信用贷款授信额度策略整理

来源：
信用贷款授信额度策略整理 - 1

授信策略整理

一、传统流贷测算—银监会《流动资金贷款需求量的测算参考》

1 概述

传统线下业务模式中，对于企业的流动性贷款，银监会《流动资金贷款管理暂行办法》附件中《流动资金贷款需求量的测算参考》对企业贷款资金需求量给出了具体计算公式，银行一般根据该公式计算企业流动资金贷款需求量。
流动资金贷款由日常所需营运资金与现有流动资金差额所决定
影响流动资金需求的关键因素有：

• 存货（原材料、半成品、产成品）
• 现金
• 应收账款
• 应付账款

  2 测算方案

  贷款人营运资金量
  营运资金量＝上年度销售收入×（1－上年度销售利润率）×（1＋预计销售收入年增长率）/营运资金周转次数
  其中：
  营运资金周转次数＝360/（存货周转天数＋应收账款周转天数－应付账款周转天数＋预付账款周转天数－预收账款周转天数）
  周转天数＝360/周转次数 应收账款周转次数＝销售收入/平均应收账款余额
  预收账款周转次数＝销售收入/平均预收账款余额
  存货周转次数＝销售成本/平均存货余额
  预付账款周转次数＝销售成本/平均预付账款余额
  应付账款周转次数＝销售成本/平均应付账款余额

新增流动资金贷款额度
新增流动资金贷款额度＝营运资金量－借款人自有资金－现有流动资金贷款－其他渠道提供的营运资金

二、简单矩阵指定额度

1 概述

选择合适的指标来区分客群，并根据专家经验或产品情况直接为不同客群分别设定授信额度。

2 适用场景

这种方法授信逻辑比较简单粗暴，一般适用于业务冷启动阶段；还有一种情况是在只能掌握客户基本信息情况下，仍然希望给与一个基础额度。

3 案例说明

下面链接文章中的额度矩阵部分有简单举例

一、额度公式法

1 概述

现在市场上更为通用的授信逻辑是通过一个额度公式来对客户进行授信，一般公式如下：
min(核心授信变量×额度倍数×额度调节系数−扣减额度,贷款上限)
授信变量常见的就是客户收入、缴税金额、资产情况、消费金额等等。一般会从同一个数据维度选定一个或几个核心授信变量，乘以一个额度倍数确定客户的初始额度。如果有掌握客户多个数据维度，每个数据维度计算一个初始额度(一般会做成多个授信方案)，然后通过取max/sum来决定客户初始额度。
例如在接通税务数据情况下，初始额度定为客户过去12个月缴税总额的4倍。
这种授信方式可以理解为是核心授信变量反应了客户的还款能力或者收入情况，此时额度倍数可理解为包含了

1. 核心授信变量与收入的关系 -> 倒推收入
2. 收入和授信额度的关系 -> 收入决定可贷额度

因此一般公式可化成下面式子
min(推测收入×贷款倍数×额度调节系数−扣减额度,贷款上限)
min(核心授信变量×收入倍数×贷款倍数×额度调节系数−扣减额度,贷款上限)
更常见的可能直接核心授信变量乘以一个系数(暂称之为综合贷款倍数)，相当于将收入倍数和贷款倍数综合成一个系数了。
min(核心授信变量×综合贷款倍数×额度调节系数−扣减额度,贷款上限)

2 核心授信变量/收入倍数

核心授信变量是计算客户额度的主要依据，一般选择能够反应客户还款能力、收入情况或经营情况的变量，以此倒推客户收入。常见的核心授信变量如下：

核心授信变量*收入倍数用来倒推客户收入情况，其中收入倍数一般由经验进行判断。

3 贷款倍数

贷款倍数决定了根据客户收入情况应该给予多少授信额度。贷款倍数的确定应该根据业务目标、客群质量综合决定。
常见的决定贷款倍数的方法：

• DTI DTI=负债/收入

  4 额度调节系数

  授信规则中可以根据业务情况设置额度调节系数，对不同客群客户的额度在初始额度基础上进一步放大或者缩小。常见的调节系数一般可以根据客户风险评分、行业等进行设置

  5 扣减额度

  扣减额度主要是要减去客户当前已有负债，对于信用类贷款一般考虑减去客户以下负债：

• 信用卡额度

• 行内信用贷款额度
• 整体报告上信用贷款额度

  6 贷款上限

  根据业务具体情况，设定每个客户的贷款上限

二、综合授信模型

1. 概述

上述1.3中，根据1个核心授信变量或者说1个数据维度下，可以给与客户1个授信额度。如果同时掌握客户的多个数据维度下，一个客户便同时能够有多个授信额度，一般可以运用下面方法确定客户最终额度。

