关于零售信用贷款的风险定价探讨

马波 中国光大银行风险管理部总经理

 

一、贷款定价的需求

（一）定价应用需求

首先定价在实际工作中，特别是利率市场化以来，起到了很关键的作用，在公司业务方面，考虑更多的是贷款指标的情况、客户关系的情况以及额度情况，间接考虑到客户综合收益中定价的成分和存款价格变化，同时根据风险偏好传导到定价端，定价刚性和过去相比有所增强；在金融市场板块方面，基本为市场化定价，与配置需求、交易需求相关。

现在产生了一个新领域——互联网贷款，它的定价跟前两者都有较大的不同。很多银行在零售的资产配置中，将房贷作为打底资产，房贷价格的市场化程度和透明度相对较高，和抵押物、抵押乘数以及政策、房地产周期有密切的关系，和客户资质相关性不大；而在互联网贷款中，特别是嵌入到交易环节的定价，其敏感性特别高，传导效应非常明显，这可能是互联网贷款当中很核心的一个问题，所以我们将这个问题提出来并加以研究。

（二）利率市场化与相关性影响分析

利率市场化到目前为止，已实现不再设定金融机构（不含城乡信用社）人民币贷款利率上限。实现全面放开金融机构贷款利率管制，改革完善贷款市场报价利率形成机制公告，将贷款基础利率的中文名称更改为贷款市场报价利率。2021年1月，取消信用卡透支利率上限和下限管理，并对高利贷做了一些明确化指示。从实际市场情况看，包括消费金融相关的小贷公司，其利率方面可能会有超过高利贷两限要求的情况。但随着利率进一步市场化以及金融管制的加强，这一部分将会得到规范。

从银行的角度，贷款定价能力的差异会加速银行的升级转化，在有效匹配风险收益规模、提升匹配资源的效率方面，其成为关键因素之一。

（三）定价案例借鉴

从银行的角度，成本加成方法是最简单的方法，即通过资金成本、运营成本、税收成本、资本成本、管理成本等叠加，结合资本平均回报获得定价，但其一般作为内部绩效评价方式，不具有市场特征。另一种是结合同业定价的平均水平倒推成本，或者考虑销售等多方面的因素，然后来确定合适的价格。在金融市场中，根据定价中性的原则，价格反映所有的管理要素，所以金融的核心问题是价格问题，人力资本、技术核心以及资本管理等各方面最终都会体现在价格之中。

 

二、精细化贷款定价实施基础

定价过程中需要具备以下能力：

一是对风险细致刻画的能力，即精准地刻画违约的概率，包括违约时间、违约损失，以及转化率和触达率。转化率具体指定价会影响产品要素的市场竞争力，进一步影响其转化；触达率指产品能够触达、推送到客户的情况，这些因素形成了线上运营的基础。我们发现在实施定价的过程中，价格和风险相关，风险和转化、触达相关，使得这种刻画具有更高维度。大多数情况下这三者都是独立进行考量的，但在精细的刻画方面，它们是互相关联的。

二是触达客户后，产品的整体化的设计能否符合客户的敏感性需求，最重要的有两项因素，分别为额度与价格，额度又分为一次性额度与循环额度，在一次性额度当中是专项额度还是普通额度，这些因素都会对转化产生影响。

三是需要具备一定的数字化能力，数字化的能力不仅从风险角度进行精准刻画，我们还需要数字化能力来标定价格，也需要精准探测到客户对价格的敏感点以及价格和违约率的关系，所以对数字化的要求较高。

最近在很多AI方面的论文中，讨论的核心问题是有关组织的概念，大脑在形成很多信息以后，产生人的智能的过程中是对这些所有信息的一个自组织过程，所以在整个的互联网运营过程中，优化定价技术有可能会变成客户经营当中AI自组织的一个计算的问题，其复杂度非常高，目前业界能把这个问题从理论角度、实践角度、经营角度以及策略角度解决得比较好的并不多见。

有关数字化的基础，需要建立大数据平台，包括分布式存储计算的能力、特征工程，把专业知识加载上去而不是单纯的数字概念。考验不同机构的数字化能力，除了精准定价，还有复杂的数字化决策管理，还有这套体系和数字化的衔接问题，是现在机构之间的差异所在。数字化的业务框架主要是在分层运营当中，核心的就是要对客户、渠道、产品进行画像，画像形式上是独立的，而实际上是相联系的，真正的挑战是如何进行模型构造。智能化框架是基本智能化的一个框架，这也是现在比较通用的比较标准。决策一体化业务框架分为要素一体化、全流程一体化和服务能力一体化。很多银行在做的数字化其实都是信息化，与数字化有很大的距离。智能化框架如下图1所示。

图1 智能化框架

 

