贷中额度策略调整

用户使用金融产品后，就会产生一些数据，比如：使用APP的行为数据，这个可以通过埋点进行收集，或借贷行为数据，是否逾期等。为了给用户更好的产品体验和提升风险防范水平，策略同学就会对存量的用户进行额度调整或者定价调整，本节主要是详细介绍额度的调整思路和方法。

1. 额度策略：

授信完成后，用户就会有初始的授信额度(额度一般偏低)，但是这个初始额度并不能满足用户的诉求，特别是额度使用率比较高的低风险用户，所以就会对好的用户进行提额，差的用户进行降额。用户的额度主要是通过还款意愿和还款能力决定，对于小额的信用产品，更加关注用户的还款意愿，那我们该如何量化用户的还款能力和还款意愿呢？

保底:根据监管要求和产品定位设置产品的上下限

额度1 = min(max(基础额度*MDI*放大系数，额度下限),额度上限)

额度2 = -pv(rate,term,基础额度*MDI*缩小系数)

其中，基础额度可以根据用户的基本特征进行设定，比如公积金缴纳基础(若足额缴纳可直接反映收入，若不足额缴纳则可以使用收入预测模型等)，或者收入强相关的年龄/学历/行业等金融测算，即可固定也可以差异化。

有了上面的额度测算结果后，可以先按额度1和额度2进行取小(保守)或者取大(乐观)，再对产品定位和政策要求进行上下限进行铆钉，最终得出用户最终的额度。

最终该提多少额度呢？我们是一次性提还是逐渐去提，为了让用户对我们产品有认同感，可以逐步对用户进行提额，达到归属感的效果。

2. 额度策略测试：

场景1：不同风险等级用户的提额幅度测算：

假设我们有Bscore，且当前额度调整是依据B卡的分数进行调整，现在对调整后的额度进行A/B测压，看看不同的risk level对应的额度最大区间是多少

表1-1(虚构的数据)为不同风险等级用户对于提额后的风险，从表中可以看到，对于700分以上的用户，即使提额到5000，其风险还是可控，说明这个还可以继续往上进行加压，直到风险后收益达到目标要求即可。但分数段在[500,600)之间的用户，提额到1000后就开始风险上升，说明该风险类型的用户提额上限大概在1000左右。

场景2：同一风险等级，不同初始额度提额幅度测算：

假设Bscore在同一区间的情况下，不同的初始额度提额幅度测算,也就是这些用户的额度上限该为多少呢？理论上同一类型的用户最终额度应该接近，如表1-2(虚构的数据)所示，假设分数段在[600,700)区间的用户，初始额度低的用户提额幅度是高于初始额度高的用户，通过风险数据可知，分数段在[600,700)区间的用户提高到20000左右，预计的风险为4%左右，具体最终用户额度为多少可根据收益损失预测进行最终决策。