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:
DTI-初放式:
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。
Se_Pd-Value(segment&pd)——调整式:
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客群为类银行客群,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。
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:
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。
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)
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:
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。
以上内容参考至番茄风控全线条训练营内容,其中的Se_Pd-Value限于篇幅没有具体解说,具体的内容请参考至第三期训练营。
~原创文章
…
end