学会这三种贷中调额方法，今年优化list没我

今年整个就业的市场都不好，相信面过一轮的童鞋应该都有感觉，太楠了~今天我们结合着贷中业务跟大家讲讲三种常规的调额实操，大家都知道的知识，卷起来的职场人不能不来学一学。
在整个贷中业务中，额度管理包括提额跟降额。

主动提额指机构主动为客户提额；主动降额为机构因为风险原因对客户额度做降额处理；
被动提额为客户向机构申请提额；
①主动提额——针对低风险，高使用率的客户，主动提额带来几点好处：
1.满足客户高频用卡需求，提高用户对产品的认可度；
2.加强额度使用率，促进额度循环和提升利润；
3.充分利用额度资源，提升额度对收益产出的共享度；

②主动降额——针对极高风险客户，主动降额降低违约损失：
1.对于恶意拖欠等高风险客户，实时主动降额措施

2.通过降额处置降低违约损失
3.考虑用户体验，需加强降额提醒通知
③被动调额——根据客户不同风险和调额需求，设计相匹配的额度调整策略：
1.满足客户主动提额和降额需求，满足客户贷款需求；

2.考虑当前行内授信总额，实现高效的额度分配与利用
而关于调额的方法，今天跟大家介绍以下三种调额方法：

一.根据不同客群等级逐步调额
1.1.根据评分等级对客群分层并逐步调额
1.2.测试同个等级之间额度与逾期率的关系，找到调额的阈值
二.不同分数区间内的调额情况
2.1.完成上述步骤之后，再运用ABtest，测试不同分数区间提额前后的对比情况

三.基于成本收益的调额方法
以下详细阐述具体的步骤：

一.根据不同客群等级逐步调额
​
图1：不同客群对应的提额与逾期率

在进行不同客群的等级的提额策略中，我们依旧需要借助评分分数进行客群分层，并且对不同的分数区间的客群逐渐提升额度。如图所示，在上述中，以200为幅度逐步提升额度。以560~580这个区间为例，提额后观察，额度区间跟逾期率的关系数据：
​

通过分析得知，提额从200到600的额度后，逾期率会稍微下降，而在800后与无提额趋平，通过数据分析得知提额的上限为：提额上限额度=800
​
图2：提额与逾期率

（横轴—提额值，纵轴—逾期率：可以看到拐点在提额到800处，逾期指标上扬，所以提额上限为800）
在以上内容中，我们知道同个分数区间的提额的上限，那不同分数之间是否能提额？如上述560_{580的区间如果确定可以提额，与之相比较为下沉的540}560的区间或者更低分的520~540的区间，是否可以提额呢？

二.不同分数区间内的调额情况
不同分数段，这里我们介绍相同提额额度在不同分数分内容对于逾期率的影响。还是取520分以上客户为例，假如全部提额200后，分数区间与逾期率的关系如下：
​
图3：提额区间与逾期率

|这里我们用到了ABtest的概念：为同一个目标制定不同方案，控制变量，看哪一个方案更符合设计目标（比如之前提到的，同一个分数段的客户，提额不同的额度，本例的目标是提额对于逾期率的影响）
以上无提额为对照组，提额200为实验组，通过数据可知，观察逾期数据，可以发现不同提额的逾期情况如下：
​
图4：提额与逾期率

（横轴—提额区间，纵轴—逾期率：可以看到在540以上的区间，提额了逾期率反而下降，红线位于蓝线下方）
很明显，在以上的数据中除了520-540分数段，其余提额表现均好于对照组。初步结论如下：本次提额的临界点520-540分数段不建议提额。
但在实际工作中，我们遇到的问题往往非常复杂，如以下数据中：如以上数据中，会发现当我们将520-540分段在不提额时候逾期率为16%，而560-580分段依次以200的区间递增提额，当提额至1200的其逾期率飙升至16%（提额不同的逾期率如下：9%，8.5%，8.7%，8.2%，9.4%，14%，16%）
​

这两个不同分数区间的逾期率在这个时候是一样的？那请问，不同分数区间在是否进行调额后的逾期率，该如何调整？而这也是一个风险把控的问题。

三.基于成本收益的调额方法

基于成本收益的调额方法，我们引入成本收益方法，采用反推模型调额。因为现实中，我们可能遇到常常会遇到缺乏历史数据的问题。

成本收益模型为：

毛利=收入-成本-坏账
以下我们通过具体的案例来说明，如何借助成本收益模型来进行具体的调额：

3.1、降额或者关停
在某现金贷业务中，因为历史某场景贷的商户数据中，经过了一段时间的数据上线后，提取分析了商户A在不同期数下的成本和坏账等收益数据，具体如下:
​
【表1】

通过表1的数据，可以看到商户A整体是处于亏损状态，整体的毛利为负-0.1%，

虽然该商户A整体上处于亏损状态，但是该商户A的3、6期却处于盈利状态，实际亏损的为12期的产品。因此商户A算是可拯救商户，可以通过控制该商户A的期数调额，即通过设置规则引擎关闭商户A的12期产品。
在关闭商户A12期产品的时候，这些申请的客户可能会“跳”去申请其他期数的产品。所以在相关的数据监控中，需要加强对商户的贷款金额的监控。

具体的监控方法为，固定的金额当其申请的期数越大，其件均申请金额也越小，反之就越大。例如授信金额为一万二的时候，当申请为12期的时，其件均额度只有1千元；但当期数为3期产品的时候，件均就“飙”到4千元。所以当客群的件均金额突然发生较大波动的时候，应该有相关的监控预警指标。
成本收益模型是通过分析贷款金融产品的期数、件均等内容进行具体测算的， 通常手段是通过业务监控表和成本收益模型来调整。
以上的案例是在具体的商户调额中，商户A还算勉强能挽救的情况：只要关停商户A中12期的产品就能盈利。
但在现实中，我们常常有以下情况，也就是当表2中的商户B中有以下不同期数的数据信息，可以发现商户B中9期跟12期产品是亏损的，因为利润中9期跟12期为负。但在实际的商户审核中，我们却不仅仅会只关闭9期跟12期的产品，这个又是为什么？
​
【表2】

当然关于调额的详细内容，在实际中我们会遇到的问题非常多，也非常复杂。方法也远远不仅上面所提到的三种方法，比如实际的场景中我们更会运用NPV、PV去进行额度的测算然后再去提额。

以上所提及的关于额度调整的内容，有兴趣的童鞋可关注-
《第五期的番茄风控全线条训练营》：

~原创文章
…
end