信贷行业如何把握资金授予额度？融慧金科轻松解决

　　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，然而融慧金科是专门致力于为金融机构，为金融机构提供全方位的风控解决方案，让每一个人便捷地获得适合自己的金融服务，在额度授予模型上经验丰富，在此就给大家简单的介绍一下。

　　额度授予模型的难度主要来源于模型的验证过程：

　　1. 验证额度模型需要严谨判断

　　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：

　　01 初级阶段

　　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)：

　　在单因子的基础上加入更多的考虑因子，比如说收入，就可以组成一个更多元的额度矩阵。

　　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:

　　因为客户自己填写的收入往往难以验证，也可以考虑使用其他的指标代替，比如说居住小区房价、职业、生活习惯等画像类指标代替。这些维度的引入可以使额度矩阵更加复杂，也更加准确。不过，到哪里去找这些变量呢?

　　上面提到的风险和客户画像，是融慧金科最擅长的领域。

　　02 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。

　　现金贷的利润 = 收入 - 损失 = 贷款金额 x 利率 - 违约金额

　　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：

　　这个客群的最优的额度授予应该为5000，每位客人的最大利润为 5000 x (0.18-0.1) = 400元。

　　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。

　　03 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：

　　从上面的介绍可以看出，KNN模型最大的困难就是积累足够多的随机样本来进行建模。这也呼应了我们一开始提出的额度授予模型的难题。不过基于以上的分享，我相信每个阶段的公司，都可以找到适合自己现阶段发展情况的额度方法，进行额度授予。

　　除此之外，融慧金科目前已经推出多套产品和服务方案，包含标准化风控产品、定制化模型开发、体系化风控咨询、端到端全流程信贷业务解决案。目前，融慧风控产品已广泛应用在持牌消金、互联网金融、信贷、保险、银行等多类型机构，并取得了良好的效果。