您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
金融科技 正文
发私信给周蕾
发送

0

融慧金科李世泽:额度授予的三重境界

本文作者:周蕾 2019-03-11 20:02
导语:额度好比寻龙分金的缠山,一重缠是一重关。

融慧金科李世泽:额度授予的三重境界

【 图片来源:拓天速贷 】

上周,雷锋网旗下AI投研邦【大咖Live】金融风控专场推出了最后一期,由融慧金科金融风险研究中心资深专家李世泽以“额度授予的三重境界”为主题进行了干货分享。他曾任职于美国运通,在信用卡风险包括审批授信额度、后期全流程管理上拥有丰富经验。

李世泽指出,每个客户的消费规律不同,因此起始额度是否足够引起其兴趣,后期如何通过调整额度来满足消费需求,是一件非常重要且需要持续监控的事情;同时,额度也是决定借贷产品盈利能力的关键组成部分,它可以有效带动利润并提高客户满意度。此次分享就是从信贷额度出发,详细解释了额度管理在金融风控中的重要性,以及如何借由额度实现风险控制到利润分配的不同层次需求。

本次课程主要分为四点,分别是“额度授予体系及其在金融风控中的地位”、“额度授予模型的建模痛点”、“额度授予的三重境界”以及实战案例分享“融慧金科初始额度授予解决方案”。雷锋网AI金融评论将其中部分内容做了不改变原意的精编,完整课程和答疑解惑详情以及更多干货分享加入「AI投研邦」会员即可获得。

为什么额度管理颇具挑战性?

在我眼中,风控不只是简单风控,更重要的是将个性化体验做好。

以账户审批为例,大家进行较多的环节是新账户的审核,除审核通过/拒绝角度外,还有诸多其他不同的角度。例如从客户体验的个性化角度来看,在进行客户审批时,是否可以根据客户不同的风险,给予不同的利率;或者从体验角度来讲,当我们知道客户一部分数据时,了解到其风控很好时,是否可以略过审批问题和流程,直接给予审批,提供非常快速的极致体验。

全流程风控不只有账户审批例子,还有从初期获客筛选、额度管理,交易环节中是否通过交易授信,贷后监控以及逾期处理等。今天主要讨论额度管理,它和账户审批是相辅相成的双生子关系,包括初始额度、主动提额(即为客户主动提升额度)、被动提额(客户要求提升额度),对高风险客户进行降额。

额度管理自身同样非常重要,且具有挑战性。它为什么重要呢?

以银行信用卡为例,每个客户在银行信用卡上的消费不同。图1可以看到:横轴是成为客户后的每月消费,客户一在卡片刚审批时消费很多,随着月份的逐渐靠后,消费越来越少;第二个客户消费一般都较少,偶尔出现大额消费驱动临时消费提升;第三类客户随着时间发展,越来越认可我们的服务,或者我们对该用户进行不断提额,其信用卡消费逐渐增高。

融慧金科李世泽:额度授予的三重境界

图1

可以看到,每个客户的消费规律不同,所以开始额度是否足够,能否引起其兴趣,后期如何进行额度的提升、降额来满足消费需求,是一件非常重要、且需要持续监控的事情。

相比于通过新账户的审批,额度授予非常困难。

难度主要来源于模型的验证过程。对于授信审批的效果评估,可以观看通过客群是否逾期,来判断之前的通过决定是否正确。但对于额度而言,每一个客户只有授予一次额度的机会:如果给予其一定额度,尽管可以观察其后期表现,但是永远无法将该客户推翻,重新再授予其另外的额度,观察他在另一额度上的表现,来比较哪一个额度更正确,所以额度授予是非常难以验证的问题。

为了验证这个额度,我写了两个挑战:

挑战一:需要大量数据为客户授予随机额度。如此可以找到相似客群,授予不同额度,观察其在不同额度上的表现,并推测哪一个额度更适合客户。

挑战二:验证额度模型需要较长时间,对于新账户审批来说,客户是否逾期,在6-12个月内即可准确知晓。但对于额度而言,客户的复借率同样和额度相关。为了能验测该额度,需花费很长时间(可能是一到两年)观察客户表现,而客户表现很大程度由额度来决定。

额度授予的三重境界

额度授予,包括初始额度、主动提额、被动提额、降额。接下来则主要围绕初始额度授予开讲。

初始额度的额度管理收益分成三种境界,境界一是创造多维额度授予矩阵;境界二是利润至上的回归模型;境界三是借助机器学习的力量。

境界一:初期没有很多数据验证的情况下,可以使用额度授予矩阵

例如,以风险为单一额度进行额度授予,首先可以划定该产品预计发售的额度区间(例如额度为3000-10000),即可用一些风险指标分配额度给客户。举例说明,对于高风险客户授予3000额度,中风险客户授予5000额度,低风险客户授予1万额度,可使用的指标包括融慧多头分产品,相当于外部数据的多头分产品。

