1. 信用定价概述
1.1 信用风险定义
信用风险（Credit Risk）是指借款人或交易对手未能按合同约定履行还款义务，从而导致债权人或金融机构遭受经济损失的可能性。在零售金融领域，信用风险主要表现为贷款逾期、坏账核销等形态。
核心公式：信用风险 = 违约概率（PD） × 违约损失率（LGD） × 违约风险敞口（EAD）
信用风险具有以下关键特征：
- 不对称性：收益固定（利息收入），损失却可能覆盖本金。
- 滞后性：风险暴露往往在放款后数月甚至数年才显现。
- 传染性：宏观经济下行时，违约风险会跨客群、跨产品扩散。
- 可度量性：通过历史数据与统计模型可量化违约概率。
1.2 信用定价在金融中的作用
信用定价（Credit Pricing）是指金融机构根据借款人的信用风险水平，为其贷款产品设定差异化利率、费率及额度条件的过程。其核心作用体现在以下四个维度：
| 作用维度 | 具体说明 | 业务价值 |
|---|---|---|
| 风险补偿 | 高风险客群收取更高利率，覆盖预期损失与非预期损失 | 维持组合整体盈利性 |
| 市场筛选 | 价格信号引导优质客户留存，劣质客户自然退出 | 优化客群结构 |
| 资本配置 | 风险定价结果指导经济资本在不同客群间的分配 | 提升资本使用效率 |
| 监管合规 | 满足巴塞尔协议等监管框架对风险敏感定价的要求 | 降低合规风险 |
实践要点：信用定价不是简单的“高风险高定价”，还需考虑市场竞争、客户生命周期价值（LTV）以及监管利率上限。定价过高可能导致逆向选择——只有最差的客户才愿意接受。
1.3 人群分层定价的基本逻辑
人群分层定价（Segmentation-Based Pricing）是将借款人按照信用风险特征划分为若干同质群体，对每个群体分别制定差异化定价策略。其基本逻辑遵循“风险-价格”对等原则：
- 分层依据：基于信用评分、收入水平、负债比率、历史还款行为等变量。
- 分层粒度：从粗粒度的“好/中/差”三档，到细粒度的数十个风险等级。
- 定价映射：每个分层对应一个风险调整后的利率区间，通常使用风险校准模型（Risk Calibration）确定。
- 动态调整：分层边界和定价水平需定期回测，随客群迁徙和宏观环境变化而更新。
1.4 分层定价的数学表达
对于任意一个分层群体 \( g \)，其信用定价基准利率 \( r_g \) 可表示为：
r_g = r_f + r_p + r_c + r_m
其中：
r_f = 无风险利率（如国债收益率）
r_p = 风险溢价 = E(L_g) + K × σ(L_g)
E(L_g) = 分层预期损失率 = PD_g × LGD_g × EAD_g
K = 资本乘数（由监管或内部资本政策决定）
σ(L_g) = 分层损失率标准差
r_c = 运营成本分摊率
r_m = 目标利润率
常见误区：部分机构直接将信用评分等距映射为利率，忽略了评分区间内损失率的非线性特征。例如，评分从600分提升到620分，违约概率可能下降30%，但620分到640分可能只下降5%。定价曲线应基于实际损失率校准，而非评分线性转换。
1.5 分层定价的典型流程
| 步骤 | 工作内容 | 输出物 |
|---|---|---|
| 1 | 数据清洗与特征工程 | 建模数据集（含WOE转换） |
| 2 | 开发信用评分模型 | 评分卡或机器学习模型 |
| 3 | 确定分层边界 | 风险等级划分表 |
| 4 | 计算各层损失率 | 分层损失率矩阵 |
| 5 | 设定定价基准 | 分层利率表 |
| 6 | 压力测试与回测 | 定价稳健性报告 |
| 7 | 上线监控与迭代 | 定价效果看板 |
进阶思考：人群分层定价并非一成不变。随着客户在机构内积累更多行为数据，其风险画像可能发生迁移（如从C级升至B级）。成熟的定价体系应包含“风险等级自动迁移机制”，实现定价的动态校准。