2. 额度定价基础：信用评分与风险定价
2.1 信用评分：风险量化的基石
信用评分是将借款人的历史行为、还款能力、负债水平等信息，通过统计模型转化为一个可比较的数值。该数值直接反映了借款人未来发生违约（Default）的概率。在额度定价中，信用评分是区分风险等级、制定差异化定价策略的核心输入变量。
核心公式： 风险定价的核心逻辑可简化为：
其中，信用评分通常用于估计 PD（违约概率）。
预期损失（EL） = 违约概率（PD） × 违约损失率（LGD） × 违约风险敞口（EAD）其中，信用评分通常用于估计 PD（违约概率）。
常见的信用评分体系包括：
- FICO 评分： 美国最主流的通用评分，范围 300-850，分数越高风险越低。
- VantageScore： 三大征信局联合开发的评分模型，与 FICO 竞争。
- 内部行为评分： 金融机构基于自身交易数据、还款记录构建的专属评分，通常对存量客户更具预测力。
| 风险等级 | 信用评分区间（示例） | 违约概率（PD） | 定价策略倾向 |
|---|---|---|---|
| 优质 | 720 - 850 | < 1% | 低利率、高额度、免息期 |
| 良好 | 680 - 719 | 1% - 3% | 中等利率、标准额度 |
| 一般 | 620 - 679 | 3% - 8% | 较高利率、额度控制 |
| 高风险 | < 620 | > 8% | 高利率、低额度或拒绝 |
实践提示： 在 A/B 测试中，信用评分常作为分层随机化的关键变量。确保实验组和对照组在各评分区间内的样本分布一致，是避免选择偏差（Selection Bias）的基础。
2.2 额度与利率的关系：风险-收益平衡
额度（Credit Limit）和利率（Interest Rate）是定价的两个核心杠杆。它们并非独立决策，而是共同服务于风险调整后收益（Risk-Adjusted Return）的最大化。高额度意味着更高的风险敞口（EAD），通常需要搭配更高的利率来补偿潜在的违约损失；反之，低风险客户可以享受高额度与低利率的组合。
常见误区： 单纯提高利率而不调整额度，可能导致逆向选择（Adverse Selection）——只有高风险用户愿意接受高利率，低风险用户流失，最终整体资产质量恶化。
额度与利率的典型组合策略：
- 低风险-高额度-低利率： 用于吸引和留存优质客户，提升客户生命周期价值（LTV）。
- 中风险-中额度-中利率： 平衡风险与收益，覆盖大部分主流客群。
- 高风险-低额度-高利率： 控制风险敞口，同时通过高利率覆盖预期损失，仅对部分高风险客户开放。
- 极高风险-拒绝： 当预期损失超过收益阈值时，直接拒绝授信。
| 客户风险等级 | 建议额度范围 | 建议利率范围（APR） | 预期收益贡献 |
|---|---|---|---|
| 优质（A） | 高（如 50,000+） | 低（8% - 12%） | 稳定利息收入 + 低坏账 |
| 良好（B） | 中高（20,000 - 50,000） | 中低（12% - 18%） | 较高利息收入 |
| 一般（C） | 中低（5,000 - 20,000） | 中高（18% - 25%） | 利息覆盖部分坏账 |
| 高风险（D） | 低（< 5,000） | 高（25% - 36%） | 高利息但坏账风险大 |
2.3 定价策略对用户行为的影响
定价策略不仅仅是数学计算，它深刻影响着用户的借贷、消费和还款行为。理解这些行为反馈，是设计有效 A/B 测试实验的前提。
关键行为指标：
- 接受率（Take Rate）： 用户接受所提供额度与利率的比例。利率越高，接受率通常越低。
- 资金使用率（Utilization Rate）： 已用额度占总授信额度的比例。低利率可能刺激更高的使用率。
- 提前还款率（Prepayment Rate）： 用户提前结清贷款的比例。高利率可能促使借款人提前还款以节省利息。
- 逾期率（Delinquency Rate）： 用户未按时还款的比例。过高的利率可能增加用户的还款压力，导致逾期上升。
定价策略与用户行为的典型关系：
- 利率弹性： 不同风险等级的用户对利率的敏感度不同。优质客户通常对利率更敏感（弹性高），而高风险客户由于选择有限，对利率敏感度较低（弹性低）。
- 额度效应： 提高额度可能刺激消费，但也可能增加过度负债的风险。A/B 测试中需要观察额度提升后，用户的消费金额是否显著增加，以及逾期率是否同步上升。
- 锚定效应： 初始展示的利率或额度会形成用户的“心理锚点”。例如，先展示一个高利率，再提供一个“优惠”利率，用户的接受率可能高于直接展示优惠利率。
A/B 测试设计启示： 在测试新定价策略时，务必同时追踪接受率、使用率、逾期率等多个指标，避免单一指标优化导致全局损失。例如，降低利率可能提升接受率，但如果吸引来的用户风险更高，整体坏账可能反而增加。
下表总结了不同定价调整对用户行为的潜在影响：
| 定价调整 | 预期接受率变化 | 预期使用率变化 | 预期逾期率变化 | 风险提示 |
|---|---|---|---|---|
| 降低利率 | 上升 | 上升 | 可能下降 | 需警惕低风险客户过度借贷 |
| 提高利率 | 下降 | 下降 | 可能上升 | 逆向选择风险增加 |
| 提高额度 | 上升 | 上升 | 可能上升 | 需监控高风险客户敞口 |
| 降低额度 | 下降 | 下降 | 可能下降 | 可能流失优质客户 |
实验陷阱： 用户行为存在“学习效应”。如果用户在实验期间发现自己的利率高于朋友，可能会产生不满并提前还款或销户。A/B 测试需要足够长的观察期来捕捉这些长期行为变化，避免仅基于短期数据做出错误结论。