信贷审批基础：传统信贷审批流程、关键术语与监管要求

信贷审批是金融机构风险管理的核心关口，也是AI信贷审批系统建设的前提与基准。理解传统信贷审批的流程、关键术语和监管要求，是设计智能审批策略、定义模型目标变量、设定决策阈值的基础。本章将系统梳理传统信贷审批的完整链路，解析信用评分、风险定价、逾期率等核心概念，并明确监管红线，为后续AI系统的搭建提供业务语言与逻辑框架。

2.1 传统信贷审批流程：从申请到贷后的完整链路

传统信贷审批流程是金融机构多年业务经验的沉淀，其核心逻辑是“了解你的客户”（KYC）与“了解你的风险”（KYR）。尽管AI系统正在重塑这一流程，但理解传统流程中的每一个环节及其背后的风控意图，仍然是搭建智能审批系统的基础。

核心原理：五阶段风控闭环

传统信贷审批通常分为五个阶段：申请受理、贷前调查、信用评估、审批决策、贷后管理。这五个阶段形成一个完整的风控闭环，每个阶段都有明确的输入、输出和风控目标。AI系统并非要推翻这一流程，而是要在每个环节中嵌入智能化能力，提升效率与准确性。

判断方法与操作流程

在实际操作中，审批人员需要遵循一套标准化的作业流程。以个人消费贷款为例，典型流程如下：

1. 资料初审：检查申请资料是否齐全、真实，身份证件是否有效，申请表填写是否完整。
2. 征信查询：取得客户授权后，查询人行征信报告，关注逾期记录、查询次数、负债情况。
3. 收入负债计算：根据银行流水、工资单等计算月收入，结合征信中的负债信息计算债务收入比（DTI）。
4. 信用评分：将客户信息输入评分卡模型，得到信用评分，通常300-850分。
5. 审批决策：根据评分和审批政策，做出“通过”、“拒绝”或“人工复核”的决定。
6. 额度与定价：对通过客户，根据评分等级确定授信额度和利率。

2.2 关键术语：信用评分、风险定价与逾期率

信用评分、风险定价、逾期率是信贷审批中最核心的三个术语，它们分别回答了“客户是否可信”、“如何定价”、“资产质量如何”三个关键问题。AI系统的目标变量设计、模型评估、策略调优都围绕这三个概念展开。

信用评分：风险量化的标尺

信用评分是将借款人的信用风险量化为一个数值的过程。最经典的评分卡模型基于逻辑回归，通过WOE（证据权重）转换和IV（信息价值）筛选变量，最终输出一个分数。评分越高，风险越低。在实际应用中，评分通常被划分为若干等级，如“极优”（750+）、“优秀”（700-749）、“良好”（650-699）、“一般”（600-649）、“较差”（<600）。

风险定价：收益与风险的平衡

风险定价的核心公式为：利率 = 资金成本 + 运营成本 + 风险溢价 + 预期利润。其中风险溢价是根据客户的信用评分或风险等级确定的。例如，某银行对A级客户（评分750+）定价年利率5.5%，对B级客户（评分650-699）定价8.0%，对C级客户（评分600-649）定价12.0%。风险定价的目标是使高风险客户支付的利率能够覆盖其可能带来的损失。

逾期率：资产质量的晴雨表

逾期率是衡量信贷资产质量的核心指标，通常分为M1（逾期30天）、M2（逾期60天）、M3（逾期90天）等不同口径。计算公式为：逾期率 = 逾期贷款余额 / 总贷款余额 × 100%。例如，某消费金融公司总贷款余额100亿元，M1逾期余额2亿元，则M1逾期率为2%。逾期率不仅是贷后监控指标，也是审批模型调优的重要反馈信号。

2.3 监管要求：合规红线与AI系统的适配

信贷审批受到严格的监管约束，AI系统的引入必须在合规框架内进行。近年来，监管机构对金融科技的应用提出了更高要求，特别是对模型的可解释性、公平性和数据合规性。

核心监管框架

• 《个人信息保护法》（PIPL）：要求信贷审批中收集个人信息必须取得授权，遵循“最小必要”原则，禁止过度采集。
• 《征信业务管理办法》：规定征信数据的采集、使用、加工必须合规，禁止未经授权查询征信。
• 《商业银行互联网贷款管理暂行办法》：要求互联网贷款必须建立有效的风控体系，核心风控环节不得外包。
• 《消费者权益保护法》：要求利率透明、催收合规、拒绝歧视。

AI系统合规要点

AI信贷审批系统在满足传统监管要求的基础上，还面临新的合规挑战：

1. 模型可解释性：监管要求信贷决策必须可解释，AI模型（特别是深度学习模型）需要提供决策依据。
2. 公平性与反歧视：模型不得因性别、年龄、地域、民族等敏感属性产生歧视性决策。
3. 数据合规：训练数据必须来源合法，不得使用非法爬取或未经授权的数据。
4. 人工复核机制：对于AI拒绝的客户，应提供人工复核渠道，保障客户申诉权利。
5. 算法备案：部分AI算法需要向监管部门备案，说明算法原理、数据来源和潜在风险。

2.4 传统流程的痛点与AI改造切入点

理解传统流程的痛点，是设计AI系统功能模块的出发点。传统信贷审批的主要痛点包括：效率低（人工审批耗时3-7天）、标准不一致（不同审批人决策差异大）、数据利用不足（大量非结构化数据未使用）、风控滞后（贷后监控依赖人工）。AI系统的改造切入点如下：