0
【 圖片來源：拓天速貸 】
上周，雷鋒網旗下AI投研邦【大咖Live】金融風控專場推出了最后一期，由融慧金科金融風險研究中心資深專家李世澤以“額度授予的三重境界”為主題進行了干貨分享。他曾任職于美國運通，在信用卡風險包括審批授信額度、后期全流程管理上擁有豐富經驗。
李世澤指出，每個客戶的消費規律不同，因此起始額度是否足夠引起其興趣，后期如何通過調整額度來滿足消費需求，是一件非常重要且需要持續監控的事情；同時，額度也是決定借貸產品盈利能力的關鍵組成部分，它可以有效帶動利潤并提高客戶滿意度。此次分享就是從信貸額度出發，詳細解釋了額度管理在金融風控中的重要性，以及如何借由額度實現風險控制到利潤分配的不同層次需求。
本次課程主要分為四點，分別是“額度授予體系及其在金融風控中的地位”、“額度授予模型的建模痛點”、“額度授予的三重境界”以及實戰案例分享“融慧金科初始額度授予解決方案”。雷鋒網AI金融評論將其中部分內容做了不改變原意的精編，完整課程和答疑解惑詳情以及更多干貨分享加入「AI投研邦」會員即可獲得。
在我眼中，風控不只是簡單風控，更重要的是將個性化體驗做好。
以賬戶審批為例，大家進行較多的環節是新賬戶的審核，除審核通過/拒絕角度外，還有諸多其他不同的角度。例如從客戶體驗的個性化角度來看，在進行客戶審批時，是否可以根據客戶不同的風險，給予不同的利率；或者從體驗角度來講，當我們知道客戶一部分數據時，了解到其風控很好時，是否可以略過審批問題和流程，直接給予審批，提供非常快速的極致體驗。
全流程風控不只有賬戶審批例子，還有從初期獲客篩選、額度管理，交易環節中是否通過交易授信，貸后監控以及逾期處理等。今天主要討論額度管理，它和賬戶審批是相輔相成的雙生子關系，包括初始額度、主動提額（即為客戶主動提升額度）、被動提額（客戶要求提升額度），對高風險客戶進行降額。
額度管理自身同樣非常重要，且具有挑戰性。它為什么重要呢？
以銀行信用卡為例，每個客戶在銀行信用卡上的消費不同。圖1可以看到：橫軸是成為客戶后的每月消費，客戶一在卡片剛審批時消費很多，隨著月份的逐漸靠后，消費越來越少；第二個客戶消費一般都較少，偶爾出現大額消費驅動臨時消費提升；第三類客戶隨著時間發展，越來越認可我們的服務，或者我們對該用戶進行不斷提額，其信用卡消費逐漸增高。
圖1
可以看到，每個客戶的消費規律不同，所以開始額度是否足夠，能否引起其興趣，后期如何進行額度的提升、降額來滿足消費需求，是一件非常重要、且需要持續監控的事情。
相比于通過新賬戶的審批，額度授予非常困難。
難度主要來源于模型的驗證過程。對于授信審批的效果評估，可以觀看通過客群是否逾期，來判斷之前的通過決定是否正確。但對于額度而言，每一個客戶只有授予一次額度的機會：如果給予其一定額度，盡管可以觀察其后期表現，但是永遠無法將該客戶推翻，重新再授予其另外的額度，觀察他在另一額度上的表現，來比較哪一個額度更正確，所以額度授予是非常難以驗證的問題。
為了驗證這個額度，我寫了兩個挑戰：
挑戰一：需要大量數據為客戶授予隨機額度。如此可以找到相似客群，授予不同額度，觀察其在不同額度上的表現，并推測哪一個額度更適合客戶。
挑戰二：驗證額度模型需要較長時間，對于新賬戶審批來說，客戶是否逾期，在6-12個月內即可準確知曉。但對于額度而言，客戶的復借率同樣和額度相關。為了能驗測該額度，需花費很長時間（可能是一到兩年）觀察客戶表現，而客戶表現很大程度由額度來決定。
額度授予，包括初始額度、主動提額、被動提額、降額。接下來則主要圍繞初始額度授予開講。
初始額度的額度管理收益分成三種境界，境界一是創造多維額度授予矩陣；境界二是利潤至上的回歸模型；境界三是借助機器學習的力量。
例如，以風險為單一額度進行額度授予，首先可以劃定該產品預計發售的額度區間（例如額度為3000-10000），即可用一些風險指標分配額度給客戶。舉例說明，對于高風險客戶授予3000額度，中風險客戶授予5000額度，低風險客戶授予1萬額度，可使用的指標包括融慧多頭分產品，相當于外部數據的多頭分產品。
