01 信贷业务，额度是关键

在巴塞尔风险管理手册中提到过，建议银行先核定自己的风险偏好，预估未来的违约损失，然后基于每隔金融机构核定的风险资产头寸，再开展业务。

如果将这些风险资产分配到零售或者小微，我们就能获知，核定额度是相当关键的要素。

关于核定额度，现有市场可以总结两种风格：

第一，基于用户收入来源，只对有能力还款的客户授信。这是通常银行的做法，并且收益较小；

第二，从收益的角度考虑，只要保证商业模型正确，将违约人数控制在必要范围之内，就能获益；

第二种模式很可能会因为“是否会造成大面积负面社会影响”而受到政府更加严格的管控。

ShoelessCai 对第二种模式归结为技术发展对金融行业的促进和挤压，是互联网行业向金融业、向政府发起的挑战和攻击。

因此，讨论额度核定，还得从本质出发，核定出“适合群体的、能适当促进生产力的、能适当激发创新的”额度。

02 收入是核定额度时非常关键、却很难获取的要素

无论是传统金融业，还是互联网金融行业，在核定用户额度，或者说为用户建立“金融档案”的时候，必定会考虑用户收入。然而，我们都知道收入是很难获得的。

通常，获取收入的方式有两种：第一，让用户自己告知，通常都无法获知真实信息。第二，获取用户银行、税务类的信息。

困难点在于。第一，金融机构获取用户信息本身是有 Ethnical Problem，也意味着未来能够触达的数据是会减少的。针对 ShoelessCai 的用户，很多小资本可能还没有相应的议价能力去和银行要数据。第二，如果只是一味地问用户，无法保证数据准确性。

经验表明，开展信贷业务如果忽略收入信息，可能会产生一些和事实相反的结论。

金融参与者，必须保证额度核定是考虑用户收入的。

03 共债情况也是核定额度时候该考虑的

第一，评分卡模型评估用户的违约概率。一方面，评估违约者的 Profile；另一方面，评估违约者所有的申请。

第二，违约用户通常分为两种。一是没钱还，二是不愿还。针对还款意愿这类主观要素的衡量，主要是要用户的社会关系，考察用户周围人的消费表现和还款情况。针对用户还款能力这类客观要素，主要考察实际收入情况，以及银行账户变动情况。

Experian 曾与笔者就职的公司合作过，当时我们讨论 “为什么自己授信的客户会没钱还”？得出结论：

第一，用户的环境一直在变，造成额外的成本；

第二，银行信贷产品诱导用户过度使用额度。

ShoelessCai 曾列举过农业银行信用卡的案例，自觉应该归属于 “强迫用户过度使用额度” 。点击阅读《 致中国人民银行的一封信 》。

第三，客户额度独立性假设。用户在金融机构 A 申请信贷产品的时候，其在同行业内其他金融机构 B 申请的额度，不会影响机构 A 给到该用户的授信。

04 如何保证自己的额度策略足够有效？

首先，使用尽可能多的数据和信息。

任何的咨询公司都会告诉客户，尽可能地多用数据、多用信息。

无论是传统银行，还是互联网金融公司都需要充分地调动内部和外部的数据。ShoelessCai 推荐的外部数据源，同盾数据、百融，这两家数据源是切实能够产生非常好的效果。

其次，收紧自身的额度策略。

ShoelessCai 观点，做金融业务最大忌讳就是“惟利是图”，从业务本身来讲，额度过于宽松，是会增加诱导用户过度使用信用透支，增加未来信用风险。

金融从业者一定要记住，信用风险仅仅是风险的一部分，金融机构必须留有应对市场风险的资本。因此，金融机构的策略，必须在信用风险上谨慎，各个机构依据自身风险偏好决定收益和风险的关系。

不同金融场景里的市场风险定义是不一样的。商品流通市场的场景，市场风险意味着期货、现货的差价；不同经济体流通的场景里，市场风险意味着汇兑风险；二级市场也有自己的市场风险。因此，在零售金融领域里，市场风险意味着，由经济活动带来的整体客户还款能力下降的情况。

最后，强烈建议金融机构使用更加多维度的数据，对用户进行评价。

这样也会使得额度核定更加客观。

05 如何获得一个“让从业者安心”的策略

首先，第一要义就是定期更新，没有永远使用模型。

通常零售金融板块的数量模型的更新频率为 1个月较为合适，授信额度刷新的时间点，约为 2周 - 1个月。

每次更新的时候，都使用最近的信息，包括但不限于更新用户风险评级、核算用户收入来源，每个月的收入与现金流比值。

其次，以用户为对象建立“金融档案”，即用户占用金融机构 A 的信贷产品 D 的额度时，该用户在机构 A 的其他信贷产品 B、C、D 三个产品上的额度，同时受到影响。

最后，灵活使用“预授信”。

预授信是一种很有效控风险及营销的手段。具有以下特点：

第一，预授信对很多金融机构而言，是一种或有风险资产；

第二，预授信赋予金融机构更多主动性，也因此，预授信和“绿色通道”是并存的；

第三，预授信是需要计入风险资产（RWA）的。

06 评分卡关键要素

人口统计学特征包括但不限于：

三要素

• 姓名、身份证、手机号

人口统计学特征

• 人口统计学指标：年龄、性别、区域
• 身份证姓名、照片要素核验
• 手机号使用情况，新申请的号码，总是让人怀疑
• 是否有其他照片在数据库，因此别躲避摄像头，对你可能不利

如果是信贷产品的授信抑或是风险流程，包括债项信息、用户历史（金融）行为。这里的用户行为主要针对用户借还款情况。债项信息包括但不限于：

金融产品特征

• 产品期数
• 产品利率
• 平均借款金额，您借款金额，基本都会被知道

借款人相关特征

• 预审通过笔数
• 手续费分期笔数
• 最早成交时间
• 总成交次数
• 总申请次数

用户历史行为信息包括但不限于：

贷款申请情况

• 成功申请金额
• 成功申请笔数
• 最后使用贷款的时间，距离今天有多久

逾期情况

• 逾期X天以上次数 / 总逾期次数
• 逾期30天以上还款金额 / 总还款金额
• 逾期15天且已还清的贷款笔数

观察点截面情况

• 申请月份
• 观察点逾期笔数
• 观察点未还本金
• 观察点已还金额
• 观察点拖欠金额
• 察点最大逾期天数

更多信息，点击阅读《互联网金融转行、金融咨询在职者交接棒：如何做好白户的个人信贷 》。

鉴于目前公开资料关于互联网金融相关的资料并不多，ShoelessCai 工作重点主要是不定期地发布，行业内合适的、正确的做法，以文字形式展现，直至 ShoelessCai 认为到达合理水平，网站以通知的形式告知用户，两年是收乐财对投资人的承诺，文章连载以内容为主。