关注“金科应用研院”，回复“礼包”

　　领取“风控资料合集”

　　对于个人信贷的整个信用周期，我们可以将其分为三个大的阶段：贷前、贷中、贷后。

　　如果说信贷类产品的80%风控核心在贷前（文末关联阅读放链接），那么剩下的20%精髓则在如何设计并稳定运行风险监控预警体系。

　　今天重点来讲解贷中监控体系指标。

　　风险维度

　　在风险纬度，常用逾期率指标来衡量，例如M1，M2，M3。

　　不同公司对于具体逾期率或者坏账率的定义会有不同，例如有的银行定义逾期超过30天为M2有些则为60天。同时根据不同的金融产品，对于逾期的定义也会有所差异。

　　比如信用卡产品定义用户未还最低还款额为逾期，而现金贷产品定义用户未还清当期应还款额为逾期。常用的逾期率指标有：放款逾期率、余额逾期率、人头逾期率。

　　逾期率

　　放款逾期率=逾期余额/放款金额

　　余额逾期率=逾期余额/总计余额

　　人头逾期率=逾期人数/总人数

　　收益维度

　　贷中除了密切关注风险纬度的指标外很多金融机构的风控部门也会监控与经营收益相关的指标，如留存率、通过率。根据信贷产品种类的不同，相应指标也会有一定的产品特性。

　　例如对于循环类产品，借贷人在结清借据之后不用重新授信可以选择是否继续贷款。这时留存率（有些金融机构可能叫续贷率）用来衡量用户粘性，常用的有两种：人头留存率、余额留存率。

　　留存率

　　人头留存率：例如结清用户未来90天内新开借据人数占总结清人数的占比。

　　余额留存率：例如结清用户未来MOB余额留存占初始余额的比例

　　对于贷中环节，区别于贷前准入阶段的通过率，贷中同样有针对例如循环类产品老客的通过率指标。老客在额度范围内新开借据，不同于贷前阶段受限于用户行为数据的缺失，贷中阶段的交易可以利用用户已有账单层面的还款行为，征信情况等重新评估其逾期风险进而判断其通过与否。

　　同时风控策略的调整迭代同样也要评估对于通过率、未来风险水平的影响。

　　提现率

　　对于获得授信的客户，额度提现使用的客户占比与金融机构未来收益相关。对于获得授信的客户，如果额度长期未提现使用，金融机构在贷中管理中可能会采取降额或冻额处理。

　　同时一般授信额度会有一定的有效期，对于获得授信额度但超过有效期仍未使用的客户，有些金融机构会增加这类客户的二次授信要求或停止对其授信（如微粒贷即会停止二次授信）。

　　额度使用率

　　在金融机构贷中管理环节，授信客户对于自己信用额度的使用率不仅可以作为额度调整的参考维度，还可以作为老客户交叉营销的重要依据，又或是建立贷中行为评分模型时，历史额度使用率也是常构建的指标之一。

　　打个比方，通过历史数据分析可以发现对于额度使用率长期处于80-100%的客户，其违约风险的可能性会大于额度使用率处于20-30%。从业务层面不难解释，对于额度使用率只有20-30%的客户普遍有较好的财务能力，这类客户对信用资质比较重视而且现金流比较充足，虽然其二次营销授信后违约率低，但其信贷需求同样较低，从收益角度也许不是最佳客群。

　　通过将额度使用率区间化，可以按照违约概率，营销成本，新额度使用预测概率等维度矩阵测算出较优质客群，在贷中老客户交叉授信时给予优先级策略。

　　复借率

　　复借率指标使用场景主要是循环贷产品，表现是客户在完成往期的借款后立刻借出新贷款，这种情况往往与借旧还新现象挂钩。当某客户长期历史借贷复借率较高时，从策略角度建议分析其多头借贷数、评估当下还款能力，判断是否会在下一笔借贷时发生违约逾期的风险。

　　资金用途监控

　　资金用途的监控不仅是监管的要求，同时也能预防交易风险、系统性风险的发生。银行对于资金用途的账户监控比较严格，如果客户申请借款后将资金用于理财、炒股或者买房等限制领域，银行会及时冻结客户借款。

　　从监控到发生预警再到处置，当有这样一个完善的预警机制后，我们仍需要一个高效的处置流程。在这个流程里会涉及到公司不同的岗位职责，明确的分工体系，最终实现“找问题，发现问题并解决问题”的思维逻辑。

　　只有这样，才能够让风控精髓：监控，真正对于我们的业务运行有一个良性循环作用。

　　如果你喜欢、想要看更多的干货类型的文章，可以把设为星标??，顺便转发分享～

　　FAL长期对外征稿，邀请各大风控人士加入我们，在风控圈分享你的经验与知识??征稿，快到碗里来，有稿费那种！