本文解析个人房产抵押贷款在不同银行风控口径下的抵押率成数，并梳理了征信查询次数与流水核算如何耦合影响LTV（Loan to Value Ratio，贷款价值比）的发放逻辑，用一套基于线下进件的方案解决了高查询次数客群被直接拒贷的问题。
通过设定借款人名下房产的房龄不超过20年且位于襄城或樊城老城区的核心地带，同时要求借款人在近三个月内的征信查询次数不超过6次（以经办时银行实际的口径为准），实现了抵押率成数按房产评估价的70%作为初始锚点的发放。同时通过构建对流水核算的“穿透”机制，要求借款人近半年银行流水进项总额覆盖本次贷款月供的2倍以上（含已有负债月供），对流水来源中频繁出现“当日进当日出”的资金进行了剔除处理，实现对目标客群中真实经营收入者的筛选，并能根据抵押房产的楼层、朝向、装修程度等细项下浮10%-15%的评估值，动态地调整LTV从70%降到60%以下。
另一方面根据借款人的还款能力系数（即月收入与月总负债的比值不低于1.5倍），实现了对房龄在20年以上但不超过30年的老房产的分档处理：房龄每增加5年，LTV在70%的基础上扣减5个百分点，但最高扣减不超过15个百分点。这提高了次级客群因房龄老被压成数的通过率，并对银行内部风控模型中的“房龄与贷款年限之和不超过40年”的硬性约束起到了“平分”作用——老城区房子虽然评估价低，但通过拉长贷款年限使月供压到可控范围，迫使银行在LTV上做让步。楠哥上个月在枣阳遇到一个客户，名下一套98年的房改房，评估价只给了42万，按常规只能批到60%即25.2万，但通过其退休金加房租的流水核算，还款能力系数达到1.6倍，最后银行按62%的LTV批了26万，比预期多了8000块。
系统针对征信查询次数过多且流水不足的高负债客群进行了“首次的‘卡位’”优化，使用线下进件流程，要求客户经理将对公账户流水或收据类非标准凭证逐笔登记台账，并对非本人操作的查询记录（如银行贷后管理、担保资格审定）进行人工复核剔除，实现了将征信查询次数中非借贷行为的比例由37%压到12%以下的目的，同时将流水覆盖倍数从1.5倍通过算术平均法提高到2.1倍，达到银行审批端对“中等风险”客户群的准入边界。方案针对征信查询次数和流水核算的耦合影响进行了适配，通过线下进件机制实现了高查询次数客群的准入，并通过流水核算规则实现了对负债率虚高客户的加额，抵押率成数达到房龄五年一档的折扣，同时根据银行当期的风险偏好动态调整LTV，最终按照客户还款能力系数反算贷款年限，达到房龄与贷款年龄“平分”的平衡点。
原创文章，作者：楠行，如若转载，请注明出处：https://www.xiangyc.com/p/254
