编辑导语:在风险控制策略平衡的情况下，风险控制模型是实现风险差异化的必备武器。如何在风控模型中嵌入策略？笔者认为有三种方法:风险定价、信用额度、期限/还款方式。本文详细介绍了三种定价方法的适用场合及其优缺点。感兴趣的朋友不妨一起看看。
一、三种常见的风险定价方法
我简单介绍一下三种常见的风险定价方法，刚刚介绍了整体情况。
风险定价是在资产风险评估的基础上做出合适的定价。一般是根据不同的违约率来细分客户群，最后可以保证每个细分的客户群都有合适的收益率。
风险定价是由易到难，每个阶段都可以完成，只是效果不一样。我从多年的工作经验中总结了大概三种常见的风险定价方法。
1.成本核算和定价成本核算和定价，从银行或单位出发:我们应该承担多少风险，我们在这个区域应该达到什么战略目标，我们对这个产品有什么期望，我们需要多少钱来运行它，它能给我们带来多少收益，我们能控制的风险和运营成本，并据此计算出一个平均价格。
2.竞争性跟进定价第二种方法是竞争性跟进定价法。这个方法就是看哪个企业做的比较好。不知道怎么定价，就看定了多少，然后就跟着定了。或者设置多少，我们加减分。如果我减分，我就得抓住市场，然后根据后期市场的反馈进行调整。
如果再高一点，可能就保守了。这是因为我们想这么做，但又不想赔钱。所以我先补充一点，然后再说。如果用户不买我的账号，我就减。
这种情况其实就是技术能力不太好，或者现在没有空来计算，想先挤进市场。
这种情况多见于一些互金或金融科技的腰部平台，以及新推出的业务没有足够风控细节的时候。但是如果利率又降了，可能就比较难了，因为以前利率比较高，如果定在20%以上或者30%以上，然后再降一点，整体操作是可以保证的。
但是到现在为止，整体还需要细致的工作。如果大家的风控水平跟不上时代和政策的发展，就会落后于时代潮流，会被逐渐淘汰。
3.数据驱动定价法第三种方法是数据驱动定价法。大约从13年开始，大数据算法模型的影响力逐渐增强。各行各业都觉得算法模型和大数据可以让融资更有优势，提高业务效率。所以我们会选择一些高水平的算法工程师，因为算法比较新潮。
我们新招的硕士生和博士生需要熟悉业务，所以需要重新培训，然后把重任交给他们。我觉得挺好的，对新人有个期待。但风控其实更注重经验，往往需要一个完整的实践周期才能对风控本身有深刻的理解。所以不是简单的看几本书就知道怎么做的。
做了这么多年风控，从现在开始就很期待。从毕业到现在，我几乎每隔半年就会颠覆自己之前对风险控制的认识。
之前觉得不对的，过了一段时间，觉得还是有不对的地方，但也有一些可取之处。然后来来回回。当你找到自己的认知，你就会知道这样做是可以的，或者说这样做也不是不可以。当你搭配一些其他的东西，你就可以让它变得更好。
当公司需要做某件事的时候，我们不能说自己完全做不到。这不是风险控制。
风险控制就是告诉大家怎么做，采取什么方法，这个事情是可以做到的。我们应该通过自己对风险的感知来帮助整个业务提升，而不是简单的说这个业务不行，我不干。
我说的是风控的一个方向，就是规避风险，但是如果我们规避了所有的风险，什么都不做，那么我们就做不了生意，也做不了创新，这是完全错误的。
二、数据驱动的定价方法1。数据驱动的定价
具体来说，数据驱动定价，这种方法的缺点是可能样本不够，因为需要有监督的学习算法，标签多，坏样本多。
相当于过去整个业务系统的错误积累。我们通过算法学习过去的错误来弥补不足，需要加入一些人为的判断，但并不是特别有效。
但是对于一些快速发展的业务，我们可以防范一些东西，这是相互结合的。这些年我观察市场，主要有三个应用数据驱动的模型评测，以后可能会更多。
1)回归模型的直接应用
第一种是直接应用回归模型，先运行回归模型，再运行利率。利率是公司以前贷款的利率，可能会做一些修正。最终利率受倍数或区间限制。
比如用完之后是3.5%，然后限制保留小数点后四位，或者两点的区间，比如在0.1到0.2之间，那么输出一个0.15，和这个意思差不多。
2)信用评级的双模联合定价
第二种是配额计分的双模型联合定价，更加细化。一个输出是默认概率模型，另一个是审批额度。审批额度不一定用回归模型输出，更多的是用一个公式或者一个规范计算出来。然后它会有一个对帐表。在不同违约概率和不同额度下会有一个最终概率。这个会由专家委员会讨论决定，以后可能会有变化，但是已经做的很好了。
3)弹性测试促进风险定价。
三是弹性测试推动风险定价，这是现在的主流方式。刚毕业的硕士生和博士生主要倡导这种思路，针对不同的客户，或者同一客户在不同时间段不同情况下做AB测试。边测试边改进和最小迭代的敏捷风险控制是数据驱动的主流方法。
