今天這篇文章，雄志集團將結合自身豐富行業經驗，從微觀宏觀兩大方面系統出發，為大家闡述風險定價的前世今生。通過結合銀行和新金融兩個大主流機構類型對產品差異化定價的具體實踐操作，我們將為大家深入詳細探討風險資產定價的背后邏輯支撐。

（一）銀行零售業務篇

近年來隨著利率市場化加速，商業銀行傳統零售貸款業務受到互聯網金融的沖擊。為了維持足夠的利潤水平，銀行相繼擴大資產管理、托管等表外業務，轉向中小微企業貸、小額信用貸等利潤率更高的新型貸款業務，這類新型零售貸款屬于線上業務，必然會帶來一些風險及獲客層面的不確定性，因此對商業銀行的風險定價能力也提出了更高的要求。

1.傳統銀行業零售務中的定價實踐

（1）成本加成定價法貸款利率=資金的邊際成本+銀行的經營成本+預期違約的補償費用+預期利潤該方法是以銀行自身為核心導向。

（2）價格導向定價法貸款利率=基準利率+信用風險溢價+流動風險溢價+違約風險溢價+其他風險溢價此方法廣泛被應用，其中基準利率可以是國庫券利率、大額可轉讓存單利率、銀行同業拆借利率、商業票據利率等貨幣市場利率，也可以是優惠貸款利率，即銀行對優質客戶發放短期流動資金貸款的最低利率，也可稱為無風險利率（Riskless Interest Rate），是金融市場常用的定價參照系。附加的風險溢價水平因客戶的風險等級不同而有所差異；如果貸款期限較長，銀行還需加上期限風險溢價。

（3）客戶盈利分析法該方法綜合考慮一筆貸款帶來的總收入、借款人實際占用的資金金額、貸款的收益與金融機構的目標利潤、資金成本和其他經營費用的對比情況，是以客戶為導向的定價方法。

（4）其他風險定價法部分大型銀行根據巴塞爾資本管理辦法的要求搭建了風險預測（PD）模型+違約損失（LGD）模型來評估預期損失（EL），再以風險調整后的資本回報率（RAROC）定價法，通過目標收益水平倒推出產品的定價區間。也有一些同業則基于客戶關系定價，即關注客戶關系的整體風險收益，重視與客戶建立長期關系而非單次交易的關系。其具體操作步驟主要有：對客戶進行分析，區分誰是優質客戶，誰是可培育客戶；從銀行視角定價，以目標收益為基礎，引導未來派生業務進行價格優惠；針對客戶關系進行價格決策，根據市場、政策進行流程授權及價格決策；進行價格管理，追蹤客戶承諾的完成程度，事后評估調整定價模型及策略

總之，傳統銀行貸款定價的方法是多種多樣的，同一家銀行對不同的行業、不同的客戶可能采取不同的貸款定價方法，每種方法都各有優點，需要具體問題具體分析，但目標都是實現收益最大和風險最低。但隨著大數據時代的到來，更加精準的差異化風險定價才是更符合市場發展要求的。

2.信用卡業務差異化定價實踐

信用卡業務的收入在各家銀行的零售業務中都占據主導地位。通常一家銀行在推出本行的信用卡業務的時候，都會橫向參照同梯隊銀行的同類信用卡產品的利率和授信額度來完成初步的風險定價，等到數據積累到一定程度會進行調整和優化當前的風險定價策略。隨著互聯網金融的誕生，得益于技術的支撐和數據的打通，越來越多的銀行采用線上審批的方式進行業務擴張和拓展，從而基于線上場景的信息采集補充，精準的差異化風險定價在實際信用卡業務中有了更多的施展空間和評估手段。通過內外部數據和交易數據搭建出核心的風險定價模型，涵蓋了更多維度的變量進行客戶畫像，并通過機器學習等先進建模技術，應用到實際的風險定價當中。某銀行信用卡中心存量卡風險定價項目中，通過行內已知變量完成人群的風險等級劃分，推演不同的利率決策下行動響應模型和風險預測，成本分攤和壞賬損失預測，在一定限制條件下實現未來收益最優化方案的制定。

當完成客戶準入的風險定價后，往往還需要進行基于特定客群特征、風險情況或客戶價值評估的差異化來修正風險定價，調價的流程參考下圖2。如對于信貸資信優質的客戶可以降低費率調高授信額度；而對于信貸資信差的客戶，可以提高費率降低授信額度，做到資金有效分配，利于資源最優配置。通過客戶屬性及行為特征鎖定調價對象，通過調價矩陣、收益預測模型等進行客群風險精細化運營管理，通過外圍服務、短信、微信公眾號、APP和銀行門店銷售網絡體系等觸達客群，然后進行調價效果分析，不斷更新迭代。此項目的完成使得該客戶新卡客群和存量客群的平均利潤分別提升了8.2%和12.7%，預計未來三年可給行方帶來12億元的凈利潤增長，平均余額增加6.8%，循環利息收入提升7.3%。

