厦门银行：零售普惠信贷新算力——风险成本测算的分层运用实战

来源：2024年度城市金融服务优秀案例征集活动

获奖单位：厦门银行

荣获奖项：风险管理创新优秀案例

一、项目背景及目标

在当前金融市场的快速发展中，零售普惠贷款业务以其广泛的覆盖面及灵活的贷款条件，成为支持小微企业和个人消费者的重要金融工具。然而，随着业务规模的扩大，如何有效控制贷款风险成本、提高风险管理效率成为金融机构面临的重要挑战。传统的贷款风险成本测算往往依赖于人工经验判断，难以全面、准确地评估贷款风险成本。

因此，本项目旨在通过“数据驱动+模型运用”，实现零售普惠贷款年化风险成本的分层运用，为产品定价、清收策略优化及风险管理提供科学依据。具体目标包括：

1.精准分层风险与定价

通过深度剖析样本数据，我们将精确量化不同普惠贷款产品类型及模型评分等级下客户的年化不良违约金额率（PD）与违约损失率（LGD），进而计算出预期损失率，并将其转化为风险溢价。这一举措将为展业客群的选择、风险管理措施的定制提供有力的参考，同时为产品风险定价提供有力的数据支撑，确保定价的科学性与合理性。

2.优化清收策略与效率

基于数据分析的洞察，我们将制定更为高效、精准的清收策略，旨在显著提升不良贷款回收率，有序且有效地降低不良贷款风险，保障资产质量。

3.降低风险成本与提升盈利

充分利用数据驱动的优势，结合评分模型，我们将综合测算预期损失率，实现对贷款发放及风险管理成本的精确控制。这一策略将有效降低年化风险成本，增强零售普惠资产的抗风险能力，进而提升业务整体的盈利能力与可持续发展能力。

二、项目方案

1.数据融合驱动：风险分层PD预测

在传统贷款定价模式下，由于难以充分契合客户需求及增强市场竞争力，我们采取了创新策略。这一策略的核心在于，通过对多元化数据的深度融合与高效应用，我们构建了基于模型评分的客户评级体系，并据此精确测算出不同评级客户的年化不良违约金额率（PD）。

具体而言，我们的实施步骤包括：

首先，我们广泛收集普惠信贷业务的历史数据与客户信息数据，经过严格的数据清洗流程，剔除冗余与错误信息，确保数据的准确性和可靠性。随后，我们将这些来自不同渠道的数据进行整合，形成一个统一且全面的数据集。在此基础上，我们进一步提取关键特征，通过多维度分析深入挖掘数据的潜在价值，从而实现了数据的全面收集与高效处理。

其次，为了更准确地评估风险，我们运用了Vintage分析方法，确定了各信贷产品的风险表现期。针对不同产品，我们引入了先进的模型评分卡技术。通过对历史样本客户进行回溯分析，并结合这些客户在模型评分下的风险评级，并据此计算了历史样本中不同评级客户的年化不良违约金额率（PD），这一方法为我们预测新放款客户的年化不良违约金额率（PD）提供了有力支持。

2.产品视角洞察：LGD精准量化测算

在细致审视各类贷款产品的独特属性后，我们专注于从产品视角出发，进行违约损失率（LGD）的精准测算。通过深入分析不同产品的违约案例，我们力图把握每一款产品的风险特征与损失模式，为每类产品量身定制合适的违约损失率（LGD）测算方法。

我们基于丰富的样本数据，深入分析了不同年份转入不良的零售普惠信贷在满清收期后的实际清收率情况。通过这一细致的数据分析，我们得以洞察各类贷款产品的清收特性，并据此制定了差异化的清收策略。

在具体操作中，我们根据数据分析结果，将贷款产品按照产品类型、清收难度、客户评级等多个维度进行了细致的分类管理。这一分类不仅有助于我们更清晰地了解各产品的风险状况，还为我们后续的优化工作提供了明确的方向。对于清收率较低的产品，我们将其视为重点优化对象。在贷前准入阶段，我们增加了更为审慎的条件，旨在从源头上降低这些产品的违约风险，进而提升整体的清收效率。

3.客群精细化分层：年化风险成本深析

我们依托先进的模型评分体系，对不同风险等级的客户进行精准划分，并据此确定其违约概率。同时，针对各类产品，我们深入分析其违约损失率，以全面把握产品的风险特性。

在此基础上，我们进一步计算出预期损失率，为数据驱动的风险差异化定价提供了有力支持。通过这一精细化管理策略，我们不仅能够更准确地评估客户的信用风险，还能够根据客户的实际风险状况，为其提供更加个性化、合理的定价方案。

