信贷业务有对公与对私之分，由于信贷业务模式的差异，风险把控方式不同，对于授信额度策略自然非常不同。
目前对公业务中，常规的做法是借助信用评级方法对现有的企业进行信用评价，综合判断后再输出相关授信额度。目前银行借助做信用评级业务的两家第三方公司，穆迪投资服务有限公司（Moody’s Investors Services）和标准普尔公司（Standard&Poors），这两家国际上较为权威的两大信用评级机构判断企业风险。这两家国际化的公司自然对西方市场的信用评价体系自然非常擅长，但在本地化的过程中仍有一些水土不服。
To b的授信额度不是一件容易的事情，那to c业务呢？面对的问题同样是to b不容小觑的。授信额度最重要的两点，一个是衡量其收入，一个是判断其支出。当我们确认借贷方的收入是稳定的，金融机构肯定能给与其高额额度。传统的房贷业务中，会要求客户提供工资流水。只要月均流水是其房贷的2~3倍，贷款即可批复。
这流水有多水，大家心知肚明。既然银行知道这水深，为啥还要批贷？你以为银行看中的是流水？其实风险早就在那三成或五成首付，以及其抵押不动产的风险中抵消了。买的不比卖的精明。现在市场行情不好，银行对客户风险把控严格。但在经济较好的时候，房价上涨，银行看重的不就是你（贷款者）这样的不动产么？您可以选择别还贷，反正银行的手中可是握着大家最重要和保值的资产。
流水、黑名单、多头，这些风控特征都是风险把控要素。特别是流水中的多头借款。每一家银行都恨不得能将你的流水详情一一核查背诵，如果判断中其有非常严重的多头借贷行为一律拒贷。但流水这样敏感的信息，监管单位早就发文属于公民最需要保护一类信息，任何机构都不能直接查询和存储。所以这些风险特征虽然好用，也最不可能轻易得到。直取不行，智取总可以了吧？
方法总是是有。做风控的童鞋早就深谙此道。把控风险不能凭借流水判断，更不能直接凭借客户提供 的流水判断。那我借助外部的征信数据以及人行征信机构，总能判断风险，为客户输出额度了吧。
以下，我们介绍基于人行征信数据，输出风险特征的方法具体量化信用风险，并基于此方法输出相关的授信额度，效果也还可以。
征信数据是判断客人风险最重要的数据来源，但征信数据可不是每家公司都能获取，至少持牌机构才能有获取征信权限。如果没有征信数据，后续我们出个通过三方数据输出额度模型的专题供大家参考。
回到主题。本次的流水中的支出会从以下几个维度的贷款中获取，数据是依次从PBOC机构获取，维度参考主要有以下几类，
分别是：
1.车贷
2.房贷
3.抵押贷
4.经营贷
5.大额贷
6.小额贷
7.消费贷
8.贷记卡
9.信用长度
以上所涉及的数据维度中，都是在PBOC中都是可以直接获取的信息。获取到了此数据后，如何进行相关的数据整合呢？每个数据的维度的权重又该如何评估呢？
做授信额度的内容中，我们需要了解几个概念。分别是：一个是基础额度，一个是额度区间，一个是盖帽额度。
基础额度是我们在授信之后，给客群的最基本的额度，可以理解为保障额度，只要过了授信的人群必须有的额度。
额度区间是该客群在数据维度中，所划分的等级中额度梯度的数值，而且在后面的测算中每个区间都有具体的额度系数，记住这里又带出来一个系数的概念，其非常重要。
盖帽额度，即封顶额度，每个产品都有其额度上限，所以与其相应的基础额度就是下限区间。
清楚以上的基础概念后，咱们来看如何给客群确定一个具体的额度，只要额度区间划分得足够细。一人一额度，千人千面不难实现。
在映射到上面的额度基础概念后，我们再来看会刚才提到的9个数据维度。这里我们拿第1中的车贷为例说明。
车贷，汽车贷款。在具体到具体的数据维度后，其实会包括三方面的内容，分别是：
a. 车贷金额
b. 车贷已还比例
c. 车贷已还额度
为什么卡这三个方面，因为在贷款逻辑中我们始终把控：金额 还款额越大越好，还款额 还款比例越大越好。这是在车贷产品，同样在房贷产品适用。但在贷记卡数据中，却相反，比如已使用额度越大越好，因为代表着客户越有资金需求。
在上面提到的abc这三个细节中，我们依旧会有相应的系数，这三个系数具体会有客群对应所在的额度区间决定。额度区间，又回到开始时候我们介绍的概念。那如何确定一个具体客群的额度区间。我们上面提到过只要区间划分得足够小，千人千面都有可能，比如划分1个100等分的区间。但在实际落地过程中，我们一般取某个数值维度在10个或20个等分区间就OK了。参考如下：
很多公司做客群授信额度这么细腻，从细节上说是好，但似乎价值也不大。
只要求出车贷的测算方法，同样的方法我们运用到房贷、抵押贷、经营贷、大额贷、小额贷、消费贷、贷记卡、信用长度这些方面上。
其中信用长度是指客户拥有征信数据的年限，信用长度越长，我们越能判断客群风险，一般而言长度越长，所累计的信用额度越高。
在以上所分析的数据维度中，最复杂的不是房贷、车贷等这些消费贷款，而是贷记卡数据。因为贷记卡中会涉及到近期用卡数据，这里会牵涉到近6个月卡可用比例、近6个月可用额度、单卡最高额度、卡平均授信额度等这些内容，综合加权就稍微复杂。但复杂贵复杂，仍有处理的办法。大家可以进一步思考。当然之前在我们的知识星球中，关于额度模型沃恩早就跟大家解答过一版内容，可以留下邮箱发送下相关额度资料信息，后续有问题欢迎在星球上面与我们交流，感谢大家。
~~~~end~~~~
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至123456@qq.com 举报，一经查实，本站将立刻删除。