其他可使用的风险指标包括征信数据、外部数据(例如同盾多风头产品,相当于互联网金融业的征信级产品;融慧风险分,相当于一个基于手机设备行为进行风险预测的分数)、金融机构内部数据。

事实上,金融机构内部存在非常多数据。举例,申请表上的数据非常有用,以信用卡进行举例,

该客户在信用卡表单上填写是自己拥有房屋还是租房,同样是风险体现之处。另外,客户是否申请副卡也可进行风险说明:如果客户能为其家人或孩子申请副卡,意味着风险偏低。

另外,对于已经成为我们客户的客群,在金融机构积累的一定消费数据和还款数据,是对于已有客户再审核的有效数据。以上即金融机构内部可能出现的数据。

除风险角度外,还可结合客户可以支配财富,从风险和收益两个角度来进行初始额度的授予。以刚刚的例子,对于风险低的客群,有些人比较有钱,有些人相对并不富裕,同样应该给予不同的额度,因为他们对金钱需求的不同,对额度的需求不同。

融慧金科李世泽:额度授予的三重境界

左边的二维额度授予矩阵,参考了客户价值和风险程度,根据客户可支配收入和风险来进行额度划分。右边列出了一些可以用来作为客户价值的指标,例如收入指标等客户自填指标,优点是简单易用,缺点是可信度低,可能无法准确描述客户价值。例如,在国外,很多时候客户自填收入可以作为收入指标,但在国内,客户自填收入的可信度问题还需考虑 。

还可以用到的是客户提交的银行流水,其可信度非常高,但是问题在于客户需要在申请过程中离线,线下来复印并传真,申请步骤繁琐,影响转化率。或者可以借助政府的数据,在客户输入账号和密码后获得社保数据等等。该方面,一般客户因考虑个人信息泄露,不会开放数据给我们,或者即使开放后,还需跳至另一页面输入,影响转化率。

这里最推荐的是借助外部数据。其优点在于轻感知、可信度高。以融慧金科目前提供的财富指数产品为例,从八个维度分析客户在活跃智能手机的设备数据,包括客户常住小区房价,客户消费行为等,综合得出其财富指数。只需输入手机号或者设备号,即可对客户进行财富指数评分,该产品覆盖率可达到90%以上,输出0到100的风险平分对应不同的财富等级。

境界二:利润至上的回归模型,理解风险的真谛

在我看来,风险不是逾期率控制低或控制在何种水平的问题,而是逾期率的预测值和真实值之间的偏差问题。很多时候,有一定风险的客户才真正有借贷意愿,才会产生利息,才会真正的借钱,所以风险并非把风险控制在多么低的水平,而是将风险控制在预测水平,这才是真正的风险管理。

接下来讲回归模型,如何选取比较好的额度。

对于一个业务而言,信用卡业务或者消费金融的业务如何做利润最大化?完整版详细回答请戳:【第37讲】大咖Live X 融慧金科李世泽:额度授予的三重境界。

融慧金科李世泽:额度授予的三重境界

第一点是根据横轴额度、纵轴金额来预测收入和损失。就收入而言,额度越高,客户可以借的钱越多,利息收入越多,但随着额度到达一定高度时,许多客户并不需要那么多钱,因为他害怕自己负担不起,所以借钱金额会越来越少。所以,收入的增长随着额度越来越高,其边际效应越来越递减。

对于损失而言,随着额度越来越高,有逾期意愿的人拿到额度后,会把这些额度全部提走,所以额度越来越高,损失会加速,后在某一点超过收入,在进行利润计算时,收入和损失中间部分,相减最大的点对应的额度就是最优额度,即获得了最好的利润。

怎么计算这个点?

以信用卡为例,如果有全年的消费收入,每一年银行可以从这商户中提取消费的千分之五作为收入,借贷收入即每个客户的平均循环余额乘利息(中国现在有规定利息红线),最后减逾期损失,即逾期率乘以客户的平均余额。

如果进行消费金融或分期产品,就没有消费收入,而是借贷收入减去逾期损失。为什么会写有很多随机的测试数据呢?因为只有给客户随机分配不同的额度,才能预测到额度和消费收入。

