2. 信贷风险基础

在申请评分卡项目中，模型不是孤立存在的。它服务于一个非常具体的商业目标：在客户申请贷款的时点，快速判断“这个人未来会不会违约”，并据此决定是否放款、放多少、定什么价格。要理解评分卡为什么这样设计、指标为什么这样选，必须先回到信贷风险的底层概念：信用风险、违约定义、PD、LGD、EAD，以及它们与风险定价和评分卡之间的关系。

一、信用风险的本质：交易对手不履约的可能性

信用风险（Credit Risk）是指借款人或交易对手未能按约定履行还款义务，从而给授信机构带来损失的风险。在零售信贷中，它通常表现为借款人逾期、拖欠甚至彻底不还。信用风险与市场风险、操作风险并列，是银行和消费金融公司最核心的风险类型之一。

信用风险具有几个鲜明特征：

• 不对称性：贷款收益有限（利息），但损失可能接近本金全额，收益与损失不对称。
• 事前不可观测：违约发生在未来，申请时只能通过历史数据和特征进行概率推断。
• 组合可分散：单笔风险难预测，但通过评分卡分层和组合管理，整体风险可以量化与控制。

正因为信用风险是“概率性”的，评分卡才有存在价值：它把不可直接观测的违约可能性，转化为一个可排序、可比较、可决策的分数。

二、违约定义：评分卡建模的“标签”从哪来

做评分卡，第一步不是选算法，而是定义“什么是坏客户”。违约定义（Default Definition）直接决定了模型的标签（label），也决定了模型在业务中的含义。业界常用的违约定义包括：

• 逾期天数口径：如 M1+（逾期30天以上）、M2+（逾期60天以上）、M3+（逾期90天以上）。
• 监管口径：巴塞尔协议通常将“逾期90天以上”或“银行认为不太可能全额还款”视为违约。
• 业务口径：根据产品周期和风险偏好，可能采用首期逾期、滚动率或核销口径。

违约定义一旦确定，整个项目的样本、特征、模型评估和上线策略都必须围绕它展开。定义变了，模型等于重做。

三、PD、LGD、EAD：风险的三块拼图

信用风险可以用三个核心参数来量化，它们共同构成预期损失（Expected Loss, EL）：

EL = PD × LGD × EAD

PD  (Probability of Default)      违约概率
LGD (Loss Given Default)          违约损失率
EAD (Exposure at Default)         违约风险暴露

三者含义如下：

在申请评分卡场景中，模型的核心产出是PD。LGD和EAD更多用于额度策略、定价策略和组合损失测算。理解这一点，才能明白为什么评分卡评估指标常用KS、AUC、PSI，而不是直接看利润。

四、风险定价与评分卡：分数如何变成钱

风险定价（Risk-Based Pricing）的核心思想是：不同风险的客户，应该承担不同的资金价格。评分卡给出的分数，正是风险分层的依据。一个典型的定价逻辑如下：

1. 评分卡输出分数，并将分数映射为PD。
2. 结合LGD和EAD，计算该客户的预期损失。
3. 在预期损失之上，叠加资金成本、运营成本和目标利润。
4. 形成差异化利率或费率，高风险客户高定价，低风险客户低定价。

例如，某消费金融产品将客户分为A～E五档，A档PD为1%，E档PD为8%。若资金成本为4%，运营成本为2%，目标利润为3%，则粗略定价可表示为：

A档：4% + 2% + 3% + 1% × LGD ≈ 10%左右
E档：4% + 2% + 3% + 8% × LGD ≈ 15%以上

实际定价还会考虑竞争、监管上限和客户接受度，但评分卡提供的风险排序是定价差异化的基础。

五、常见误区与复盘

复盘一个真实场景：某团队用M3+定义建模，上线后却用M1+监控，结果发现监控逾期率远高于模型预期，误以为模型失效。实际上，是违约定义口径不一致导致的“假警报”。这说明，PD、LGD、EAD和评分卡之间的关系，必须在项目启动时就统一语言、统一口径。

六、本节小结

信用风险是零售信贷的底层风险；违约定义决定了评分卡的标签；PD、LGD、EAD共同构成预期损失；评分卡主要输出PD，并服务于风险定价与授信决策。把这几个概念串起来，后续的特征工程、模型训练和策略部署才有稳固的根基。