2. 额度模型基础概念

2.1 什么是额度模型

额度模型是金融科技风控体系中的核心定量工具,用于在给定风险偏好与资本约束下,为每个客户或交易主体计算最大可承担信用敞口。它本质上是将业务规则、统计模型与优化算法组合成一套可执行的决策逻辑,输出一个数值——授信额度。

核心公式(简化):
授信额度 = f(收入能力, 信用历史, 负债水平, 资产价值, 行为评分, 宏观因子)

额度模型区别于单纯的评分卡:评分卡输出违约概率(PD),而额度模型输出的是金额。两者常串联使用——先通过评分卡判断“能不能贷”,再通过额度模型决定“贷多少”。

对比维度 评分模型 额度模型
输出变量 违约概率 / 分数 授信金额
决策目标 准入 / 拒绝 额度大小
输入侧重 还款意愿与历史 还款能力与抵押
业务场景 贷前审批 贷前审批 + 贷中调额

2.2 授信额度与可用额度

这两个概念在风控系统中必须严格区分:

  • 授信额度(Credit Limit):金融机构基于模型评估后,授予客户的最大信用金额上限。它是静态的、合同层面的约束。
  • 可用额度(Available Credit):授信额度减去当前已用额度(含本金、利息、手续费等)后的剩余可支用金额。它是动态的、实时更新的。
业务示例:
客户A获得授信额度 100,000 元,当前已用额度 30,000 元,则可用额度 = 100,000 - 30,000 = 70,000 元。若客户发生逾期,系统可能冻结可用额度至 0 元,但授信额度仍为 100,000 元。

在决策引擎中,可用额度是实时计算的关键变量,直接影响交易是否通过。授信额度则作为上限约束,通常只在调额事件(如提额、降额、续贷)时被修改。

授信额度与可用额度关系 授信额度(Credit Limit) 静态上限 | 合同约定 | 模型输出 已用额度 本金 + 利息 + 费用 可用额度 授信额度 − 已用额度 可用额度 = 授信额度 − 已用额度

2.3 额度模型的生命周期

额度模型不是一次性开发完成的静态工具,它在生产环境中经历完整的生命周期管理。一个标准的额度模型生命周期包含以下六个阶段:

  1. 需求定义与数据准备——明确业务目标(如人均额度提升10%)、收集内外部数据源、定义目标变量(如坏账率、使用率)。
  2. 模型开发与验证——特征工程、算法选择(线性回归、决策树、XGBoost等)、参数调优、在验证集上评估稳定性与区分度。
  3. 决策引擎集成——将模型打包为可执行规则或API,嵌入到实时决策流中,配置额度计算节点与策略矩阵。
  4. 在线监控与预警——监控额度分布、使用率、通过率、逾期率等指标,设置阈值告警(如平均额度突增20%)。
  5. 周期性复审与校准——每季度或每半年使用最新数据重新评估模型表现,必要时调整参数或重建模型。
  6. 退出与迭代——当模型失效(如区分度下降、业务策略变更)时,下线旧模型并切换至新版本。
常见陷阱:许多团队在“决策引擎集成”阶段只关注接口对接,忽略了额度计算结果的业务合理性校验(如额度不应超过客户年收入的3倍),导致线上出现异常高额授信。
额度模型生命周期 ① 需求定义 数据准备 ② 模型开发 验证 ③ 引擎集成 策略配置 ④ 在线监控 预警 ⑤ 复审校准 季度/半年 ⑥ 退出迭代 版本切换 反馈迭代(模型重建)

2.4 生命周期中的关键决策点

在额度模型的生命周期中,以下三个决策点对模型效果影响最大:

阶段 关键决策 常见错误
需求定义 选择目标变量(如额度使用率 vs 坏账率) 目标变量与业务KPI脱节
引擎集成 额度计算节点在决策流中的位置 放在拒绝规则之后,导致额度浪费
复审校准 调额触发条件(时间窗口 vs 行为事件) 仅依赖时间窗口,忽略行为变化
最佳实践:在决策引擎中,额度模型应作为独立节点运行,输出结果与规则引擎的“额度上限规则”做交集运算,最终取最小值作为实际授信额度。这样既保留模型灵活性,又满足合规与风控底线。