編輯導語：風控模型，是在風控策略達到平衡之際，實現風險精分差異化的必備武器。那風控模型中如何嵌入策略呢？作者認為方法有三種：風險定價，授信額度，期限/還款方式。這篇文章詳細地介紹了三種定價方式的適用場合，及其優劣勢。感興趣的小伙伴不妨一起來看看。

一、三種常見的風險定價方式

我來簡單介紹一下三種常見的風險定價方式，剛才介紹的是整體的情況。

風險定價就是通過在評估資產風險的基礎上做恰當的定價，一般會根據違約率不同，把客群進行細分，最后確保每個細分客群里都能有合適的收益率。

風險定價從易到難，每個階段都可以完成，只是效果各不相同。我從多年工作經驗中總結出大概三種常見的風險定價方式。

1. 成本核算定價

成本核算定價，從本行或本單位出發：我們具體應該承擔多少風險，我們在這個地區要達到什么樣的戰略目的，我們對這個產品有什么期許，要用多少資金去運行，它能給我們帶來多少收益，我們能控制的風險以及運營的成本大概是多少，據此核算出一個均價。

2. 競爭跟隨定價法

第二種是競爭跟隨定價法，這個方法就是看哪個企業做的比較好，如果我們不太會，不知道怎么定價，我們就看它定多少，然后我們就跟著定多少?；蛘咚ǘ嗌?，我們加點或者減點，如果我減點的話，就須要搶占市場，后期根據市場的反饋，然后調一調。

如果是高一點可能偏保守，這個做法是因為我們想做這個事，但是又不想虧。所以我先加一點，然后再看情況，如果用戶不買我的賬，我就減一點。

這種情況其實就是技術能力不太行，或者現在沒空去算，想先擠入市場。

這種情況比較常見于互金或金融科技的一些腰部平臺，新開展的業務，沒有足夠的風控底蘊的時候。但是如果到現在利率又下降了，可能就比較困難了，因為以前利率比較高，定個20%多或30%多，然后減一點，還可以保證整體運營下去。

但是到現在，整體需要精工細作，如果大家的風控水平跟不上時代和政策的發展，就會落后于時代潮流之后，會逐步被淘汰。

3. 數據驅動定價法

第三種是數據驅動定價法，大概從13年開始，大數據算法模型逐步提升了影響力，各行各業都覺得算法模型和大數據，可以讓融資更有優勢，也更加能提升業務效率。所以我們會選用一些水平比較高的算法工程師，因為算法比較新潮嘛。

我們新招來的比較厲害的碩士生和博士生，因為需要熟悉業務，所以需要重新培養一下，然后把重任交給他們，我覺得挺好，對新人有一種期許在。但是風控其實更看重經驗，很多時候需要經歷一個完整的實踐周期，才能對風控這件事本身有深刻的理解。所以并不是我們簡單看幾本書，就知道怎么做。

我這么多年，一直做風控，我會從現在去看以前，從畢業到現在，我幾乎每半年就去推翻自己以前對風控的認知。

以前覺得不對的地方，過段時間看它，覺得它依然有不對的地方，但是也有可取的點。然后循環往復，當發現自己的認知上去的時候，就知道這么做是可以的，或者說這么做不是不行，當通過搭配一些其他事情就可以讓這件事做得更好。

當公司需要做一個事情，我們不能一上來就說這個事情我們完全不能做，這不是風控。

風控是告訴大家如何如何，采取什么樣的方法，這個事情就可以做了。我們應該通過自己對于風險的認知，助力整個業務提升，而不是簡簡單單的說，這個業務不能做，我不做。

我說的這是風控的一個方向即風險規避，但是如果我們把所有的風險都規避，全都不做了，那我們就不可能開展業務，也不可能有創新了，這是完全不對的。

二、數據驅動定價法

1. 數據驅動定價

具體講一下數據驅動定價，這個方法的缺點是樣本可能不夠，因為它需要有監督學習算法，需要更多的標簽，更多的壞樣本。

相當于整個業務體系過去對于錯誤的積累，我們通過算法在過去的錯誤中學習，來彌補不足，還需要加入一些人工的判別，但并不是特別有效。

但是對于一些比較快速開展的業務，可以防范一些東西，這是相互結合的。這么多年來我觀測市場，主要有三種應用數據驅動模型評價，以后可能還會更多。

1）直接應用回歸模型

第一種是直接應用回歸模型，先跑回歸模型，然后跑利率，利率是公司之前放款的利率，可能做了一些修正，最終的利率做了倍數限制或者區間限制。

比如說跑出來之后是3.5%，然后對它限制保留四位小數，或者定一個兩點區間，比如在0.1到0.2之間，那么就輸出一個0.15，類似這個意思。

2）額度評分雙模型聯合定價

第二種是額度評分雙模型聯合定價，這個做的比較精細，輸出的一個是違約概率模型，還有一個是審批額度。審批額度不一定是通過回歸模型輸出的，更多的是一個公式或者一個規格計算出來。然后它會有一個對賬的表兒，不同的這個違約概率，不同的額度底下會有一個最終的概率，這個會有專家委員會來討論確定，這后期可能還會變，但已經算是做的比較好的。

