快速调整授信额分为哪3步？

在金融机构流量红利逐渐消失的当下，差异化定价和额度管理成为金融机构符合新监管要求前提下，是否可以仍然最大化获利的核心竞争力。

额度授予，包括初识额度、主动提额、被动提额、降额、影子额度以及冻额。从金融机构差异化授信额度管理角度考虑，如何在初始额度之后给予不同风险水平客户更合理的授信额度，是金融机构风控业者需要思考的重要问题。

究竟如何分配适当的授信额度，可以保证总体风险损失率不增前提下增加收益，接下来我将以实际案例为读者朋友们介绍一种快速调额策略。

本次内容节选自《量化风控全面策略提高班》

以上图示例1为例，我们根据敞口总额和客户数量，可以计算出人均授信额度；根据实际违约概率和敞口总额，可以计算出风险损失，进一步可以计算出全局损失比例。

我们在进行额度调整时候，十分关注因额度调整导致的违约概率上升，进而引起风险损失的增加。一旦给予某个客群较高的额度，此客群可能会因额度授予过高而发生违约增长。这样的事件是在进行额度科学管理过程中不愿意见到的。

因为额度的调整与违约概率相关，违约概率又与最终的损益相关，所以在进行额度调整之前，我们需要先设计好额度违约加成系数，即违约概率罚项。

罚项的参数由人均授信、调整后的人均授信以及Lamda组成，构成公式如下：

罚项=Exp(Max(Ln(调整后人均授信/人均授信),0)*Lamda)

Lamda可以通过数学最优解迭代求得，也可以经验赋予一个系数如0.4。

假设本例中lamda为0.4，可以通过上图示例2得出不同风险下的罚项。

通过对不同风险等级的客群人均授信额度的调整，可以影响罚项系数的变化，最终影响不同风险等级下客群的风险损失。

假设我们对最好的客群Risk Level A人均授信额度进行升额，从原人均授信额度36176调整为50000元，得出如下：

从上图示例3中可以看出，虽然对于风险最小的客群A进行提额导致客群A风险损失金额增加，但对于整体风险损失比例反而从6.455%下降到6.395%，总体客群收益风险比率并没有因为提高额度而产生不良影响，可以按照此策略对Risk Level A客群进行提额处理。