- 智能風控與反欺詐:體系、算法與實踐
- 蔡主希
- 654字
- 2021-04-02 09:32:51
1.3.3 整體利潤最優
上述的差異化定價是一種比較理想的情況,其中忽略了一些實際工作中存在的變量,這就要求專業的風控人員具備讓整體利潤最優的能力,也就是風險管理流程中的“第三級火箭”。在實際操作中,客戶對于貸款額度通常比較敏感,額度過低沒有吸引力會導致客戶的支用意愿不強,減少機構的收入;額度過高超過借款人還款能力又會增大客戶逾期的風險,給機構帶來不必要的損失。因此,機構的整體利潤會隨著額度的增加先增大再減小,如何找到額度的最優解,是風控人員需要解決的實際問題。額度與利潤的關系如圖1-3所示。

圖1-3 額度與利潤的關系
目前業內比較常見的方案有兩種:息費敏感性測試和利用模型的在線學習。
息費敏感性測試,是指機構在線上配置多個實驗組,不同的實驗組給予不同的額度,利用線上的實際表現搜集客戶關于額度的使用率、逾期表現等數據,再將這些實際數據納入利潤公式中,找出最優額度。不過由于風險表現的滯后性,通常需要3個月以上才能夠觀察到部分逾期表現,因而息費敏感性測試所需要的時間成本較高,適用于針對長期階段的定價方案調整。
為了短期內優化已有的定價方案,在有一定放款數據的基礎上,可以嘗試利用模型的在線學習方式。這種方法擬合額度關于使用率、逾期表現等變量的曲線,以模型的方式進行預測,給出初始的授信額度,然后在模型上線后,實時調整使用率和逾期表現的擬合曲線,使得線上額度的分配逐步接近最優方案。
在實際應用中,建議兩種方案相結合使用,模型的在線學習可以解決短期內額度不合適的痛點,但要想徹底根治,還是需要通過息費敏感性測試長期積累數據來優化。