• min
• max
• 加权

不同维度数据倒推出不同收入和不同额度，这里正体现了做额度授信的复杂之处。客户在每一个数据维度都有不同的表现，又或者我们掌握客户一个数据维度下部分数据，这些都会导致我们难以完全掌握客户的收入和还款能力，从而难以给出一个完美的授信规则。
客户可能收入比较少，但是消费很高，这样体现为消费金额高但是所得税纳税较少。这样从两个维度数据所倒推的授信额度便不同。
还有可能客户在一个银行只存了部分资产，这样该行掌握的客户资产情况是不全面的，导致低估客户收入。
这里所要说的综合授信模型，主要是想通过对从各维度数据倒推得到的额度进行加权的方法，得到一个稳定、综合各维度数据信息的授信模型。
2. 数据维度/核心变量
将平时授信会用到的一些数据维度大致按以下情况分了类，不同的数据体现了客户不同方面的信息：

• 负债能力
  • 房贷、车贷、抵押贷、大额贷等维度进行考察
• 偿债能力
  • 收入情况
  • 税
  • 社保
  • 公积金
• 经营情况
  • 流水情况
  • 经营流入
  • 水/电/气缴纳情况
  • 还款信用

• 已结清房贷比例、已结清车贷、抵押贷、大额贷、小额贷的结清比例

  3. 综合授信公式

  综合授信额度=权重系数1×产品额度1+权重系数2×产品额度2+…
  这里的产品额度，可以是上述1.3中计算出来的额度，也可以直接是核心授信变量。后者的话相当于同时把权重系数和贷款倍数融合在一个参数中。
  权重系数的确定，应该根据以下方面进行确定：

• 对应核心授信数据的可靠程度

• 对应核心授信数据的缺失程度

• 综合授信额度结果的分布(件均，各分位点情况是否符合业务预期)

  4. 回归模型确定权重系数

  还有一种权重系数的确定方法是通过回归模型确定权重系数，方法也适用于1.3中确定贷款倍数。用这种方法主要步骤如下：

• 确定目标变量额度

• 选定入模变量

• 回归分析

  5. 目标变量额度

  授信额度建模难度在于，没有一个公认的合理的目标变量。如在准入模型中，客户好坏是相对明确的。而给客户多少额度才是合理的，则是未知数。下面一些目标变量额度，可以供参考：

• 正常结清的贷款的授信额度

核心变量
这部分额度虽然不一定是客户能承受的最大额度，但是至少说明客户肯定能承受这个额度。另一方面，历史业务的额度作为目标变量也比较好说服业务部门和领导。

• 通过客户历史还款倒推

通过客户历史的总还款额，先倒推出一个合适的额度，再以此为目标变量建模
可能会存在客户借新换旧导致高估了客户还款能力的问题

• 取客户历史最大/平均贷款余额

取客户历史贷款余额，能够反应客户能够承担的贷款水平

6. 入模变量

入模变量则是上文提及的和额度相关的核心授信变量

7. 回归模型确定权重系数

尽量还是用线性模型，保证额度的可解释性和灵活性。

8. 注意事项

综合授信模型的模型效果一般较差，因为我们选取的目标变量一般和客户的初始授信相关，而客户初始授信逻辑一般是前文1.2和1.3中提及的那样，用我们的变量去拟合效果一定不会太好。所以，我认为授信模型的重点是放在回归系数的合理性以及额度分布是否符合预期上面。
根据1.3可以看到，一般的授信逻辑是隐含着通过核心授信变量推测客户收入水平进而决定客户的授信额度。我们通过建模，其实本质也是找到我们选择的模型变量和这个隐含的客户收入水平的相关关系，并不是要完美拟合客户以往的授信额度。因此，相较于模型评价指标，更应该关注以下内容：

• 系数正负号
• 系数显著性水平

并且，还需要根据模型预估出的授信额度分布和预期的授信额度水平进行比较，适当调整系数，最终确定模型公式。