【40分钟速成智能风控3】互联网金融风控重要性

目录

​编辑

风险管理的重要性

风险评估

差异化定价

整体利润最优

---

风险管理的重要性

互联网企融行业发展至今，早期头部机构的流量红利已经消失殆尽，取而代之的是互联网时代下半场的精细化运营。在这一阶段，风险管理就显得尤为重要。在传统认知中，风控人员只是一味“踩刹车”，大家普遍认为控制坏账率就是风控人员的全部工作。其实防范坏账发生只是风控人员工作的一部分，风控的本质应该是在坏账率满足条件的情况下使得整体利润最优，风控人员更像是一个控制“刹车”和“油门”的节拍器，风险管理应该是从风险评估、差异化定价到最终实现整体利润最优的三级火箭模式。

风险评估

风险评估是风控人员的本职工作，也是整个风险管理流程中的“第一级火箭”，是实现整体利润最优的基础和约束条件。风险是所有互联网金融业务的红线，一旦触碰红线就不用谈利润了。对于传统银行来说，贷款可以按照风险程度划分为正常、关注、次级、可疑和损失五类，其中后三类合称为不良贷款，根据银保监会要求，不良贷款余额占总贷款余额的比重不得超过5%。对于互联网金融行业，监管部门暂时还没有明确的不良贷款率警戒线，但是控制贷款风险仍然是各家机构的基本准则。

对于借款人风险的评估，主要还是从综合欺诈和信用两个方面入手。对于存在欺诈风险和高信用风险的客户，平台一般不授予其贷款额度；对于信用风险较低的客户，风控人员会利用申请评分卡量化其风险水平，将不同的人匹配到不同的区间内，实现风险分层的目的，指导下一步的差异化定价。

差异化定价

在风险评估的基础之上，下一步要做的事情就是给不同的客群分配不同的贷款额度和利率，也就是风险管理流程中的“第二级火箭”—差异化定价。对于机构来说，定价模型直接决定了产品最终的利润。如果机构对于借款人都给予相同的额度和利率，势必会造成好客户额度过低、坏客户额度过高的情况，又由于坏客户的逾期概率一定高于好客户，则会导致在逾期人数相同的情况下，该机构会损失更多的利润。同时，由于好客户一定是市面上所有互联网金融机构的目标客群，如果一个机构给出的额度和利率吸引力不足，这些好客户必定会流向其他平台，这对于平台来说是一种更大的损失。考虑到以上两个问题，差异化定价应当是所有风控人员必备的能力。

简单的差异化定价，可以直接利用客户风险分层的结果，对于风险较小的客群给予高额度和低利率，对于风险较高的客群则给予低额度和高利率。而对于技术能力较强的机构，如果在申请评分卡以外还搭建了一个效果较好的价值模型，则可以通过二维矩阵的方式，综合考虑客户的还款能力和还款意愿，给出更为合理的额度。在定价模型中，利率通常直接与申请评分卡所预测的逾期风险挂钩，最高利率>不得超过监管所设置的上限；额度则需要风控人员和财务人员一同制定，在财务人员测算的综合成本的基础上，风控人员考虑逾期损失，根据经验和计算给出能够盈利的最合理的额度。

整体利润最优

上述的差异化定价是一种比较理想的情况，其中忽略了一些实际工作中存在的变量，这就要求专业的风控人员具备让整体利润最优的能力，也就是风险管理流程中的“第三级火箭”。在实际操作中，客户对于贷款额度通常比较敏感，额度过低没有吸引力会导致客户的支用意愿不强，减少机构的收人；额度过高超过借款人还款能力又会增大客户逾期的风险，给机构带来不必要的损失。因此，机构的整体利润会随着额度的增加先增大再减小，如何找到额度的最优解，是风控人员需要解决的实际问题。

目前业内比较常见的方案有两种：息费敏感性测试和利用模型的在线学习。
息费敏感性测试，是指机构在线上配置多个实验组，不同的实验组给予不同的额度，利用线上的实际表现搜集客户关于额度的使用率、逾期表现等数据，再将这些实际数据纳入利润公式中，找出最优额度。不过由于风险表现的滞后性，通常需要3个月以上才能够观察到部分逾期表现，因而息费敏感性测试所需要的时间成本较高，适用于针对长期阶段的定价方案调整。

为了短期内优化已有的定价方案，在有一定放款数据的基础上，可以尝试利用模型的在线学习方式。这种方法拟合额度关于使用率、逾期表现等变量的曲线，以模型的方式进行预测，给出初始的授信额度，然后在模型上线后，实时调整使用率和逾期表现的拟合曲线，使得线上额度的分配逐步接近最优方案。

在实际应用中，建议两种方案相结合使用，模型的在线学习可以解决短期内额度不合适的痛点，但要想彻底根治，还是需要通过息费敏感性测试长期积累数据来优化。

print('要天天开心呀')