我们以企业的稳定性和外部环境的历史波动情况，对未来的波动性形成预期，计算出授信期间内企业的内部数据和外部数据，并通过函数对企业在授信期间内的现金资产形成预期。
 
五、确定违约点
 
违约点就是公司需要承担的还款责任。
 
我们通过企业银行流水及系统数据等信息对企业现金成本、需要支付的负债和现金进行评估，并作为对违约点的预期。
 

六、估计违约概率
 
根据借款人的资产价值及其波动，在一定分布下，估算还款能力小于违约点的可能性。
 
假定授信对象的还款能力为正态分布，根据违约点和现金资产预期情况，对企业的违约概率进行了计算和评级，授信对象的违约概率情况如下：
 

 
七、形成决策
 
根据借款人的信用级别来决策，以B级为分界线的以上等级予以通过。其中A2、A3、A7企业因计算出的违约概率低于B级，做拒绝处理。
 
根据借款人的违约概率和企业的预期价值及其波动情况，再分别确定借款人的授信额度。
 

 
八、授信执行
 
将决策结果投入执行，并在执行的过程进行贷后管理，对企业实时的数据进行测算，观察借款人的行为，用于模型的结果优化。
 
数据化决策为货代企业构建的授信决策通道，从最基础的经营行为有效把控风险，可以在2小时以内解决授信决策难题，有效的支持了货代企业的发展。这种决策模式随着贷后管理中新的数据引入可以实现对借款人的实时动态持续管理，评估的精度和效率将随着数据和行业背景的积累逐步提高。
 
数据化决策的质量和效率随着业务操作逐步优化，决策周期从前期的48小时缩短到现在的2小时左右。目前，受制于部分数据需要线下采集，对决策效率有负面影响。随着数据通道的打通，将可以实现完整的线上自动化决策，达到秒级审批。