精细化的风险管理，评分的应用策略之道

作为风控模型从业多年的我，谈不上模型专家，但也算见多识广。写这篇文章的原因是我偶然间了解到一则风控总监及CRO的招聘职责要求。

加之，现如今监管趋严的大环境下，精细化的风险管理愈加重要。试想随着信贷业务量的增加，金融机构还会允许通过大量Hard check进行风险识别和授信吗？相信大家心里都清楚：精准量化的风控时代早已到来。就算往日业内共识的“无风控”现金贷公司，据我了解也在精准渠道、量化风险上开始加大投入。

评分卡模型的运用，主要是为了解决两大问题：

1、线上借贷业务量逐渐增加的情景下，策略规则已经无法满足更细的切分需求；
2、对于策略无法有效识别的大量灰色客群，需要使用评分卡进行风险判断；

现如今业界使用评分卡模型，更多的是为了解决第二个问题。

从金融机构自身业务发展历程来看，评分卡模型介入风险管理流程常常取决于两个重要的时机：

1、金融机构业务快速发展阶段

在金融机构业务发展的早期阶段，因为业务量小、样本少、风险控制严格等一些主客观原因，使用风控策略规则足以开展业务，所以在业务发展早期评分模型基本没有任何用武之地。

但随着信贷产品的测试期结束，金融机构要加快业务发展，此时不论是大量的客群样本、逾期表现的积累，还是风险控制的政策放松，都因为风险策略无法精准细分的局限性，而需要评分模型的介入，评分卡的应用场景更适用于人工分流。

此阶段的评分模型，常常表现不稳定，比如KS波动较大，Lift下降较快，PSI时常过0.1。此阶段评分模型的优化更多在于分析波动原因，快速重新开发迭代。

2、金融机构业务发展稳定阶段

一旦金融机构度过了新产品的早期和发展期，此时产品市场表现已经趋向稳定，反应在客群分析上，表现出稳定层级的客户画像，此阶段是评分模型介入2.0阶段。

在这个阶段评分模型会在风控流程节点上进行一些调整，比如申请卡模型会进一步的前置，担当部分客群豁免的功能。同时，此时评分模型介入2.0阶段也会降低一些外部征信数据调用成本，控制因三方数据有误而引起的误杀。

此阶段的评分模型，表现较为稳定，KS、Lift、PSI等指标波动较小，对于评分卡的迭代开发需求降低，评分卡的应用更加与业务需求、金融政策以及企业发展战略相关，在保证评分模型稳定性及相对精准度的前提下，使用模型调整系数进行全局模型的调整是此阶段的主要优化办法。

三、评分模型的cutoff

评分卡分数转换出来，在不同业务发展阶段如何合理的制定评分的cutoff，是评分应用重要的一步。

一般将评分等分后，会有两种方式对评分进行cutoff：一种是参照KS和Cum % bad rate,另一种根据等分后的累计净收益。

第一种参照Max KS和累积bad rate理论上是可以尽可能的将坏客户剔除，对好客群进行授信，但无法根据业务发展需要保证收益最大化。参照不同业务发展阶段的需求，根据评分对收益损失预估，最终确定评分cutoff，我认为这才是精细化的评分应用策略。

第二种制定评分的cutoff，需要联动分析以下图示的一些指标

通过逆向累计净收入指标的分析，结合当下风控政策，综合评定评分的cutoff，将之应用在风控策略上，我认为这样才是更接近业务的评分cutoff。

综上，我认为是精细化风险管理评分应用的最佳策略。精细化的风险管理，评分的应用策略之道。

搜索：「 金科应用研究院」

可以从微信公众号菜单栏点击「在线学习」

更多风控资讯与干货学习资料，都在微信公众号
回复关键字： 「风控福利包」➡️领取干货学习资料