具体来说，就是把一个批评意见相似或相近的客户分成不同的服务，给他们不同的利率，然后看他们各自的事后表现如何。如果表现好，我们怎么处理？如果表现不好，如何处理还需要进一步讨论。这就是数据驱动的定价。
2.竞争性后续定价方法
竞争跟随定价法一般需要具有市场支配地位的竞争对手的利率作为参照系，并根据竞争策略下调或上调适当的利率，以达到快速切入市场的目的。
好处是发展业务快，对风控的技术要求很低，就是别人怎么做，我就怎么复制。
但这在同一个战场是做不到的。一般会有区别。比如对手在打一线二线城市，我的产品利率就这么定了。如果我想做一个好的产品，我不会和他们在一二三线竞争。
我也会把一个产品放在同一个战场，但是不会投入太多，会在一个错误的地方竞争，会去这个345线或者比较偏僻的地方。然后利率和竞争对手完全一样，可能会稍微提高。怎么增加？专家会做决定，如果后期出了问题，就看储备够不够了。
如果足够，可以长期坚持，如果不够，就出局了。最重要的是速度，一般一两周就确定了。当然也会有很多bug。如果你自己的储备力量不够，你可能无法坚持到最后的胜利。
三、成本会计定价方法
成本核算定价法相对困难。我看了很多市面上的书，人家不做是因为需要一定的技术水平。
刚才上面的大纲里，下面的风险是信用，这就是信用。
先不说按揭贷款。事实上，信贷要求比抵押贷款高得多。信用风险率试算是关于一次还本付息还是先付利息后付本金。你可以回过头来推导等额本息，因为这个比较复杂，需要结合很多平台。不要照搬这种简单的静态算法，很容易出事。
资本具有普遍等价的性质，可以将风险正常化，我们损失的钱可以合并在一起，损失一部分其实并不影响整体。但如果是其他资产，可能就不是这个性质了。
我们先做一个假设，假设每个客户的授信额度相同，违约的情况下会发生损失，所以我们用违约概率乘以坏账率。如果能继续经营下去，那么亏损将小于或等于收益。这个公式意味着违约损失将小于或等于利息收入。这里的坏账率是指违约后的坏账率，大家一定要记住。
我们来看看ppt上的公式。坏账率原则上必须在0到1之间。万一违约，资金可能就没了。可能是用户忘记了，也可能是用户现在没钱了，发薪日还没到，也可能是其他情况，用户没有诚意违约。
因为我们前期有很多准入规则，筛选了很多不良客户，所以后期的坏账率绝对不会是100%，很可能是一个比较低的数字。
我们可以再看一下这张表，了解一下大概的水平。我们的风险控制应该从保守的角度来看。如果有违约，假设坏账率为1，只要有违约就认为是坏账，这是最保守的估计。那么公式odds≤β可以简化，β为最低信用风险利率。
这个时候我们看一下试算的尺度。在不同分组下，以违约概率换算成odds≤β，是信用风险最低的区域。
可以看更老的书。现在的书都不谈这个模型怎么算，更多的是关注模型的代码，这个指标怎么度量，接什么接口，哪个接口数据比较好，数据怎么处理，怎么清理。这个没用。
这是一个等价的转化，而且支付比较快，金额相当。我们可以通过查阅资料来研究这个公式和相关资料。如果违约概率为0.5，那么利率比额度低一点，额度应该在100以上。但如果是这样，实际上会对业务产生影响。
我们可以理解为，如果贷款放了，即使有违约，也不会100%发生。通过催收可以追回一部分钱。如果收藏后无法恢复，可以转售自然套餐，这样就不会有100%的损失。这时候我们可以算一下转型洗盘，也就是违约之后，有多少资产收不回来，只有第一次违约，这个平衡点是动态的而不是固定的。
我们不同产品的具体参数设置取决于业务产品的整体结构。我们假设odds大约等于lending，这样就可以看到不同产品的大致情况。
比如3: 45是房贷，但这只是信用风险的计算，还要加上资金成本和运营费用，所以信用风险的利率肯定会低于最终利率。
你可以看看不同的分布。如果所有客户都不还钱，肯定会倒闭。其次是payloa，P2P，各种金融平台，信用卡，腰金融科技平台，头金融科技平台，银行信用贷款，有抵押的车贷，助学贷款或者一些政策性贷款。
作者:郑某共享平台集团风控负责人；“数据创造者联盟”成员。
本文由@一个数据人的私地原创发布。每个人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"风控模型构建，风控模型lift"：http://www.guoyinggangguan.com/xedk/150126.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