三、定价技术的理论发展

定价技术的发展主要是依赖于量化技术和算法，而不是人工智能的算法，因为与刻画价格敏感性和敏感点相关，如何把敏感性和相关性放进优化框架以进行最优化是技术的核心所在。

（一）量化技术演进

回顾量化的发展过程：开始是通过统计分析指导业务的发展，后来制定评分，但是评分的局限性很大，表现在刻画不了更高维的信息；所以发展了现在的AI的技术，通过深度学习捕获高维的结构以及相关性。在复杂的决策管理的阶段，资本配置、存款的结构安排、期限安排、价格安排、流动性安排等等构成了一个复杂系统，银行、金融的管理可以理解为一个大系统的概念，因此多目标是系统演进的一个方向。 

（二）定价技术演进

在不同的资产的结构下，固定定价的策略、价格领导定价法以及成本加成定价法有各自的优势，但是到了互联网秒批秒贷的竞争环境下，这些方法都会失去作用，变得缺乏效率。数字化分为两代，第一代是以阿里、腾讯为主，借助于他们的平台、庞大的数据实现了数字化的运营；到了第二代就是点击科技在抖音上面所实现数字化的安排，在计算复杂性以及计算效率方面超过了阿里，将这套技术应用到定价当中会产生一定的跨越。可能未来会去借鉴抖音的匹配和分发方式，以帮助我们对客户进行额度需求、价格敏感区间的分析与触达。

 

四、最优化定价模型

关于最优化定价模型，现在在探索的阶段做了一些原型，下一步会进行优化，优化的方向是进一步把关联的关系解构清楚，用数学的方法表达清楚。第二个是在优化算法方面进一步突破，以提升定价的效率。

（一）最优化目标与定价流程

首先是利润最大化，考虑的要素有风险、额度、价格、客户的触达率和转化率，在整个的要素结构当中，利率都和风险、额度的大小以及转化率相关，因此这是一个多维关联的问题，在数学方面上存在解决难度。要解决这个问题，需要确定约束条件，确定这些要素之间的关系。将条件进行约束，形成最优化定价，以实现我们的收益的最大化。

（二）相关性分析模型与差异化定价

最核心的是要构建反映价格弹性的响应函数，对某个产品需求的影响因素很多，需要根据数据的情况、历史业务的表现情况进行筛选，影响因素有产品自身的价格、周边产品的替代效应以及竞争对手的替代效应等。数据的处理过程实际上通过统计的方法是可以发现这些规律的。比如说周边的替代效应、竞争对手的替代效应，都会统一的反映在价格的转化率，所以我们只要能够刻画转化率，基本上就能刻画这些可替代效应。坏账模型，跟客户的风险水平、需求及额度等均有关系，需要采用统计建模方法建立相关影响因素的模型。利润模型，利润不仅仅要考虑成本的计价情况，还要考虑能否达成，所以考虑响应模型就是考虑达成利润的可能性。实际上利率和响应存在关系，用我们的数据和捕获到的交易进行过一个刻画，当利率很低时响应是100%，利率很高时几乎没有响应。另外，价格和违约概率是相关的，愿意接受高价格同时违约概率也比较高，所以我们会用价格的因素调整对违约率的一个估计。 

（三）利率和风险的关系

我们对上述的模型进行调整，主要考虑这几个方面的因素：一是风险响应的因素，二是负担能力，即利率会对借款人偿还贷款能力有影响。价格与违约率的相关性较强，是共振关系，这需要通过数据挖掘的技术来刻画关系情况。逆向选择，即品质和接受概率相互影响，通过数学上的刻画发现其为一个条件概率，在贝叶斯框架下可以较好地刻画利率和风险的关系。在利率对违约风险方面，国内一些研究发现贷款利率是影响违约风险的，或者是互相影响的，所以这是互为条件的，是高维的一个关系，而不是一个线性的关系。

（四）借贷博弈定价模型

前面的模型只是从单一决策方考虑定价问题，即金融机构决定价格，借款人有意愿接受或拒绝贷款，用接受概率函数来描述，但实际上每个借款人都是决策者，都可以按照自己的偏好做出决定。博弈论是对双方决策者构建模型。其中贷款机构主要目标是最大化利润或最大化资本回报，扩大市场份额。

（五）进一步拓展方式

综合贡献度模型，在银行的收入中仅考虑了本次信贷产品的客户贡献，未来可以引入客户综合贡献度模型，综合考虑客户贡献，即客户的贡献可以考虑贷款贡献、中间业务贡献。逆向选择，考虑到逆向选择会影响应客户的坏账率，在进行坏账率预测评分模型开发时，可以考虑将利率作为一个解释变量。

有可能因为数学能力不足，构造的优化方法只是一个局部最优，这将产生较高的风险，所以优化起到了重要的作用。我们讨论问题的时候是从业务上提出来，从实践中进行探索，然后把它上升到理论的框架，通过精细的工程来解决，所以很多复杂的问题最终还是需要在这几个方面进行整合，如果在任何一个环节上解决不好，都会导致不能很好地解决这个问题。真正要做数字化难点还很多，对个人、团队以及机构的要求都非常高。 

（责任编辑：郭钰阳）

来源：TGES 2021年高级研讨会：零售小微、普惠金融与风险管理（7月）