其他可使用的風險指標包括征信數據、外部數據（例如同盾多風頭產品，相當于互聯網金融業的征信級產品；融慧風險分，相當于一個基于手機設備行為進行風險預測的分數）、金融機構內部數據。
事實上，金融機構內部存在非常多數據。舉例，申請表上的數據非常有用，以信用卡進行舉例，
該客戶在信用卡表單上填寫是自己擁有房屋還是租房，同樣是風險體現之處。另外，客戶是否申請副卡也可進行風險說明：如果客戶能為其家人或孩子申請副卡，意味著風險偏低。
另外，對于已經成為我們客戶的客群，在金融機構積累的一定消費數據和還款數據，是對于已有客戶再審核的有效數據。以上即金融機構內部可能出現的數據。
除風險角度外，還可結合客戶可以支配財富，從風險和收益兩個角度來進行初始額度的授予。以剛剛的例子，對于風險低的客群，有些人比較有錢，有些人相對并不富裕，同樣應該給予不同的額度，因為他們對金錢需求的不同，對額度的需求不同。
左邊的二維額度授予矩陣，參考了客戶價值和風險程度，根據客戶可支配收入和風險來進行額度劃分。右邊列出了一些可以用來作為客戶價值的指標，例如收入指標等客戶自填指標，優點是簡單易用，缺點是可信度低，可能無法準確描述客戶價值。例如，在國外，很多時候客戶自填收入可以作為收入指標，但在國內，客戶自填收入的可信度問題還需考慮 。
還可以用到的是客戶提交的銀行流水，其可信度非常高，但是問題在于客戶需要在申請過程中離線，線下來復印并傳真，申請步驟繁瑣，影響轉化率。或者可以借助政府的數據，在客戶輸入賬號和密碼后獲得社保數據等等。該方面，一般客戶因考慮個人信息泄露，不會開放數據給我們，或者即使開放后，還需跳至另一頁面輸入，影響轉化率。
這里最推薦的是借助外部數據。其優點在于輕感知、可信度高。以融慧金科目前提供的財富指數產品為例，從八個維度分析客戶在活躍智能手機的設備數據，包括客戶常住小區房價，客戶消費行為等，綜合得出其財富指數。只需輸入手機號或者設備號，即可對客戶進行財富指數評分，該產品覆蓋率可達到90%以上，輸出0到100的風險平分對應不同的財富等級。
在我看來，風險不是逾期率控制低或控制在何種水平的問題，而是逾期率的預測值和真實值之間的偏差問題。很多時候，有一定風險的客戶才真正有借貸意愿，才會產生利息，才會真正的借錢，所以風險并非把風險控制在多么低的水平，而是將風險控制在預測水平，這才是真正的風險管理。
接下來講回歸模型，如何選取比較好的額度。
對于一個業務而言，信用卡業務或者消費金融的業務如何做利潤最大化？完整版詳細回答請戳：【第37講】大咖Live X 融慧金科李世澤：額度授予的三重境界。
第一點是根據橫軸額度、縱軸金額來預測收入和損失。就收入而言，額度越高，客戶可以借的錢越多，利息收入越多，但隨著額度到達一定高度時，許多客戶并不需要那么多錢，因為他害怕自己負擔不起，所以借錢金額會越來越少。所以，收入的增長隨著額度越來越高，其邊際效應越來越遞減。
對于損失而言，隨著額度越來越高，有逾期意愿的人拿到額度后，會把這些額度全部提走，所以額度越來越高，損失會加速，后在某一點超過收入，在進行利潤計算時，收入和損失中間部分，相減最大的點對應的額度就是最優額度，即獲得了最好的利潤。
怎么計算這個點？
以信用卡為例，如果有全年的消費收入，每一年銀行可以從這商戶中提取消費的千分之五作為收入，借貸收入即每個客戶的平均循環余額乘利息（中國現在有規定利息紅線），最后減逾期損失，即逾期率乘以客戶的平均余額。
如果進行消費金融或分期產品，就沒有消費收入，而是借貸收入減去逾期損失。為什么會寫有很多隨機的測試數據呢？因為只有給客戶隨機分配不同的額度，才能預測到額度和消費收入。
借貸收入和逾期損失是存在什么關系。通過之前說到的隨機測試數據，我們建立一個回歸模型，預測額度和消費的關系，和借貸的關系，和逾期損失的關系。
