在信貸行業(yè)，風(fēng)控技術(shù)人員 TOP5 頭疼事件排行榜上，額度授予模型一定榜上有名；今天我就借這個機(jī)會，好好說說額度授予模型。

金大師筆下的江湖暫告一段落，金融風(fēng)控的修行卻永遠(yuǎn)在路上。

俗話說的好：

• 產(chǎn)品有三寶：彈窗，浮層加引導(dǎo)。
• 設(shè)計有三寶：透明，陰影加圓角。
• 運(yùn)營有三寶：短信，push加紅包。技術(shù)有一寶，這個做不了。

在信貸行業(yè)，風(fēng)控技術(shù)人員TOP5頭疼事件排行榜上，額度授予模型一定榜上有名。

今天我就借這個機(jī)會，抖抖額度授予模型的寶。

額度授予模型的難度主要來源于模型的驗證過程：

1. 驗證額度模型需要大量數(shù)據(jù)

風(fēng)險預(yù)測模型中，模型的輸出可以和客戶的實際違約情況進(jìn)行對比，從而一較高下；但是對于額度模型，每一個客戶都是獨特的，且只有一次被額度授予的機(jī)會，所以無法監(jiān)督哪一個額度模型的表現(xiàn)更好。

2. 驗證額度模型需要較長時間

額度模型的好壞，最常用的一把尺子是客戶帶來的利潤，為了觀測到客戶帶來的利潤，常常要追蹤客戶1到2年。在國內(nèi)瞬息萬變的信貸市場，等到這個時候可能黃花菜都涼了。

雖然驗證不易，但是在沒有足夠的數(shù)據(jù)和驗證時間的情況下，還是有一些基本原則可以助我們逆風(fēng)翻盤：

一、初級階段

額度矩陣?yán)斫馄饋砗芎唵危褪?strong>選取合適的指標(biāo)區(qū)分客群來授予額度。

我們用風(fēng)險作為唯一決策因子舉一個例子：

1. 確定額度范圍：通過分析產(chǎn)品想要針對的客群，從而找到一個適當(dāng)?shù)念~度范圍。比如說藍(lán)領(lǐng)貸款額度在3000到1萬之間；白領(lǐng)的貸款額度在5000到3萬之間；
2. 確定風(fēng)險因子：選擇一個評估客戶風(fēng)險程度的指標(biāo)，比如說使用融慧提供的多頭分；
3. 有了上面兩步，就可以快速地確定額度授予了（以藍(lán)領(lǐng)為例）：

在單因子的基礎(chǔ)上加入更多的考慮因子，比如說收入，就可以組成一個更多元的額度矩陣。

這樣的額度矩陣非常適合剛剛開始貸款業(yè)務(wù)的機(jī)構(gòu)，例如如下矩陣:

因為客戶自己填寫的收入往往難以驗證，也可以考慮使用其他的指標(biāo)代替，比如說居住小區(qū)房價、職業(yè)、生活習(xí)慣等畫像類指標(biāo)代替。這些維度的引入可以使額度矩陣更加復(fù)雜，也更加準(zhǔn)確。

不過，到哪里去找這些變量呢？

上面提到的風(fēng)險和客戶畫像，是融慧金科最擅長的領(lǐng)域；歡迎后臺留言垂詢。

二、中級階段

當(dāng)機(jī)構(gòu)在積累了一定的數(shù)據(jù)之后，可以通過建模來更科學(xué)地進(jìn)行額度授予。具體的指導(dǎo)思想則是以利潤為衡量的標(biāo)尺，找尋利潤最大化的點。

現(xiàn)金貸的利潤 = 收入 – 損失 = 貸款金額 x 利率 – 違約金額

在授信額度比較低的時候，額度增高，客戶可借款增加，收入增長的速度快。但是當(dāng)授予額度超過好人可以償還的范圍的時候，好人的額度使用率會下降，導(dǎo)致借款增長緩慢，收入放緩。

與此同時，壞人的額度使用率仍然會維持在100%左右，于是損失迅速增長。模型的目標(biāo)就是模擬每一個客戶的收入和損失，找到使利潤一階導(dǎo)為0，利潤最大化的額度；這個就是我們的最優(yōu)額度。

舉一個簡單的例子：

我們假設(shè)今天是Mate20手機(jī)（價值5000元）發(fā)售的日子。所有好人的借款目的都是購買Mate20。當(dāng)授信額度低于5000塊，好人一定會取完授信額度。但是當(dāng)授信額度超過5000塊錢以后，好人不會多取。與此同時，壞人一定會取現(xiàn)完所有授信額度。

假設(shè)客群的利息為18%，逾期概率為10%，那么：

這個客群的最優(yōu)的額度授予應(yīng)該為5000，每位客人的最大利潤為 5000 x (0.18-0.1) = 400元。

這個例子看上去是不是特別簡單？

但是實際運(yùn)用中可能牽扯到上百種變量和數(shù)十個模型。于是引出了接下來我們要介紹的機(jī)器學(xué)習(xí)模型。

三、高級階段

我們?yōu)槭裁葱枰獧C(jī)器學(xué)習(xí)模型？

原因就在于中級階段預(yù)測利潤的模型有兩個缺點：

1. 邏輯回歸模型不能抓住非線性的關(guān)系；
2. 實際運(yùn)用中，預(yù)測利潤往往牽扯到數(shù)十個模型疊加，所以更新模型十分耗時。

機(jī)器學(xué)習(xí)模型中，KNN模型適合用于額度模型，可以解決邏輯回歸模型的以上兩個缺點。

KNN模型，也叫最近鄰居法，它的思路如下：

1. 給大量客戶（客戶群體A）隨機(jī)進(jìn)行額度授予，并追蹤他們的表現(xiàn)；
2. 利用最近鄰居法在群體A中找到和申請人B相似的客群子集（子集C）；
3. 子集C里面的客戶群體因為被隨機(jī)分配了不同的額度，同時不同的額度帶來了不同的客戶表現(xiàn)，我們可以直接給申請人B授予子集C中使客戶利潤最大化的額度。

看到這里，大家一定 敬 (云) 佩 (里) 不 (霧) 已 (里)，所以我們特別做了一個圖：

從上面的介紹可以看出：KNN模型最大的困難就是積累足夠多的隨機(jī)樣本來進(jìn)行建模。這也呼應(yīng)了我們一開始提出的額度授予模型的難題。不過基于以上的分享，我相信每個階段的公司，都可以找到適合自己現(xiàn)階段發(fā)展情況的額度方法，進(jìn)行額度授予。

以上就是今天的5分鐘。

上面的例子看上去簡單，但額度模型的構(gòu)建其實是復(fù)雜困難的，不過獅子座屬虎的女明星曾經(jīng)給我們端上一碗雞湯。