loan decisioning分群评分沙盘教程 - 第1节
1.1 信贷决策的定义
信贷决策（Credit Decisioning）是指金融机构在授信过程中，基于申请人的信用状况、还款能力、行为特征及外部环境等多维信息，通过规则、模型或人工判断，决定是否批准贷款、授予多少额度、设定何种利率与期限的完整过程。它本质上是风险与收益的平衡艺术。
核心三要素：
- 准入决策：是否接受申请（通过/拒绝/人工审核）。
- 额度决策：授予多少信用额度（基于偿债能力与风险偏好）。
- 定价决策：设定利率、费率与期限（覆盖预期损失与运营成本）。
1.2 信贷决策在金融体系中的重要性
信贷决策是金融体系运转的“守门人”，其质量直接影响机构盈利、系统性风险与普惠金融水平。以下从三个维度说明其战略地位：
| 维度 | 影响描述 | 典型后果（决策失误） |
|---|---|---|
| 微观机构 | 决定资产质量与资本回报率（ROE） | 不良率飙升、拨备侵蚀利润 |
| 中观市场 | 影响信贷供给效率与竞争格局 | 逆向选择、劣币驱逐良币 |
| 宏观系统 | 关联金融稳定与居民杠杆水平 | 系统性风险积累、债务危机 |
行业共识：信贷决策能力每提升10%，可降低15%-25%的坏账损失，同时提升5%-10%的通过率（基于麦肯锡2023年零售银行风控报告）。
1.3 信贷决策的基本流程
标准信贷决策流程通常包含六个核心环节，形成从申请到放款的闭环。下图展示了各环节的串联关系与关键输出：
流程各环节详解
- 申请提交：申请人通过线上/线下渠道填写身份信息、贷款金额、用途等基础数据。
- 数据采集：接入征信报告、多头借贷、收入流水、设备指纹、社交行为等内外部数据源。
- 规则过滤：执行硬性拒绝规则（如黑名单命中、年龄<18或>65、行业禁入），快速拦截高风险申请。
- 模型评分：运行申请评分卡（A卡）、行为评分卡（B卡）或机器学习模型，输出违约概率（PD）与信用分。
- 决策引擎：将规则结果与模型分数融合，依据策略矩阵（如额度-利率映射表）生成最终决策。
- 放款执行：通过审批后，系统自动或人工触发资金划拨，并同步更新贷后管理台账。
常见误区：许多机构将“规则过滤”与“模型评分”视为二选一，实际上两者是互补关系——规则负责守住底线（欺诈、合规），模型负责精细化排序（信用风险）。缺少任一环节都会导致决策质量下降。
决策流程中的关键角色与系统
信贷决策并非单一系统完成，而是由多个组件协同运作。下表列出核心角色及其职责：
| 角色/系统 | 职责 | 典型输出 |
|---|---|---|
| 申请管理系统（AMS） | 受理申请、状态流转、任务分配 | 申请单、审批任务 |
| 决策引擎（DE） | 执行规则、调用模型、生成决策 | 通过/拒绝/人工、额度、利率 |
| 评分模型服务（SMS） | 实时计算信用分与违约概率 | PD值、信用分、分群标签 |
| 数据中台（DMP） | 数据清洗、特征加工、变量衍生 | 标准化特征宽表 |
理解上述流程与角色，是后续学习“分群评分沙盘”的基础——沙盘的核心目标正是通过模拟不同分群策略与评分阈值，优化决策引擎的输出效果。