这一举措不仅有助于提升我们的风险管理水平，还能够增强客户的满意度与忠诚度，推动业务的持续健康发展。

综上所述，通过实施精准的年化风险成本定价和零售普惠贷款产品差异化定价策略，我行不仅能够有效满足客户的个性化需求，提升客户满意度及市场竞争力，还能优化资源配置，实现风险与收益的平衡，最大化盈利能力。同时，该策略有助于精准定位目标客户群体，促进市场拓展，并通过风险分散增强我行的风险管理能力，这些措施共同推动了我行的可持续增长和稳健经营。

三、创新点

1.运用风险成本分层测算，实现精细控制

我们致力于深化风险成本分层测算的精确度，通过广泛收集并精细处理包括历史贷款数据、客户信息数据等在内的多维度数据资源，进行深度分析与挖掘。借助先进的模型评分机制，精确测定不同信用评级客户的违约概率（PD）及违约损失率（LGD），从而显著提升风险成本测算的准确性与精细度，进一步实现精细管控。

2.实施风险分层定价策略，精准定位市场

我们充分运用风险成本分层测算结果，制定了基于客户风险等级的差异化定价策略。这一风险分层定价策略的制定，不仅综合考虑了客户的信用等级、还款能力等因素，还紧密结合了贷款产品的特性和当前市场状况，从而能够更精准地评估贷款风险，并为客户提供个性化的利率条件。这一创新举措使我们能够灵活应对市场变化和风险挑战，提高风险管理效率，精准把握市场脉搏。

3.利用数据驱动决策机制，引领管理升级

我们坚持以数据为核心，通过全面收集、处理、分析及应用数据资源，构建了数据驱动的风险管理决策机制。项目通过综合测算零售普惠信贷产品的清收率和预期损失率，制定了针对性的清收优化策略及风险控制措施，以提高整体风险管理的客观性和科学性。

四、项目过程管理及运营情况

该项目按照零售普惠产品类型分步实施与应用。具体而言，项目于2023年9月取得了突破性进展，首次成功将年化风险成本的分层测算应用于经营抵押贷产品上。这一初步尝试不仅验证了方法的可行性与有效性，更为后续更广泛的应用奠定了基础。

在此基础上，我行充分利用前期积累的经验与成果，针对按揭贷、消费抵押贷等不同类型的零售普惠信贷产品，基于其各自的模型评分卡，逐步推进年化风险成本的分层应用方案。

五、项目成效

1.精准分层风险成本，赋能业务拓展
项目依托数据分析，深度量化普惠零售贷款产品间及不同客户评级的年化不良违约金额率（PD），为差异化风险定价策略提供有力的数据支撑。通过精准的风险成本分层量化，转化为风险溢价，进而优化对客利率，确保利率设置的合理性与竞争力，为业务发展与市场拓展注入强劲动力。

2.深挖数据价值运用，支撑决策优化

项目不仅通过综合测算零售普惠信贷产品的清收率和预期损失率，实现了对风险状况的深入洞察，更在此基础上制定了高度针对性的清收优化策略与风险控制措施。这些精细化的管理手段有效促进了不良贷款的高效回收，显著降低了整体损失率，保障了资产质量的稳步提升。

3.强化风险管理效能，增强市场优势

风险成本的分层测算运用引入了科学、客观的风险评估工具，提升了风险管理精细化水平，为降低风险成本提供了有力支持。借助数据分析的力量，项目成功驱动了风险管理策略的优化与革新。同时，项目还促进了内部数据资源的深度整合与高效共享，大幅提高了数据利用效率。

六、经验总结

1.数据驱动决策：重塑风险管理决策的数据化路径

在风险管理领域，我们深刻认识到数据作为决策核心的重要性。通过系统地收集、处理、分析及应用海量数据，我们成功实现了风险管理的数据化升级。数据不仅为我们提供了精准的风险评估依据，还助力我们发现了潜在的市场机遇与风险点。在数据的驱动下，我们得以制定更为科学、合理的风险管理策略，有效提升了决策效率与准确性。

2.创新引领发展：探索与突破风险管理的技术与方法

在竞争激烈的市场环境中，我们深知创新是推动发展的关键。因此，我们不断探索和创新风险管理的方法与技术，致力于提高风险管理效率和市场竞争力。通过引入先进的数据分析工具、优化风险管理策略等举措，我们成功提升了风险管理的精细化与数据化水平。这些创新实践不仅为我们带来了显著的业务成果，更为我们在风险管理的可持续发展奠定了坚实基础。

更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。