政策&定价&风控审批策略
政策与定价
1.不同应用场景下量化风控政策设定
市场主流产品
-
无定向用途贷款（信用贷款）；2.定向用途贷款（商品贷款）
无定向用途贷款申请流程：
-
进件
-
审核
-
审核结果/授信
-
贷后管理
政策制定关注点：
-
用户准入设计，排除高危用户后的目标客群；
数据准入设计，必填项的要求与考量；
个人信息验证，包括人脸/活体/实名认证；
用于用户信息验证的外部数据，根据风险考虑，是否采用强授权信息
-
审核步骤设计，策略、模型及反欺诈的介入时机与介入窗框；
不同风险等级的审批流设计及操作指南；
用户的拒绝死线及政策弹性通过的触发条件
-
授信金额的确认，不同审批流中的授信金额幅度设计；
授信的激活时机及失效限制；
授信的定价及调整许可范围
-
不同风险等级的的评级变化标准；
用户级别变化的基本条件；
高危用户的定义标准及条件应用；
针对不同产品形式的用户升级条件
二量化风险政策的业务应用流程
1.准入设计（硬规则及软规则）
硬规则:
-
用户基本准入：个人信息，生物识别，征信材料提供；
-
业务准入：渠道属性，标的物属性；
-
政策限制：特殊人群，特殊行业，特殊途径；
-
征信限制：外部查询，预期记录，内部核验
软规则：
-
用户资质调整：风险等级分层、资料缺陷调整
-
征信要求调整：额外提供材料要求、额外审批流程要求、额外数据调用要求
-
产品属性调整：因可控风险变高而带来的产品属性调整
-
用户外推：优质用户外推、次级用户同类产品外推
-
额度调整要求：升降额、额度禁用冻结等
-
审核环节设计
用户基本准入→标的物核验（如有）→审核操守及标准→用户资质评级→审批授信→贷后跟踪
数据外界及埋点要求，政策，反欺诈管制
3.额度控制及定价设计
产品设计→额度控制→产品定损、额度制定、定价设计→产品设计
你所应该知道的指标和计算：
-
通过率、转化率、授信金额、违约率
-
风险损失
-
资金占用周期
量化风险管理应用
损失估算及授信应用
-
为什么要做风险授信管理及定价
-
这个产品风险高吗？
-
-
人群分析
-
过往数据回顾
-
产品预期违约概率预估
-
这个产品的风险成本是多少？
-
贷款的还款方式（一次性还本付息、等额本息、等额等息）
-
贷款的违约情况（人群分布，产品形式分布-分期用户）
-
贷款回收情况
-
定价多少才能赚钱？
-
如何定价？（收入=成本）
-
成本有哪些？
-
风险成本
-
人力成本
-
运营成本
-
资金成本
-
-
损失与定价如何匹配？
4）定价多少才合适
预估损失→基础成本→边际成本（数据成本，获客成本） →收益平衡点 →定价
授信管理与定价的关系
-
计算损失率
-
针对产品给予风险敞口阈值
-
根据敞口及风险损失制定价格
-
风险损失的组成要素
通过计算整体授信资产的指标来得出预期的风险损失：
计算公式：Expected Loss= Probability of Default * Exposure at Default* Loss Given Default
PD：逾期率 EaD：风险敞口 LGD：违约损失率
风险损失的计算流程：
设定风险偏好→计算各客群用户数分布→计算客群违约概率→分配敞口→验证
预估信用风险损失三大要素的获取手段
-
贷前、中数据预估
-
贷后数据观测
-
催收数据观测
贷前、中、后数据观测表介绍
-
评分卡跟踪
-
评分卡稳定性回顾PSI
-
审核情况监控（TK流+拒绝+通过比列）
-
地区监控
-
资金监控 vintage资产质量
-
回款监控（本金+利息）
-
提款率监控
-
客群监控（地域/学历/评分/性别/产品等）
-
还款方式监控
-
损失预测（分期、先息后本）
3.不同产品间的风险损失计算方式
为什么风险损失需要因产品而异？
-
还款方式的不一致，导致损失的计算方案不相同
-
利息损失与本金损失因产品的还款方式和收费标准会有所不同
主流产品介绍：
-
一次性还本（多次付息、一次付息）
-
分期还本（等额本息、等本等息）
一次性还本产品损失计算方式
本金损失估计：
-
估算人群比例分布
-
估算人群违约概率
-
估算人群违约敞口
-
估算人群违约回收率
利息损失估计：
-
利息还款方案
-
利息偿还概率
-
利息计算方式
分期产品损失计算参数：
-
各期违约概率（连续违约概率及概率变化曲度）
-
各期违约敞口（本金/利息）
-
各期产品违约回收率
-
周期损失计算
4.资金占用、产品周期与年华损失的定价应用
风控审批策略
为了达到目标，从而采取的一系列举措
审批策略目标：低成本+低坏账率
低成本：搭建合理审批流程、自动化审批，减少人工、控制征信成本
