📚 课程目录第3章风险分层与额度策略

三、风险分层与额度策略

风险分层是额度策略的基石。没有准确的风险评级，初始额度设定和后续调整就失去了科学依据。本节将系统讲解如何构建风险评级体系、基于风险等级设定初始额度，以及设计额度调整的触发条件。

3.1 风险评级体系

风险评级体系的核心目标是将用户按照违约概率（PD, Probability of Default）从低到高划分为若干等级，为差异化额度策略提供输入。一个成熟的体系通常包含评分卡、等级映射和动态监控三个部分。

3.1.1 评分卡与等级映射

评分卡输出一个连续的信用分数（如 300-850 分），我们需要将其映射到离散的风险等级。常见的映射方式如下表所示：

风险等级	评分区间（示例）	违约概率（PD）范围	客群占比（参考）	策略标签
L1（优质）	720 - 850	< 1%	15%	高额度、低利率
L2（良好）	660 - 719	1% - 3%	25%	中等额度、标准利率
L3（一般）	600 - 659	3% - 8%	35%	低额度、较高利率
L4（关注）	550 - 599	8% - 15%	15%	极低额度、高利率
L5（高风险）	< 550	> 15%	10%	拒绝或象征性额度

实战要点：等级划分并非一成不变。建议每季度根据模型表现和客群迁徙情况重新校准分界点，确保各等级内的客群风险特征保持稳定。

3.1.2 风险评级体系架构

下图展示了风险评级体系从数据输入到策略输出的完整流程：

3.2 基于风险等级的初始额度设定

初始额度是用户与产品建立信任的第一步。设定原则是：风险越低，额度越高；风险越高，额度越低甚至拒绝。但额度并非仅由风险决定，还需结合收入、负债、产品生命周期等因素。

3.2.1 初始额度矩阵

一个典型的初始额度设定矩阵如下，它同时考虑了风险等级和收入水平：

风险等级	低收入（< 5万/年）	中等收入（5-15万/年）	高收入（> 15万/年）
L1（优质）	10,000 - 30,000	30,000 - 80,000	80,000 - 200,000
L2（良好）	5,000 - 15,000	15,000 - 50,000	50,000 - 120,000
L3（一般）	2,000 - 8,000	8,000 - 25,000	25,000 - 60,000
L4（关注）	500 - 2,000	2,000 - 8,000	8,000 - 20,000
L5（高风险）	拒绝 / 0	拒绝 / 0	1,000 - 5,000（严格限制）

  额度设定公式（示例）：

  初始额度 = 基础额度 × 风险系数 × 收入系数 × 产品系数

  其中：基础额度由产品类型决定（如信用卡 10,000）；风险系数 L1=1.5, L2=1.0, L3=0.6, L4=0.3, L5=0.1；收入系数根据收入分档在 0.5-2.0 之间；产品系数用于区分不同产品的风险偏好。

3.2.2 初始额度设定流程

下图展示了从用户申请到初始额度下发的完整决策流程：

3.3 额度调整触发条件

额度调整分为主动提额（用户申请）和被动调额（系统自动触发）。设计良好的触发条件既能激励优质用户，又能及时控制风险。

3.3.1 主动提额触发条件

用户主动申请提额时，系统需重新评估其风险状况。常见的触发条件包括：

时间门槛：当前额度使用满 6 个月以上。
还款表现：近 6 个月无逾期记录，且累计还款金额达到一定比例。
收入提升：用户主动上传新的收入证明，且收入增长超过 20%。
信用分提升：外部征信评分较上次申请时提升超过 30 分。
使用活跃度：近 3 个月月均使用额度超过当前额度的 60%。

3.3.2 被动调额触发条件

系统自动监测用户行为，当触发以下条件时自动调整额度：

触发类型	触发条件	调整动作	调整幅度
正向提额	连续 12 个月按时还款，且使用率 > 50%	自动提升额度	当前额度的 20% - 50%
正向提额	外部征信评分提升超过 50 分	自动提升额度	当前额度的 30% - 80%
负向降额	出现 1 次逾期超过 30 天	立即冻结额度	降至 0
负向降额	近 3 个月出现 2 次逾期（1-29 天）	降低额度	当前额度的 50%
负向降额	负债率（DTI）超过 60%	降低额度	当前额度的 30%
周期性调整	每 6 个月自动重新评估	根据最新风险等级调整	按初始额度矩阵重新计算

3.3.3 额度调整策略代码示例

以下是一个简化的额度调整决策引擎伪代码，展示了如何根据触发条件执行调整：

def adjust_credit_limit(user, current_limit):
    # 1. 检查逾期情况（负向触发）
    if user.has_overdue_days >= 30:
        return 0  # 冻结额度
    if user.recent_overdue_count(3 months) >= 2:
        return current_limit * 0.5  # 降额50%

    # 2. 检查负债率
    if user.debt_to_income_ratio > 0.6:
        return current_limit * 0.7  # 降额30%

    # 3. 检查正向提额条件
    if user.consecutive_on_time_payments >= 12 and user.usage_rate > 0.5:
        increase_rate = 0.2 + (user.credit_score - 700) * 0.001
        increase_rate = min(increase_rate, 0.5)  # 上限50%
        return current_limit * (1 + increase_rate)

    # 4. 周期性重新评估
    if user.months_since_last_review >= 6:
        new_risk_level = get_risk_level(user)
        new_limit = calculate_limit_by_matrix(new_risk_level, user.income)
        return new_limit

    # 5. 默认不调整
    return current_limit

风险提示：额度调整策略需要设置硬上限和硬下限，防止因模型异常或数据错误导致极端额度。同时，所有自动调额操作都应记录日志并支持人工干预回滚。

3.4 策略监控与迭代

额度策略上线后并非一劳永逸。需要建立以下监控指标：

各等级额度使用率：如果 L1 用户额度使用率普遍低于 20%，说明额度可能过高，造成资金浪费。
各等级逾期率：如果 L3 等级逾期率突然上升，需要检查等级划分是否失效。
提额后表现：提额后 3 个月内的逾期率是否显著高于未提额用户。
降额后复贷率：降额后用户是否流失严重，是否需要调整降额幅度。

建议每月输出一份《额度策略健康度报告》，包含上述指标的环比变化和异常预警，确保策略始终与客群风险特征保持一致。