跳转至

授信模型

在信贷风控体系中，授信模型（Credit Limit Model）和 风险定价模型（Risk-Based Pricing Model）是贷前决策的“左膀右臂”。虽然它们都基于用户的信用评分（如 A 卡分数），但它们的 核心目标、输出结果、数学逻辑 以及 业务侧重点 有本质区别。

简单来说：

  • 授信模型 解决的是 “借多少？”（How Much）的问题，关注 额度上限 和 损失敞口。
  • 风险定价模型 解决的是 “多少钱借？”（At What Cost）的问题，关注 利率/费率 和 风险覆盖。

1. 与定价模型区别

维度 授信模型(Credit Limit Model) 风险定价模型(Risk-Based Pricing Model)
核心目标 确定用户可承受的 最大借款额度。 确定覆盖风险成本后的 最优利率/费率。
输出结果 额度数值 (如：50,000 元)。 价格数值 (如：年化利率 12.5% 或 月息 0.8%)。
关键约束 1. 用户还款能力 (DTI)
2. 监管限额 (如消费贷上限 20 万)
3. 机构资金成本与杠杆率		 1. 预期损失 (EL = PD×LGD×EAD)
2. 运营成本
3. 资本回报要求 (RAROC)
4. 监管利率上限 (如 24%/36%)
主要输入特征 收入证明/流水
负债收入比 (DTI)
资产状况 (房/车)
职业稳定性		 违约概率 (PD，通常来自 A 卡)
违约损失率 (LGD)
资金成本
用户价格敏感度 (弹性)
数学逻辑 回归预测 + 规则截断： 预测“最大可承受负债”，并与内部策略取最小值。 成本加成 + 盈亏平衡： 利率 = (资金成本 + 运营成本 + 预期损失 + 目标利润) / 贷款余额。
业务影响 额度过高 → 坏账爆发；
额度过低 → 用户流失/利用率低。		 定价过高 → 逆向选择 (好客户跑掉，只剩坏客户)；
定价过低 → 无法覆盖风险，亏损。
迭代频率 相对较低 (随用户收入变化或定期提额)。 相对较高 (随资金成本、风险策略动态调整)。

1.1 授信模型 (给多少额度？)

授信模型的核心逻辑是评估用户的 还款能力 (Capacity) 和 还款意愿 (Character) 的上限。

  1. 构建逻辑：通常采用 “双轨制” 或 “短板效应”

    • 轨道 A：收入偿债比法 (DTI Based)，建议额度=(月收入×最大 DTI 系数)−现有月还款额。
      例如：用户月入 1 万，机构允许最大 DTI 为 50%，现有房贷月供 2000。则新贷月供上限为 3000。根据期限折算出本金额度。

    • 轨道 B：评分映射法 (Score Based)，根据 A 卡分数直接映射额度区间。 例如：A 卡分数 > 750 → 额度 10-20 万；650-750 → 额度 3-10 万。

    • 最终额度 = Min(轨道 A 计算值, 轨道 B 映射值, 监管上限, 机构单户限额)。

  2. 关键挑战

  3. 收入核实难：尤其是对于无社保、自由职业者，如何通过流水、电商数据精准推断真实收入？

  4. 多头借贷隐蔽性：用户可能在其他平台有未上征信的负债，导致 DTI 计算失真。
  5. 额度利用率：给了 10 万额度，用户只借 5000，资金占用成本高。因此现代授信模型常结合“初始额度” + “动态提额”策略。

1.2 定价模型 (利率/费率多少？)

风险定价模型的核心逻辑是 RAROC (风险调整后资本回报率)，确保每一笔贷款在扣除预期损失后仍能盈利。

  1. 构建逻辑（基本公式）：最低执行利率 = (资金成本 + 运营成本 + 预期损失 EL + 目标利润) / 贷款余额，其中关键变量 预期损失 (EL) 的计算依赖于 A 卡，EL=PD(违约概率)×LGD(违约损失率)×EAD(违约风险敞口)。

    • PD (Probability of Default)：直接来自 A 卡模型的输出概率。分数越低，PD 越高，利率越高。
    • LGD (Loss Given Default)：违约后能追回多少？(有无抵押、催收难度)。
    • 价格弹性 (Price Elasticity)：高级定价模型还会考虑用户对价格的敏感度。如果定价太高，优质客户会拒绝借款（逆向选择）。

  2. 定价策略类型

    • 成本加成定价 (Cost-Plus)：上述公式的直接应用，保本是底线。
    • 风险细分定价 (Risk-Based Pricing)：将用户分为 A/B/C/D 级，不同级别对应不同利率档位（如 A 级 7%，D 级 24%）。
    • 博弈定价：在合规范围内，测试用户接受度。例如对同一用户群尝试不同利率，观察转化率，寻找利润最大化点。

  3. 关键挑战

    • 逆向选择 (Adverse Selection)：这是定价模型最大的敌人。如果利率定得太高，低风险优质客户会觉得“太贵不借了”，留下的全是高风险不得不借的客户，导致坏账率飙升。
    • 监管红线：必须严格遵守司法保护上限（如中国目前的 4 倍 LPR 或 24%/36% 红线）。
    • LGD 估算难：信用贷通常无抵押，违约后回收率极低且波动大，难以精准量化。

1.3 两者协同工作流

在实际的信贷审批引擎中，这两个模型是**串行或并行**工作的：

  1. 用户申请 -> A 卡评分 (输出 PD 值)。

  2. 并行计算：

    • 授信模型：输入 A 卡分 + 收入数据 -> 输出 建议额度 (Limit)。
    • 定价模型：输入 A 卡分 (PD) + 资金成本 -> 输出 建议利率 (Rate)。

  3. 策略层决策：

    • 检查：利率是否超过监管上限？额度是否低于最小起借额？
    • 调整：如果计算出的利率过高（如 30%），超过合规线，是直接拒贷？还是降低额度以降低风险敞口从而降低利率？

  4. 最终输出：给用户一个 Offer（例如：额度 5 万元，年化利率 18%，期限 12 期）。

1.4 总结

模型 灵魂拷问 核心依赖 失败后果
授信模型 "他最多能还多少钱而不崩盘？" 收入、负债、资产 额度过高导致用户无力偿还（共债风险）；额度过低导致用户不用。
风险定价模型 "借给他这笔钱，收多少利息才能不亏且赚钱？" 违约概率 (PD)、资金成本 定价过低导致亏损；定价过高吓跑好客户（逆向选择）。

一句话概括：授信模型是控制风险的“量”（敞口大小），风险定价模型是覆盖风险的“价”（成本补偿）。两者必须配合，才能实现 “在可控风险下利润最大化”。