3.線上零售業務差異化定價實踐

線上零售業務主要分為自營和非自營兩個主要模式。由于非自營模式（助貸、聯合貸）中銀行對于產品風控的把控力有限，定價往往由場景引流方主導，故本文將著重講述自營線上零售業務中的定價方案。自營模式還可細分為自有客戶挖掘以及外部渠道導流兩種方法。外部導流模式（包含渠道導流自主風控），根據流量方和資方的實力背景不同，銀行的定價權和話語權也會不同，因此風險定價的方式也會千差萬別。一般產品定價的要素主要有貸款產品，風險等級，貸款期數，獲客渠道，細分客群等；從銀行獲取貸款須支付的費用有資金利息、風險費用、服務成本和預期收益等。但不同的費用計算和收取方式，不同的風險定價方法，即使同一風險等級的客戶，最終獲取的額度和承擔的利率也會不同。自有客戶挖掘模式，銀行擁有更大的定價自主權且對于自身客戶的信息儲備較為豐富，故定價方案可制定得更加深入。以某銀行深挖自身客群開展線上業務的風控項目為例，通過整合內外部數據構建分層客群的差異化定價策略：首先計算每個主要來源客群的成本情況，包括資金成本、運營成本、獲客成本、風險成本、綜合貢獻度；其次通過建立UE（unit economic）盈利模型計算出每個客群的盈虧平衡點；最后再根據目標利潤情況，結合每個層級客群的轉化率，以及當前階段的具體業務訴求，反向拆分制定每個客群的定價方案。當然，在計算成本情況及目標利潤時，要根據該客群的占比情況等比例的分配。如下圖4所示，根據目標利潤及客群占比情況反向拆解到各個客群的目標利潤（如A 客群利潤、B客群利潤等），再結合各個客群的成本及綜合貢獻度，計算營利性目標，最后除以相應的客群轉化率，得到差異化定價結果，最終實現“千人千率”。根據客戶的風險評分、收益評分和營銷響應評分，不同客戶對于利率敏感度差異、不同觸達方式下行動響應概率(轉化率)也會存在較大差異，在方案效果監控上通過設定ABtest對照組實驗，對比維度包括利率變化幅度、客戶分層投放后盈利情況來監控定價效果；根據投放方式監控調優后轉化率的變化情況及盈利性模型結果提升幅度來不斷修正定價方案，調優的內容包括定價矩陣、風險定價決策表、利率和授信額度等，從而實現策略最優、利潤最大化。通過上述操作，該項目最終達成客戶體驗度提高、復貸率和額度使用率顯著提升的效果，也獲得了行方和市場的高度認可。

（二）新金融篇

新金融開展線上業務由于客群資質相對下沉，故風險定價往往與監管要求的定價上限進行看齊，較為粗放，并沒有一個準確的量化定價標準。然而，隨著客群的積累以及監管的趨嚴，在引入更多外部數據的應用基礎上，搭建大數據風控模型、盈利預測模型和損失預測模型等，通過更精準的用戶畫像和差異化的風險定價方法，進而實現了科技進步賦能金融的革新。以某新金融A機構的房抵貸業務為例，該機構采用評分卡模型和風險定價器作為風險定價核心。A機構基于風險定價模型和評分卡模型開發了H5版本的風險定價器，后臺接入了由全國各地優秀的房地產評估機構共建運營的房產估價平臺和A機構自建的客戶評級系統；根據云數據對全國上百個城市的案例進行分析，并結合人行征信數據、外部三方數據和申請行為數據等構建了一個房押借款的信用評級系統，該系統以基礎信用評分和抵押率為主要維度，對客戶的信用等級進行了劃分，從高到低分為AAA、AA、A、BBB、BB、B、CCC、CC、C，信用等級越高，抵押率越高，利率越低，反之則抵押率越低，利率越高。同時，針對不同風險等級的借款人，平臺計提不同的風險保障金，并對投資人制定了不同的風險保障措施。將大數據評分卡模型和傳統的“5C”審核技術相結合，為A機構的房產抵押借款準確估價提供了依據，不僅更精細化管理資產風險，更提升了借款業務的貸前審核效率，極大的降低了人為主觀因素對于審批的誤判，整體流程也更加快捷、高效、體驗度高。

結語

當我們細縷當今金融零售業務生態，其普遍都面臨獲客貴，風控難，運營成本高的問題，雄志集團則致力于通過優化提升相應金融科技手段以攻克相應痛點。

雄志集團結合自身業務實際情況，正努力鉆研更為行之有效的定價方案和精細化的風險管理，以幫助廣大金融機構打破行業壁壘，創造更多回報和未來客戶價值。

受制于篇幅，很多技術細節未展開充分討論，如廣大讀者想進一步了解各金融場景的風險定價解決方案的技術細節，歡迎蒞臨雄志集團總部與我們深入交流討論。