利率|风控模型如何嵌入策略（二）

编辑导语：风控模型，是在风控策略达到平衡之际，实现风险精分差异化的必备武器。那风控模型中如何嵌入策略呢？作者认为方法有三种：风险定价，授信额度，期限/还款方式。这篇文章详细地介绍了三种定价方式的适用场合，及其优劣势。感兴趣的小伙伴不妨一起来看看。

文章插图
一、三种常见的风险定价方式

文章插图
我来简单介绍一下三种常见的风险定价方式，刚才介绍的是整体的情况。
风险定价就是通过在评估资产风险的基础上做恰当的定价，一般会根据违约率不同，把客群进行细分，最后确保每个细分客群里都能有合适的收益率。
风险定价从易到难，每个阶段都可以完成，只是效果各不相同。我从多年工作经验中总结出大概三种常见的风险定价方式。
1. 成本核算定价成本核算定价，从本行或本单位出发：我们具体应该承担多少风险，我们在这个地区要达到什么样的战略目的，我们对这个产品有什么期许，要用多少资金去运行，它能给我们带来多少收益，我们能控制的风险以及运营的成本大概是多少，据此核算出一个均价。
2. 竞争跟随定价法第二种是竞争跟随定价法，这个方法就是看哪个企业做的比较好，如果我们不太会，不知道怎么定价，我们就看它定多少，然后我们就跟着定多少。或者它定多少，我们加点或者减点，如果我减点的话，就须要抢占市场，后期根据市场的反馈，然后调一调。
如果是高一点可能偏保守，这个做法是因为我们想做这个事，但是又不想亏。所以我先加一点，然后再看情况，如果用户不买我的账，我就减一点。
这种情况其实就是技术能力不太行，或者现在没空去算，想先挤入市场。
这种情况比较常见于互金或金融科技的一些腰部平台，新开展的业务，没有足够的风控底蕴的时候。但是如果到现在利率又下降了，可能就比较困难了，因为以前利率比较高，定个20%多或30%多，然后减一点，还可以保证整体运营下去。
但是到现在，整体需要精工细作，如果大家的风控水平跟不上时代和政策的发展，就会落后于时代潮流之后，会逐步被淘汰。
3. 数据驱动定价法第三种是数据驱动定价法，大概从13年开始，大数据算法模型逐步提升了影响力，各行各业都觉得算法模型和大数据，可以让融资更有优势，也更加能提升业务效率。所以我们会选用一些水平比较高的算法工程师，因为算法比较新潮嘛。
我们新招来的比较厉害的硕士生和博士生，因为需要熟悉业务，所以需要重新培养一下，然后把重任交给他们，我觉得挺好，对新人有一种期许在。但是风控其实更看重经验，很多时候需要经历一个完整的实践周期，才能对风控这件事本身有深刻的理解。所以并不是我们简单看几本书，就知道怎么做。
我这么多年，一直做风控，我会从现在去看以前，从毕业到现在，我几乎每半年就去推翻自己以前对风控的认知。
以前觉得不对的地方，过段时间看它，觉得它依然有不对的地方，但是也有可取的点。然后循环往复，当发现自己的认知上去的时候，就知道这么做是可以的，或者说这么做不是不行，当通过搭配一些其他事情就可以让这件事做得更好。
当公司需要做一个事情，我们不能一上来就说这个事情我们完全不能做，这不是风控。
风控是告诉大家如何如何，采取什么样的方法，这个事情就可以做了。我们应该通过自己对于风险的认知，助力整个业务提升，而不是简简单单的说，这个业务不能做，我不做。
我说的这是风控的一个方向即风险规避，但是如果我们把所有的风险都规避，全都不做了，那我们就不可能开展业务，也不可能有创新了，这是完全不对的。
二、数据驱动定价法1. 数据驱动定价

文章插图
具体讲一下数据驱动定价，这个方法的缺点是样本可能不够，因为它需要有监督学习算法，需要更多的标签，更多的坏样本。
相当于整个业务体系过去对于错误的积累，我们通过算法在过去的错误中学习，来弥补不足，还需要加入一些人工的判别，但并不是特别有效。
但是对于一些比较快速开展的业务，可以防范一些东西，这是相互结合的。这么多年来我观测市场，主要有三种应用数据驱动模型评价，以后可能还会更多。