险申请贷款客户收益为8,高风险申请贷款客户收益为16,平均违约成本为180。

面对以上指标,我们需要引入风险矩阵加权表来表述相关关系,其中的风险矩阵加权表,拟合如下:



若申请初始贷款客户状态为低风险客户,即为[0,1,0,0],那么下一期的概率为:[5%,85%,9%,1%],综合得出:期望收益为85%*8 + 9%*16 - 180*1%=14.44%

算出了期望收益,便可以通过风险收益来制定具体的循环贷的风险定价~

文章标签

相关文章

01为什么需要贷款中介?1、筛选银行,提高贷款成功率不同银行对借款人的申请要求不一样,有的银行申请人最高只能到60岁,有的银行也能做到70岁,流水不够这家银行可能贷不了,但也有银行不看流水,所以如果我们直接去申请的话,很有可能会被拒贷。如果前期条件符合,到征信这一步被刷下来了,那这样不仅贷不了款,还
做基金投资,不仅要考虑怎么买的问题,同时也得考虑怎么卖的问题。怎么买影响的是基金投资的浮盈浮亏,而怎么卖就是影响的基金投资的实际盈亏了。比如有人在赎回基金时,明明看到基金是盈利的,可在赎回后却是亏损的,这是为什么呢?为什么盈利的基金赎回后会变成亏损?这种情况在实际中可能并不少见,不过出现的原因可能有
KDJ指标是投资者中最常使用的一种技术指标,它反应灵敏,有非常明确的买卖信号,简单易学,深受大多数投资者的喜爱。做短线我们肯定做的是短期上升趋势!而不是短期下跌趋势,也不是短期震荡趋势!KDJ指标基本操盘技巧:1、当K值大于D值,表示目前是上涨的趋势,因此在图形上K线向上突破D线时,即为买进信号;当
先介绍MACD指标几要素,分别是白线,黄线,红柱子,绿柱子,零轴!第一种用法:黄线及白线大家平时估计使用比较多的就是零轴上的金叉和死叉,零轴下的金叉及死叉,一般是在自己的操作级别上,在零轴上方为走势比较强势,并且金叉买入,死叉卖出。在零轴下方为走势比较弱势,并且金叉买入,死叉卖出!如图:金叉买入(零
近期,除了各家全力以赴营销的中证A500指数基金、各类股票型ETF,还有一类ETF同样在强势增长,那就是债券ETF。截至9月底,不到30只的产品数量,总规模却已突破1400亿元,这类产品有哪些特点呢?据ifind显示,我国首只债券ETF成立于2013年,2020年后产品数量和市场规模逐年增长。根据跟
首先确认一点,离职后缴存的公积金肯定是可以提取出来的提取方式有2种:第1种是带齐资料去各个旗舰网点办理第2种是直接在网上办理那办理提取需要哪些条件以及具体怎么操作下面就来详细介绍一下满足的条件:公积金贷款或者组合贷款都是已经还完了(没有贷款的就忽略)如果是本市的户口,账户封存或者公积金已经连续2年没
一、允许律师见证的银行业务类型首先需明确的是,律师见证业务系对于法律事实进行的见证,对法律事实真实性作出证明的过程。根据《上海市律师见证业务操作指引》之规定,律师见证的业务类型包括:1.委托人亲自在律师面前签名、盖章;2.委托人签署法律文件的意思表示的真实性。该等法律文件包括但不限于各类合同/协议、
讨论医疗保险时,常有人问:“我缴纳了医保费用,为什么没有个人账户?”这种疑问表明了大众对于医保系统的不足了解。一、同样参加医保,为什么有人没有个人账户?首先,要明白某些人拥有个人账户而另一些人没有的原因,关键是要理解我国医疗保险制度的主体架构。按照就业状况,我国的医保可分为职工医保和居民医保两种。在
1. 汽车抵押贷款流程借款人向典当机构提出贷款,经过借款人资质审核,对车辆进行评估,双方确认额度,办理相关手续,审核通过后,就可以进行放款,之后按时还款就可以了。2. 做汽车抵押贷款必须押车吗?做车抵可以选择押车或者不押车,如果所需资金比较多,建议还是押车的,押车可以贷的额度比较高一些,如果日常生活
贷(投)后管理目前是商业银行风险管理的重要环节,《商业银行授信工作尽职指引》中规定,“商业银行授信实施后,应对所有可能影响还款的因素进行持续监测”。当前国内外经济形势错综复杂,买方市场下金融机构竞争加剧,商业银行“服务实体经济、防控金融风险、深化金融改革”过程中面临的新形势、新挑战、新机遇对贷(投)
风控中有两大重要的模块内容,分别是授信额度与利率定价。今天就结合番茄风控历史的文章,整合了以往的文章,希望能帮助各位年后跳槽的风控同行,带来一些思考。一.授信额度制定(定额)产品定额不管是零售信贷还是对公,都是重要的一环。信贷产品从0到1,从无到有,并且一直是迭代优化的过程中,其总会经历以下历程:冷
如果从中长线的角度来看,大盘上涨的时间比下跌的时间多!从盘面上来看还是阳 k 线占多数!无论是时间还是空间!关键最讨便宜的操作方式是什么呢?这个图一下子就可以看出来!要么持股3~6个月,如果从中长线的角度来看休盘上涨的时间比下跌的时间多!从盘面上来看还是阳k 线占多数!无论是时间还是空间!关键最讨便

网站内容来自网络,如有侵权请联系我们,立即删除!
Copyright © 句子汇 琼ICP备2023010365号-42