定额策略是贷前的关键一环，好的额度策略可以让收益最大化。本篇针对金融机构常用的额度设计和测试方法进行详细介绍，内容节选自《100天风控专家》贷前额度策略篇。
① 矩阵思维
“矩阵设计”不局限于某个特定步骤，是一种多维度融合的思想。以上几个关键步骤均可以使用矩阵设计，设计形式比较灵活，可依据现有数据的业务逻辑以及互相之间的关联性来确定适用于哪个步骤，是否适合配对。
② 阶梯方式分布取值
交叉融合的维度需要有一定的排序性，即有一定业务可解释性。因此，两个维度交叉后会天然形成阶梯式的分布规律。矩阵中具体每个元素值的制定，可根据产品政策和业务理解灵活设计。
③ 托底盖帽
最终额度= min(max(基础额度*额度系数,托底额度),盖帽额度)
当基础额度*额度系数<托底额度，则最终额度=托底额度 当基础额度*额度系数>盖帽额度，则最终额度=盖帽额度 当托底额度<=基础额度*额度调整系数<=盖帽额度，则最终额度=基础额度*额度调整系数
三、额度矩阵设计框架
贷前的定额策略和审批策略一样，也要进行优化调整。调整的原因分为两种：
①客观变化引起：比如通过监控发现的策略效果变差、公司政策变化、客群变化等原因，导致被动要做出适应新环境需求的调整。
②主观上的挑战：即便没有客观的变化发生，企业也要定期主动去发现旧策略的可优化点，优化生成新策略来挑战旧策略，往复不断尝试，以此让策略更优。
无论是哪种方式，一个必须面临的问题是：当每次新额度策略制定以后，都需要和旧策略进行效果对比，以此来评估是否要做新旧策略切换。关于额度策略的对比测试方法有哪些呢？
首先，要分析新旧额度策略在额度分布上的差异。比如下面展示了新旧额度策略在各个额度区间下最小值、最大值、均值以及分位点上的变化程度。
对额度区间、 A卡模型的风险等级(A/B/C)、新旧额度策略进行透视，观察数量分布及占比的变化。
针对额度变化（额度变化=新额度-旧额度）的幅度进行分段，统计A/B/C等级下的数量和占比。
首先通过Python代码复现新额度策略，对历史样本数据执行新策略生成新额度。
然后对额度区间、 A卡模型的风险等级(A/B/C)、新旧额度策略进行透视，统计各分段下的额度逾期率。
最后计算样本整体的额度逾期率，并且对比额度区间的逾期率排序性和额度有效系数，来测算新额度策略在风险维度的效果。
从盈利角度对新旧额度策略进行测算对比，具体步骤如下：
在相同额度区间条件下，分别统计新旧额度策略二维交叉的数量（样本客户数）、盈利（样本盈利求和）。
基于旧额度策略的实际盈利数据，测算新额度策略的盈利表现，对测算结果进行对比。
举例，新额度等级A盈利=(2520000/700)*1650。
六、新旧额度线上AB测试
将生产流量随机切分做线上的AB测试，通过线上观察结果来评估。按照历史样本数据是否充足，可以分成两种情况：
1）有足够历史样本
该情况下由于经过了详细的离线分析测算，有较强的数据支撑，AB测试方案上可以上少数确定性的策略，测试组少分流少，整体观察周期会更短。
2）无足够历史数据
由于策略效果无法离线测算，数据支撑较弱，可以尝试设计多个额度策略，并通过额度的分布统计进行合理性验证。然后将多个策略作为测试组与线上对照组一起做AB测试。由于测试组较多，流量被划分，整体观察周期会较长。
以上节选了部分，更多详细内容可以了解👉《100天风控专家》视频讲解。150节的视频+图文干货，策略、模型理论+Python实操全部通吃。
历史风控精选文章：
左可—”试看“，右可—”咨询“