低坏账率：防止欺诈风险、控制信用风险、加强贷后管理
-
审批策略架构搭建
制定策略的目标是什么？
从需求客户中，筛选出风险较小的全体，并给出对应的额度
目标分解后为一下几点：
-
审批对象为个人
-
需排除高风险群体
-
出具额度
-
熟悉产品类型，了解进件流程
熟悉产品类型：
-
明确核查审批的对象
-
了解市场行业审批流程
-
评估在客群层面是否存在明显风险
-
明确产品目标客群的范围
了解进件流程：
-
收集进件流程中可获得的进件要素
-
寻找流程中的风险点，制定对应的风险排查方法
-
根据明确的审批对象，制定主体策略模块
常规审批策略模块
-
个人信息验证
-
准入模块
-
欺诈判断
-
黑名单判断
-
信用风险评估
-
人工
-
授信
-
交易风险
注：
-
策略模块要根据产品流程来制定
-
每一个对应解决一个或者多个风险点
-
找不到解决方案的风险点需要预留位置
-
对应主体策略模块寻找风险解决方法
-
第三方数据源
-
增加进件要素获取
-
爬虫获取额外信息
-
注：数据源的选择
-
数据体量（查得率）
-
区分度（覆盖率等）
-
是否稳定
-
数据来源
-
根据确定的策略模块，设计审批流程
-
无费用在前，有费用在后
-
强高风险在前，弱风险在后
-
尽可能存留信息
注：考虑真实费用，而不是账面费用；可根据实际情况灵活调整
-
确认审批流程落地方案
-
决策引擎
-
审批系统
-
征信平台
注：征信平台
-
作为第三方数据源回传数据统一存储平台
-
记录每次查询结果
-
将原始数据处理为决策引擎可使用的字段
-
可管理多个同质数据源
解决方案：准入人群，确认风险点，寻找对应的排除方法，合理组合解决方法
成本类：推广费用，审批征信费用，放款成本，征信成本
-
数据源内容介绍
基本验证
公安核查，人脸识别，活体检验，银行卡三/四要素验证，手机要素验证
黑名单（身份证，手机号，联系人手机号）
-
法院执行人/失信被执行人
-
司法诉讼、行政违法、民间欠款等
-
高危行为、欺诈名单
-
金融信贷逾期、不良
-
金融信贷资信不佳、拒绝
-
关注名单
信用
-
多头借贷
-
信用分
-
互联网标签
-
银行卡信息
-
决策引擎
概念：是只吃变量，且只吐变量的系统
作用：将风控策略落地
与传统代码实现策略有什么区别？
-
风控业务人员可自行配置或更改
-
风控策略保密性更高
-
调整更快
决策引擎简介：
-
只能处理单变量，且只能输出单变量
-
内部可建立多个规则包，一个规则对应一个产品
-
可对每个使用用户进行规则包权限控制（只读，删改）
-
也可对没个使用用户进行内部组件权限控制
-
可对组件进行冻结，避免操作风险
决策引擎内部组件介绍：
-
数据模型
-
规则&规则集
-
决策树
-
评分模型
-
一维表索引
-
代码块
-
规则流
-
规则流测试
-
策略调优
什么时候需要策略调优？
-
资产质量朝坏的方向变化
-
逾期指标偏高
-
通过率下降
-
预测的坏账比率超过逾期
调优步骤：
-
确认是调整贷前策略还是贷后策略
-
是D类调优还是A类调优
-
量化分析调优阈值
-
预测按照方案调整后的效果
-
调整后验证结果与预计效果是否一致
-
重复修正
D类调优
在通过的客群中寻找差客户拒绝
将会降低通过率，且降低逾期指标
离线即可完成量化分析
A类调优
在拒绝的客群中找好客户通过
将提高通过率，逾期指标可能增加
需要决策引擎标记豁免部分样本分析
风控审批策略（续）
-
常用量化指标
-
逾期
-
账单逾期&订单逾期
-
逾期时段（M1,M2,）
-
资产质量
-
Vintage
-
首期逾期率
-
PSI=（A-B）*ln(A/B) 用于衡量指标的波动程度
注：PSI<0.1稳定性很好
0.1<=PSI<=0.25关注
PSI>0.25异常
-
探索性规则分析
-
确定探索性规则的目标
-
将于目标相关的变量与目标整理成宽表
-
使用SAS进行探索性分析
-
寻找与目标强相关的规则
-
评分卡使用策略
原理：
1）用历史数据预测新客户的违约概率
2）当前存在即合理
3）二分类结果
什么时候需要评分卡
-
进件量较大，规则无法满足更细的切分需要
-
有许多无法判断风险类别的灰色客群
使用场景：
-
人工分流
-
客群豁免
评分卡cuttoff
调额步骤：
-
筛选可调额客户
-
分为调额组与对照组
-
调额后调额组与对照组资产趋势分析
-
根据结果回调最初筛选可调额客户的规则
最初调额客户的筛选方案：
-
历史未逾期
-
账龄达到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