3）彈性測試推動風險定價

第三種是彈性測試推動風險定價，是現在比較主流的方式，新畢業的碩士生和博士生，他們主要推崇這種思想，對于不同的客戶，或者相同客戶不同時間段，不同的情況，做AB測試。一邊測一邊改進，用最小迭代敏捷風控，這是數據驅動中主流的方法。

具體而言就是把一批評分類似或者差不多的客戶，分成不同的服務給不同的利率，然后看看他們各自之后的表現如何。如果表現好的話，我們要怎么處理，表現不好的話怎么處理，需要進一步討論，這個就是數據驅動定價。

2. 競爭跟隨定價法

競爭跟隨定價法，一般需要具備市場支配地位的競爭對手的利率做為參考系，根據競爭策略，下調或者上漲適當的利率，以達到快速切入市場的目的。

優點是快速開展業務，風控技術要求很低，就是別人怎么做，我進行復制。

但是這個不能在同一個戰場里做，一般會有一個差異性，比如對手打的是一線二線城市，我的產品利率這么定，我要想做好產品，就不會在一二三線和他們叫板。

我也會在相同戰場放一個產品但不會投入太多，會錯位競爭，會到這個三四五線，或比較偏遠的地方。然后利率和競爭對手一模一樣，也可能稍微加點兒，怎么加呢，專家拍腦門決策一下，后期如果出了問題再調，這就要看儲備金夠不夠了。

如果夠，可以長期堅持下來，不夠的話就出局了。最主要的是速度，一般一兩周就確定好了。當然也會有很多bug，如果你自己本身儲備的實力不夠，那么有可能堅持不到最后的勝利。

三、成本核算定價法

成本核算定價法，比較難，我看很多市面上的書，以及大家操作起來都不這么做，因為這個對技術水平有一定的要求。

剛才最上面的總綱，下面的風險是對信用，而這個是對信貸的。

抵押貸咱們先不說，實際上信貸要求比抵押貸高很多。信用風險率試算，講的是一次性還本付息或先息后本，等額本息大家可以回去推導一下，因為這個比較復雜，還要與很多平臺結合在一起。這個簡易靜態算法不要照搬使用，容易出事。

資金具有一般等價物的性質，可以把風險歸一化，我們損失的錢可以融匯在一起，損失一部分其實不影響整體。但如果是其他的資產，可能就不是這個性質。

我們先做一個假設，假設每個客戶有相同的授信額度，發生違約就會發生損失，所以我們用違約概率乘以壞賬率，如果能持續經營，那么肯損失要小于等于收益，這個公式是說違約的損失要小于等于利息的收益。這里的壞賬率指的是發生違約之后的壞賬率，大家一定要記住。

我們看ppt上的公式，原則上壞賬率肯定在0和1之間，發生違約不一定資金就沒了，可能是用戶忘了，或者用戶現在沒錢，沒到發薪日呢，或者其他情況用戶不是誠心去違約。

因為我們前期有很多準入很多規則去限制，已經過濾了很多不好的客戶，所以后期壞賬率絕對不會是100%，很有可能是比較低的一個數。

我們可以再來看這個表，了解大概的水平，我們的風控要從保守的角度去看，假如發生違約，假設壞賬率ɑ為1，只要發生違約，那么就認為是壞賬，這是最為保守的估算。那么就可以簡化公式odds≤β，β即為 最低信用風險利率。

這個時候我們看量表做試算，在不同的分組下，就是通過違約概率轉化成odds≤β，它即為最低信用風險區。

大家可以看比較老的書籍，現在的書籍不講這種模式怎么計算，更加偏重于模型的代碼，這個指標如何測，接什么接口，哪個接口數據比較好，數據如何處理，如何清洗，這個沒有用處。

這個是一種等同轉化的事情，回款是比較迅速且金額等同的，我們可以通過查閱資料研究下這個公式和相關的資料。如果違約概率是0.5，那么這個利率比配額還低一點兒，配額應該是100以上。但如果是這樣的話，實際上對業務是有影響的。

我們能明白，如果貸款放出去，即使發生違約，也不會是100%發生。有一部分錢可以通過催收收回來，如果催收還收不回來，可以把這個自然包去轉賣，所以不會有100%的損失。這個時候我們可以算一下轉化洗漱，就是在發生違約之后，資產有多少收不回來，先只算首次違約，這個平衡點是一個動態的而非固定的。

我們不同的產品，具體參數的設置，要看業務產品的整體架構，我們假設odds約等于應該放款，就可以看出不同產品的大概情況。

比如三點四五是這個房貸，但這個只是信用風險的計算，還應該加資金成本，運營費用等，所以說信用風險的利率一定會低于最終的利率。

大家可以看不同的分布，如果客戶全都不還，那肯定是倒閉。后面是payloa，P2P，各類類金融平臺，信用卡，腰部金融科技平臺，頭部金融科技平臺，銀行信用貸款，車貸有房貸，后面可能有補貼的助學貸款，或者是一些政策性貸款。

作者：鄭泰森，某共享平臺集團風控負責人；“數據人創作者聯盟”成員。

本文由@一個數據人的自留地 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議。