2. 核心概念解析：信用评分、风险定价、额度管理、利率与期限、流式决策引擎
在搭建信用额度定价流式决策链路之前，必须统一团队对五个核心概念的认知。这些概念构成了整个系统的业务语义基础，也是后续架构设计与模型开发的前提。
2.1 信用评分
定义：信用评分是通过统计模型对借款人未来违约概率（PD）的量化估计，通常以分数形式呈现。分数越高，代表信用风险越低。
作用：
- 风险分层：将客户划分为优质、标准、次级等风险等级。
- 准入决策：低于阈值分数的申请直接拒绝。
- 定价输入：评分是风险定价模型的核心特征之一。
| 评分类型 | 数据来源 | 更新频率 | 典型用途 |
|---|---|---|---|
| 申请评分（A卡） | 申请表、征信报告 | 一次性 | 贷前准入 |
| 行为评分（B卡） | 还款、交易、用款行为 | 月度/实时 | 额度调整、贷中监控 |
| 催收评分（C卡） | 逾期表现、催收反馈 | 按需 | 催收策略分配 |
实践要点：在流式决策链路中，行为评分（B卡）需要支持毫秒级实时计算，通常采用特征平台 + 模型服务（Model Serving）的架构，而非传统的批量跑批。
2.2 风险定价
定义：风险定价是指根据借款人的预期损失（EL = PD × LGD × EAD）和非预期损失（UL），为不同风险等级的客户设定差异化利率的过程。
核心公式：
利率 = 资金成本 + 运营成本 + 预期损失 + 资本成本 + 目标利润率作用：
- 风险补偿：高风险客户支付更高利率，覆盖潜在损失。
- 市场竞争力：低风险客户获得优惠利率，防止优质客户流失。
- 监管合规：避免统一定价导致的逆向选择。
关键指标：风险调整后资本回报率（RAROC）是衡量风险定价是否合理的核心指标。RAROC = (收入 - 预期损失 - 运营成本) / 经济资本。
2.3 额度管理
定义：额度管理是动态确定客户最大可借金额（授信额度）的过程，需在风险敞口可控与客户资金需求之间取得平衡。
额度类型：
- 初始额度：基于申请评分、收入、负债比等首次授予。
- 动态额度：根据行为评分、用款率、还款表现实时调整。
- 专项额度：针对特定场景（如购物、装修）的临时额度。
额度管理核心约束：
授信额度 ≤ min( 客户还款能力 × 收入杠杆系数, 风险敞口上限, 监管限额 )2.4 利率与期限
定义：利率是资金使用的价格，期限是借贷合约的时间长度。两者共同决定了客户的总融资成本与机构的收益结构。
利率类型对比：
| 利率类型 | 计算方式 | 适用场景 | 风险特征 |
|---|---|---|---|
| 固定利率 | 合约期内不变 | 短期消费贷 | 利率风险由客户承担 |
| 浮动利率 | 挂钩LPR/基准利率 | 长期房贷 | 利率风险由机构承担 |
| 阶梯利率 | 随期限/额度变化 | 信用卡分期 | 风险与收益动态匹配 |
期限与风险的关系：期限越长，不确定性越大，通常需要更高的风险溢价。在流式决策中，期限选择往往与客户的生命周期价值（LTV）预测模型联动。
2.5 流式决策引擎
定义：流式决策引擎是一种实时计算架构，能够在数据产生的瞬间（毫秒级）完成规则判断、模型推理、额度定价等决策动作，并将结果直接返回给业务系统。
与传统批处理决策的对比：
| 维度 | 批处理决策 | 流式决策 |
|---|---|---|
| 延迟 | 分钟~小时级 | 毫秒~秒级 |
| 数据范围 | 全量历史数据 | 滑动窗口 + 实时事件 |
| 典型场景 | 月度额度调整 | 实时交易拦截、动态提额 |
| 技术栈 | Hive/Spark SQL | Flink/Storm/Kafka Streams |
流式决策引擎的核心组件：
- 事件接入层：通过Kafka/Pulsar接收申请、交易、还款等实时事件。
- 特征计算层：基于滑动窗口实时聚合行为特征（如近30天消费金额）。
- 规则引擎层：执行准入规则、反欺诈规则、额度上限规则。
- 模型推理层：调用评分模型、定价模型，通常通过gRPC或REST API。
- 决策输出层：将决策结果写回业务系统，并触发后续动作（如发送短信）。
架构陷阱：流式决策引擎对状态管理要求极高。如果特征计算依赖跨多个事件的状态（如累计用款金额），必须使用Flink的Keyed State或外部状态存储（Redis/TiKV），否则会出现数据不一致。
2.6 五大概念的关系
下图展示了信用评分、风险定价、额度管理、利率期限与流式决策引擎在信贷全生命周期中的协作关系：
总结：信用评分是风险量化的基础，风险定价将量化结果转化为价格信号，额度管理控制风险敞口，利率与期限定义合约结构，而流式决策引擎则是这一切在实时场景下的执行载体。五个概念缺一不可，共同构成信用额度定价的完整闭环。