北京
来源：市场资讯
（来源：Python数据科学）
本次来给大家介绍贷中风控的相关内容，以客群分层为基础，确定调额策略逻辑和框架，内容节选自《100天风控专家》贷中策略篇。
1.1. 贷中调额策略框架（一）
基于客户贷中行为变量，通过多维分组交叉实现“风险区分能力最大化”，重新划分风险等级，并基于风险等级下的风险测算UE模型，根据收益角度确定提额和降额客群。
1.2. 贷中调额策略框架（二）
以贷中客户生命周期的状态分群作为框架，在大的分群下再通过细分的行为变量分群，筛选出提额和降额对象。好处是大分群下可以区分不同客户的状态，有更强的可解释性和业务场景化的细分优化能力。
调额框架二的内容讲解可戳《100天风控专家》学习完整内容。
2.1. 贷中客户分群—分群标准和意义
分群的意思无非就是要做到差异化，具体的差异化可以体现在以下几个方面，在贷前和贷中都是一样的，只是在不同阶段需要结合具体的场景来做分群设计。
分群的标准
分群后风险水平的差异性
分群后客户数据维度的差别性
分群后的分布稳定性
分润的可解释性
分群的意义
分群是非常重要的方法，贷中的调额、调价等策略的制定都要以客群分层为基础。
如果有多层分群，优先以最能体现以上4个方面的维度作为第一层分群，其余细分的分层按照分群标准以此类推，最终才可以实现最大风险差异化。
相反，如果分群后看不到风险差异，那就失去了贷中精细化运营的作用，没有意义。
2.2. 贷中客户分群：一维分层
以最简单的分层举例。
首先，需要根据历史存量客户的行为数据以及风险表现开发一个贷中B卡模型分，可以反映当前未逾期客户在未来出现逾期的概率。按照风险排序性对模型分划分出不同的风险等级（如A-E，A风险最低，E风险最高）。
这也是贷中B卡模型的典型应用场景，单纯以风险维度直接作为调额、调价的依据。
2.3. 贷中客户分群：二维分层
以最简单的分层举例，从风险和资金需求两个维度，用B卡模型分代表风险，额度使用率代表资金需求。
根据两个维度的交叉统计，理解其实际业务含义和风险差异性，最终划分出调额、调价的客群对象。
2.4. 贷中客户分群：多维分层
如果多个维度均具有风险排序性，则多维交叉后的风险差异性会进一步增强。风险颗粒度更精细有利于我们划分出更准确的风险等级，进而作为调额、调价的基础就更好。
因此，在做调额、调价等策略之前，通常都需要进行大量的数据分析，挖掘可以最大差异化的分层变量和组合。
3.1. 贷中调额对象：基于风险维度
基于风险分层，对风险低的好客户提额，对风险高的差客户降额。在风险分层的基础上，计算风险指标（FPD/DPD）的风险倍数Lift值。如果Lift值<=0.5可考虑提额，Lift值>=2以上可根据具体值考虑降额。
3.2. 贷中调额对象：基于收益调额
什么是UE模型？
通过UE（Unit Economic）财务模型，UE是最小经济单元，评估一个商业模式的最小单元是否盈利，如果最小单体可以盈利，剩余的事情就是做复制无数个单体形成规模效应。应用在贷中调额策略中，通过UE模型计算各类风险客群的盈利能力，对于收益最大的进行提额，对于收益最小为负的进行降额，或者产品关闭。
UE模型公式
净利=利率-资金成本-风险成本-运营成本-人力&其他成本
基于收益调额
通过UE（Unit Economic）财务模型，计算每类客群在完整周期上的收益情况，对于收益最大的进行提额，对于收益最小为负的进行降额，或者产品关闭。
基于收益调额的案例讲解和更细分化的维度确定调额对象可戳《100天风控专家》学习完整内容。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
