信贷业务有对公与对私之分，由于信贷业务模式的差异，风险把控方式不同，对于授信额度策略自然非常不同。

目前对公业务中，常规的做法是借助信用评级方法对现有的企业进行信用评价，综合判断后再输出相关授信额度。目前银行借助做信用评级业务的两家第三方公司，穆迪投资服务有限公司（Moody’s Investors Services）和标准普尔公司（Standard&Poor’s），这两家国际上较为权威的两大信用评级机构判断企业风险。这两家国际化的公司自然对西方市场的信用评价体系自然非常擅长，但在本地化的过程中仍有一些水土不服。

本来对企业的信用评分判断就不是一件非常容易的内容。特别是在中国，小微企业占90%份额，数据缺少标准化不谈，还有更多的业务不在台面交易。想从数据上进行评价，想想我们广大人民群众的智慧也会为这个信用评价的可靠性捏把冷汗。我们指望外来的和尚会念经，但是这次似乎越来越多的风控从业者的为其专业性打上问话。

To b的授信额度不是一件容易的事情，那to c业务呢？面对的问题同样是to b不容小觑的。授信额度最重要的两点，一个是衡量其收入，一个是判断其支出。当我们确认借贷方的收入是稳定的，金融机构肯定能给与其高额额度。传统的房贷业务中，会要求客户提供工资流水。只要月均流水是其房贷的2~3倍，贷款即可批复。

这流水有多水，大家心知肚明。既然银行知道这水深，为啥还要批贷？你以为银行看中的是流水？其实风险早就在那三成或五成首付，以及其抵押不动产的风险中抵消了。买的不比卖的精明。现在市场行情不好，银行对客户风险把控严格。但在经济较好的时候，房价上涨，银行看重的不就是你（贷款者）这样的不动产么？您可以选择别还贷，反正银行的手中可是握着大家最重要和保值的资产。

流水、黑名单、多头，这些风控特征都是风险把控要素。特别是流水中的多头借款。每一家银行都恨不得能将你的流水详情一一核查背诵，如果判断中其有非常严重的多头借贷行为一律拒贷。但流水这样敏感的信息，监管单位早就发文属于公民最需要保护一类信息，任何机构都不能直接查询和存储。所以这些风险特征虽然好用，也最不可能轻易得到。直取不行，智取总可以了吧？

方法总是是有。做风控的童鞋早就深谙此道。把控风险不能凭借流水判断，更不能直接凭借客户提供 的流水判断。那我借助外部的征信数据以及人行征信机构，总能判断风险，为客户输出额度了吧。

以下，我们介绍基于人行征信数据，输出风险特征的方法具体量化信用风险，并基于此方法输出相关的授信额度，效果也还可以。

征信数据是判断客人风险最重要的数据来源，但征信数据可不是每家公司都能获取，至少持牌机构才能有获取征信权限。如果没有征信数据，后续我们出个通过三方数据输出额度模型的专题供大家参考。

回到主题。本次的流水中的支出会从以下几个维度的贷款中获取，数据是依次从PBOC机构获取，维度参考主要有以下几类，

分别是：

1.车贷

2.房贷

3.抵押贷

4.经营贷

5.大额贷

6.小额贷

7.消费贷

8.贷记卡

9.信用长度

以上所涉及的数据维度中，都是在PBOC中都是可以直接获取的信息。获取到了此数据后，如何进行相关的数据整合呢？每个数据的维度的权重又该如何评估呢？

做授信额度的内容中，我们需要了解几个概念。分别是：一个是基础额度，一个是额度区间，一个是盖帽额度。

基础额度是我们在授信之后，给客群的最基本的额度，可以理解为保障额度，只要过了授信的人群必须有的额度。

额度区间是该客群在数据维度中，所划分的等级中额度梯度的数值，而且在后面的测算中每个区间都有具体的额度系数，记住这里又带出来一个系数的概念，其非常重要。

盖帽额度，即封顶额度，每个产品都有其额度上限，所以与其相应的基础额度就是下限区间。

清楚以上的基础概念后，咱们来看如何给客群确定一个具体的额度，只要额度区间划分得足够细。一人一额度，千人千面不难实现。

在映射到上面的额度基础概念后，我们再来看会刚才提到的9个数据维度。这里我们拿第1中的车贷为例说明。

车贷，汽车贷款。在具体到具体的数据维度后，其实会包括三方面的内容，分别是：

a. 车贷金额

b. 车贷已还比例

c. 车贷已还额度

为什么卡这三个方面，因为在贷款逻辑中我们始终把控：金额+还款额越大越好，还款额+还款比例越大越好。这是在车贷产品，同样在房贷产品适用。但在贷记卡数据中，却相反，比如已使用额度越大越好，因为代表着客户越有资金需求。

在上面提到的abc这三个细节中，我们依旧会有相应的系数，这三个系数具体会有客群对应所在的额度区间决定。额度区间，又回到开始时候我们介绍的概念。那如何确定一个具体客群的额度区间。我们上面提到过只要区间划分得足够小，千人千面都有可能，比如划分1个100等分的区间。但在实际落地过程中，我们一般取某个数值维度在10个或20个等分区间就OK了。参考如下：

很多公司做客群授信额度这么细腻，从细节上说是好，但似乎价值也不大。

只要求出车贷的测算方法，同样的方法我们运用到房贷、抵押贷、经营贷、大额贷、小额贷、消费贷、贷记卡、信用长度这些方面上。

其中信用长度是指客户拥有征信数据的年限，信用长度越长，我们越能判断客群风险，一般而言长度越长，所累计的信用额度越高。

在以上所分析的数据维度中，最复杂的不是房贷、车贷等这些消费贷款，而是贷记卡数据。因为贷记卡中会涉及到近期用卡数据，这里会牵涉到近6个月卡可用比例、近6个月可用额度、单卡最高额度、卡平均授信额度等这些内容，综合加权就稍微复杂。但复杂贵复杂，仍有处理的办法。大家可以进一步思考。当然之前在我们的知识星球中，关于额度模型沃恩早就跟大家解答过一版内容，可以留下邮箱发送下相关额度资料信息，后续有问题欢迎在星球上面与我们交流，感谢大家。

~原创文章

…

end