借贷收入和逾期损失是存在什么关系。通过之前说到的随机测试数据,我们建立一个回归模型,预测额度和消费的关系,和借贷的关系,和逾期损失的关系。

融慧金科李世泽:额度授予的三重境界

接下来不断对额度进行迭代,例如,开始将1000额度分给客户,后通过计算,对客户通过回归模型算出消费收入、借贷收入和预期损失,得出整个客户的生命周期可带来的价值是178。然后再进行迭代,在真正的测试或实战环节中,多是50为一梯度迭代,直到算出最优额度,此处以1000为例,2000额度对应的客户价值是198,50000得出的客户价值是170。最后选取客户价值最高是授予2000元额度,对应客户价值是198。

上述境界二基于盈利最大化的回归模型,其困难就在于用额度来预测消费收入、借贷收入或者逾期损失,均是大模型,大模型里有小的模型叠加,非常复杂,并且互相迭代的模型很难在系统里搭建和管理。

第二个挑战是模型每次更新都需要6到12个月的时间,这对在瞬息万变的借贷行业来说算是很长的时间。第三点是回归模型假设了线性的关系,一定程度上限制了申请客户的额度授予准确性,因此不能提供一个非线性的关系。

境界三:机器学习,最近邻居法

为解决上述挑战,业界比较流行的机器学习方法。包括最近邻居法KNN、GBDT、GBM、神经网络的算法等等。

在初始额度授予中,我们选择最近邻居法机器学习,举例说明:当申请人(B)进来时,我们已提前建立好早前申请客户的客群(A),随机授予额度,并且观测表现。在客群A中,我们找到一个子集C,子集C和申请人B比较相似。

融慧金科李世泽:额度授予的三重境界

在比较相似的子集C中,我们给予客户不同的额度以测试不同的额度,比如额度5000、1万、2万、3万,然后观测客户带来的客户利润120、140、180。最后发现在和申请人B比较相似的子集C中,授予2万随机额度的客户,他带来的利润最高,所以我们也应该授予2万额度。

在KNN模型中的机器学习方法,是在客群A中找到和申请人B比较相似的子集C,这边就用到了机器学习法。另外一点,机器学习法在初始额度授予中需要有大量的测试数据,如此才可给客群A中足够的随机额度授予,在找到子集C之后,子集C中也有足够的客户都有收随机授予的额度。

初始额度授予有哪些基本准则?

  1. 额度是决定借贷产品盈利能力的关键组成部分,它可以有效带动利润并提高客户满意度。

  2. 从风险的角度,额度管理也是借贷产品风险管理的关键因素之一。

  3. 额度授予的经济模型非常困难,因为它需要大量的实证数据进行验证,除考虑客户风险外,还要考虑客户需求,例如一个高收入客群的需求会高一点,还包括客户期望,这也同客户收入相关,如果收入较高,客户期望获得较高的额度。对于客户期望而言,还要考虑当前市场上大家一般给到的额度是多少。

答疑解惑精选

一、knn方法里面每个客户的额度和利润都是真实的样本吗?怎么判断客户与哪个子集相似?

答:都是真实的数据。对于百分之百的进来的客群,我们选定一定百分比客群,并对其随机进行额度授予,之后监测未来的表现,得出利润,所以都是实际的数据。knn具体如何选取比较相似客群,用到机器学习方法。判断客户相似程度的时候使用KNN可以选不同的维度(收入维度、风险维度等等)。

二、在只基于风险的额度授予中,怎么划分风险的分数区间和对应的额度区间呢?是用什么依据?

答:划分风险的分数区间和对应的额度区间要考虑利润的最大化。从利润的角度讲,对一特定风险的客群,额度高到一定程度,损失就会超过收入,带来负利润。我们应该选取合适的额度来确保利润最大化。

三、回归模型里的客户价值是怎么确定的?

答:客户价值即你所在行业,你的收入是什么,你的损失是什么,额度作为X,加入不同其它的X变量,例如客户收入、客户风险、进行组合,计算出每一个类型的客户应该给到哪种额度。

另外,李世泽针对前文所述的设备行为分、设备数据使用情况和解决方案等也做出了解答,完整版详细回答请【第37讲】大咖Live X 融慧金科李世泽:额度授予的三重境界。

对于前文所述的初始额度授予中使用的财富指数、多头借贷指数和信用分,设备属性数据、地理位置信息等数据的使用,以及更多融慧金科的产品架构和亮点,《2019 AI金融风控行业研究报告》中均有详细分析。此外,雷锋网也对其他代表性风控企业进行了全方位分析,更多有关AI金融风控行业的技术解读和未来趋势请戳《2019 AI金融风控行业研究报告》,现在加入「AI投研邦」会员即可免费获取,或点击链接购买。

融慧金科李世泽:额度授予的三重境界

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

编辑

云计算、To B、金融科技。丨微信:LorraineSummer
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说