贷中风险管控要点，贷款风控审核怎么通过

信贷产品有两种，非循环贷款和循环贷款产品。这两类产品既有区别也有相似之处。既然是互金产品，必然要重视预借模块。贷前欺诈风险和信用风险的控制是共同基金最重要的部分。

这两个产品的区别，比如非循环贷款，基本上就是信用额度会一次性用完，风险会在一开始就暴露出来。对于循环贷款业务，会涉及到贷款中的金额调整，贷款策略中的金额增减策略非常重要。纵观疫情期间的信用卡业务，部分银行的信用卡中心已经大幅降低了对部分地区客户的授信额度，授信额度策略进一步收紧。

同时，随着金融业务的发展，很多细节在贷前已经被覆盖，很多贷前风险也是通过与同业的交流发展起来的。后续在市场竞争中，贷款存量的客户管理和贷款额度的调整是关键技术点，是抢占市场的桥头堡。本文将谈谈贷款中的相关调整策略。

一.战略制定过程

额度的策略，看看深耕多年的信用卡业务，额度调整相关的方法论已经非常成熟，值得借鉴。本文仍以偏向大额现金贷的调整策略来介绍调整的细节。

首先，整个战略制定流程体系是基于系统化的构建和科学的决策方法。在总体流程中模块分为四个部分:

业务战略+业务流程+模型算法+数据管理

业务策略是信贷产品的相关逻辑，会涉及产品细节、对应的准入策略、白名单用户规则等；

业务流程和相关信用数据相互关联，需要控制信用更新的频率和查询优化的细节；

在数据模型的开发中，结合业务是为了更好的服务于业务。对于模型模块和算法模块的内容，有不同的风控评分模型和应对模型。

以上内容都来源于数据，数据管理也很重要。相关数据管理包括数据仓库、交易数据和账户数据。

编辑切换到中心

画

在介绍完上述规则流程后，我们将从业务策略结合算法模型的角度介绍上述内容:

1.白名单准入策略+socreB放置和放置策略。

2.配额策略矩阵

2.白名单访问策略+socreB放置和放置策略

2.1.基本内容介绍:

在以上开发流程的基础上，这里我们将卡上最基本的硬规则+软规则+scoreB。

硬规则，HardCheck，是产品进入的门槛。例如，如果年龄在25到45岁之间，则为HardCheck。拒绝任何不在这个年龄范围的人。

软规则，即命中多个规则，对应的软规则都有一个规则分值的内容。

ScoreB，贷款中的B卡，行为评分模型，估计大家都会熟悉相关内容。

欺诈性B卡的建模目标

A.使用机器学习方法识别(估计)持卡超过6个月的信用卡客户未来的逾期风险。

B.阶段目标是根据客户的顶层细分模型，在重新导出新的特征变量的基础上，提高模型的预测效果。

2.2.如何在白名单的基础上用B卡做风险筛查？

这里为了说明在白名单的基础上组合B卡的策略，白名单中使用了两张B卡，一张是主卡使用的B1卡，一张是子卡的B2卡。

当只有一张评分B卡时，我们通常采用门槛+评分卡的策略来筛选客人。比如下图，我们选择640点以下配售和640点以上配售的策略，两者用虚线划分。显然，这样一刀切的打分方式从来都不是最好的风险控制手段。比如记分卡640以下，是不是就没有招待组了？640分以上的就没有坏人了吗？显然这个方法太粗糙了。

要做好精细化的风险管控，必须进一步划分相应的风险客户。因此，在阈值得分的基础上，我们结合B2卡和子卡进一步筛选风险客户。

2.3.具体的实用方法如下:

①首先通过一些硬规则和软规则筛选出白名单客户，排除被人民银行查询近60天的客户，选择B卡得分>；640分截止，获得老白名单。现在需要增加一个大额现金贷准入评分来代替软规则，通过将高风险客户改为低风险客户来增加白名单的范围。

编辑切换到中心

画

(2)如上图所示，图中第一个表是分数穿越后的人数比例，第二个表是分数穿越后的风险情况。换进换出，边际风险1.9%，对应B分大于640。图中黄色部分是新白名单替换的部分，灰色部分是新白名单替换的部分。所以新的白名单应该是白区+黄区。新战略如下:

(Bscore & gt660&大额现金积分> 620)和(Bscore在640到659之间&大额现金积分>；640)和(Bscore在620到639之间&大额现金评分>；680)和(Bscore在600到619之间&大额现金评分>；700)和(Bscore在580到599之间&大额现金积分>；720)

③在实际操作中，有些客户会被节点Bscore前的硬性规则拒绝，所以不会有Bscore评分，以上不考虑。这里选择1.9%作为风险承受线。其实这个值可以根据公司的风险偏好来设定。考虑到分数缺失的客户，可以适当降低门槛，预留一些风险缓释垫，保证策略效果更接近线上效果。

(4)根据上图中新旧白名单的细分结果，统计对应的客户数量和风险表现，对比新旧白名单的效果(其实和上图有些不一致，上图用1%的客户代替了3%的客户)。