接下來不斷對額度進行迭代，例如，開始將1000額度分給客戶，后通過計算，對客戶通過回歸模型算出消費收入、借貸收入和預期損失，得出整個客戶的生命周期可帶來的價值是178。然后再進行迭代，在真正的測試或實戰環節中，多是50為一梯度迭代，直到算出最優額度，此處以1000為例，2000額度對應的客戶價值是198，50000得出的客戶價值是170。最后選取客戶價值最高是授予2000元額度，對應客戶價值是198。
上述境界二基于盈利最大化的回歸模型，其困難就在于用額度來預測消費收入、借貸收入或者逾期損失，均是大模型，大模型里有小的模型疊加，非常復雜，并且互相迭代的模型很難在系統里搭建和管理。
第二個挑戰是模型每次更新都需要6到12個月的時間，這對在瞬息萬變的借貸行業來說算是很長的時間。第三點是回歸模型假設了線性的關系，一定程度上限制了申請客戶的額度授予準確性，因此不能提供一個非線性的關系。
為解決上述挑戰，業界比較流行的機器學習方法。包括最近鄰居法KNN、GBDT、GBM、神經網絡的算法等等。
在初始額度授予中，我們選擇最近鄰居法機器學習，舉例說明：當申請人（B）進來時，我們已提前建立好早前申請客戶的客群（A），隨機授予額度，并且觀測表現。在客群A中，我們找到一個子集C，子集C和申請人B比較相似。
在比較相似的子集C中，我們給予客戶不同的額度以測試不同的額度，比如額度5000、1萬、2萬、3萬，然后觀測客戶帶來的客戶利潤120、140、180。最后發現在和申請人B比較相似的子集C中，授予2萬隨機額度的客戶，他帶來的利潤最高，所以我們也應該授予2萬額度。
在KNN模型中的機器學習方法，是在客群A中找到和申請人B比較相似的子集C，這邊就用到了機器學習法。另外一點，機器學習法在初始額度授予中需要有大量的測試數據，如此才可給客群A中足夠的隨機額度授予，在找到子集C之后，子集C中也有足夠的客戶都有收隨機授予的額度。
額度是決定借貸產品盈利能力的關鍵組成部分，它可以有效帶動利潤并提高客戶滿意度。
從風險的角度，額度管理也是借貸產品風險管理的關鍵因素之一。
額度授予的經濟模型非常困難，因為它需要大量的實證數據進行驗證，除考慮客戶風險外，還要考慮客戶需求，例如一個高收入客群的需求會高一點，還包括客戶期望，這也同客戶收入相關，如果收入較高，客戶期望獲得較高的額度。對于客戶期望而言，還要考慮當前市場上大家一般給到的額度是多少。
一、knn方法里面每個客戶的額度和利潤都是真實的樣本嗎？怎么判斷客戶與哪個子集相似？
答：都是真實的數據。對于百分之百的進來的客群，我們選定一定百分比客群，并對其隨機進行額度授予，之后監測未來的表現，得出利潤，所以都是實際的數據。knn具體如何選取比較相似客群，用到機器學習方法。判斷客戶相似程度的時候使用KNN可以選不同的維度（收入維度、風險維度等等）。
二、在只基于風險的額度授予中，怎么劃分風險的分數區間和對應的額度區間呢？是用什么依據？
答：劃分風險的分數區間和對應的額度區間要考慮利潤的最大化。從利潤的角度講，對一特定風險的客群，額度高到一定程度，損失就會超過收入，帶來負利潤。我們應該選取合適的額度來確保利潤最大化。
三、回歸模型里的客戶價值是怎么確定的？
答：客戶價值即你所在行業，你的收入是什么，你的損失是什么，額度作為X，加入不同其它的X變量，例如客戶收入、客戶風險、進行組合，計算出每一個類型的客戶應該給到哪種額度。
另外，李世澤針對前文所述的設備行為分、設備數據使用情況和解決方案等也做出了解答，完整版詳細回答請【第37講】大咖Live X 融慧金科李世澤：額度授予的三重境界。
對于前文所述的初始額度授予中使用的財富指數、多頭借貸指數和信用分，設備屬性數據、地理位置信息等數據的使用，以及更多融慧金科的產品架構和亮點，《2019 AI金融風控行業研究報告》中均有詳細分析。此外，雷鋒網也對其他代表性風控企業進行了全方位分析，更多有關AI金融風控行業的技術解讀和未來趨勢請戳《2019 AI金融風控行業研究報告》，現在加入「AI投研邦」會員即可免費獲取，或點擊鏈接購買。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
