风控产品定额的陷阱都有哪些？

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-
《第五期全线条训练营》：

​
~原创文章
…
end