每日热门:银行消费贷额度模型的构建思路与方法

零壹财经
2023-02-03 10:16:22


(资料图片仅供参考)

作者:周立烽

即科集团大数据风控经过九年的迭代升级,目前在消费贷领域有自己独创的研究和方法论,目前车信贷、场景分期等产品利率都在24以内,已对接了多家银行资金,同时在风控咨询领域,也对银行输出了自有的风控能力。下面笔者给大家分享某咨询项目的额度模型。一、额度模型流程针对银行IRR24以内消费贷客群,首先是分产品做风控体系,再同一产品内分群做收入模型,然后再是额度模型。往往我们在做额度模型时候,我们已经放款一段时间了,也有了足够的样本。笔者服务的银行消费贷规模基本都在500亿以上了,也有足够的样本来分析。所以分析流程:1、收入模型构建。2、切分对照组、测试组,在理论情况下(提额客群的人头逾期率不变),测试组vintage分析、效益分析。3、压力测试。用spy方法,针对部分的提额客群真实提额放款,观察真实情况与理论情况的差距,并分析原因。实验证明,一般情况下,评分卡相对低分 收入相对低客群,会与理论值有偏差。二、额度模型思路方法额度模型=收入*主评分正向系数*收入正向系数*DTI正向系数*还款能力正向系数*房产净资产正向系数*杠杆率(总信用负债/房产净资产)正向系数优质客群的评分都比较高,比如高于700分坏客户比率都在千四至千二,所以针对高分区间客户,评分卡因素导致的额度区分很低,主要靠审批经验类变量:DTI、还款能力、杠杆率、房产净资产来做额度区分。而整个额度模型,根据评分卡、收入和这四个变量来做,做出后整体客户的额度模型评分卡的排序性仍然较好。同时针对高分客群违约概率近似相同的人,额度模型可以发挥较好作用。收入多少是来源于收入模型,评分卡正向系数值越大是越好的,应该是评分越高系数值就越大,且评分大于0,我们借用sigmoid函数思想,评分正向系数=1/(1+e^nx)+ m ,m是常数,n是负整数,我们求n是基于系数等频分箱后达到排序性最优,m值其实类似于各系数变量的权重变量,权重低的m可以负数,根据专家经验设权重。即科集团与某大型城商行合作,通过行里十万个样本计算得到n为-4 。m值可以先不计算。DTI=每月应还信用类负债/月收入,对应的DTI正向系数是DTI越大正向系数就小,等于越差。我们借用sigmoid函数思想,DTI风险系数=1/(1+e^nx)+ m ,m是常数,n是正整数,通过行里样本求得n=2,为排序性最优。m值先不计算。还款能力=月收入-每月应还信用负债。每月应还信用负债=担保方式为保证或信用的贷款余额/12+信用卡余额/24,这里除12还是24,主要看我们做的贷款产品,如果是优质客群,贷款除12,信用卡除以24,就差不多可以,如果是24利率产品贷款可以除以36,因为需要减少还款能力为负的客户比重。还款能力正向系数值越大是越好的,应该是还款能力越高系数值就越大,还款能力有正有负,我们借用sigmoid函数思想,还款能力正向系数=1/(1+e^nx)+ m ,m是常数,n是负整数,我们求n是基于系数等频分箱后达到排序性最优,m值其实类似于各系数变量的权重变量,权重低的m就负数,根据专家经验设权重。通过行里十万个样本计算得到n为-3。m值可以先不计算。要确保还能能力正向系数大于0,m值可能小于0。同理杠杆率、房产净资产也是用此方法来建立正向系数。我们从额度模型公式可以发现,收入低、评分低客群,基本在收入正向系数或评分正向系数就接近0了,其他系数再高也没用。所以我们在做额度模型时候,是有顺序做系数的,先做收入正向系数、评分正向系数,再是其他系数。本文讲的都是方法,只能给大家答疑解惑。具体悟道,修行靠自己。当然此悟道前提是对收入模型搭建的理解。(作者介绍:周立烽,即科集团风控副总裁,知乎yuxi0929)

责任编辑:360
热点新闻

深圳热线 版权所有 Copyright © 2022 SZONLINE(SZONLINE.CN) All Rights Reserved.邮箱:56 26 623@qq.com

粤ICP备18025786号-54 营业执照公示信息