在信贷业务的风险评估体系中，违约损失率（LGD）是衡量信用风险的核心指标之一。不同信贷业务的LGD分布形态差异显著，企业贷款呈现两端集中、信用卡表现为双峰分布、线上小额贷款则是右端集中的不规则形态。这种差异是由借款人资质、贷款结构、风控模式等多重因素共同作用的结果，其底层逻辑可通过分布特征与业务本质的关联清晰拆解。
一、三类贷款LGD分布的核心特征
1. 企业贷款：两端集中的离散分布
企业贷款的LGD分布呈现明显的“两极分化”，主要集中在0和1两个端点。大部分情况下，企业能按合同全额还款，此时LGD接近0；一旦发生违约，多为经营破产、行业衰退等极端场景，抵押资产处置或清算后回收金额极低，LGD接近1。中间状态的部分还款情况极少，分布曲线呈现两头高、中间空的离散特征。
2. 信用卡：双峰并存的分化分布
信用卡业务的LGD分布呈现典型双峰。第一峰集中在LGD≈0区间，对应大多数有稳定收入的用户，会按时全额还款或短期逾期后补齐；第二峰集中在高LGD区间（接近1），对应部分长期财务恶化、彻底弃还的用户，银行最终核销欠款。两峰占比均较高，中间过渡区间的样本占比低，形成清晰的双峰值特征。
3. 线上小额贷款：右端集中的不规则分布
线上小额贷款的LGD分布无明显0值集中，整体向右端（高LGD区间）倾斜，其中LGD=1的样本占比达21.4%（Kuang et al., 2026）。分布曲线无清晰峰值，中间区间存在大量分散样本，反映部分还款的普遍情况；高LGD区间样本密集，体现彻底违约的比例较高，整体呈现中间散、右端聚的不规则形态。
Figure 1: 三类贷款LGD分布特征对比。左图：企业贷款呈现两端集中，白样本（低LGD）占多数集中在0附近，黑样本（高LGD）占少数集中在1附近；中图：信用卡呈现双峰分布，低LGD和高LGD各有一峰；右图：线上小额贷款呈现右端集中不规则分布，高LGD区间样本密集。
二、分布差异的核心成因：业务本质决定风险表现
1. 借款人属性：还款能力的稳定性差异
企业贷款的借款人多为法人主体，有明确经营场景和资产规模，还款来源依赖经营现金流，抗风险能力与宏观经济、行业周期强绑定。正常经营时还款稳定，违约则多为不可逆的极端情况。
信用卡借款人以个人消费者为主，额度小、需求多为日常消费或短期周转，还款来源为个人收入。用户群体分化明显，既有稳定收入的合规用户，也有收入波动大、信用意识薄弱的高风险用户。
线上小额贷款的借款人多为传统金融机构的长尾客户，包括低收入个人、微型个体户等，信用记录不全或较差，还款来源多为零工收入、小生意流水，稳定性极差。
2. 贷款结构：回收弹性的决定性作用
企业贷款额度大、期限长，通常附带抵押（如厂房、设备）或质押（如应收账款），违约后可通过处置抵押物回收资金，要么回收充分（LGD≈0），要么处置困难（LGD≈1），回收弹性两极化）。
信用卡为无抵押、无担保的循环信贷，还款灵活（支持最低还款、全额还款），违约成本仅为影响征信，无资产抵押风险，导致用户要么全额还款，要么彻底弃还，回收弹性有限。
线上小额贷款额度中等、期限固定，无抵押担保，依赖平台大数据风控（精度低于银行）。违约后平台催收力度有限，无抵押资产可处置，回收金额多为部分还款，回收弹性处于中间水平。
3. 风控模式：风险筛选的准确度差异
企业贷款的风控门槛高，银行会对企业的经营状况、财务报表、信用记录进行全面审核，仅优质企业能获得贷款，筛选后的借款人违约概率低，违约多为极端事件。
信用卡风控门槛较低，覆盖人群广，审批流程简便，仅通过基础信用信息和收入证明筛选，用户质量参差不齐，导致合规用户与高风险用户并存。
线上小额贷款风控门槛更低，审批速度快，依赖用户行为数据、消费记录等大数据进行风险评估，筛选精度有限，大量还款能力脆弱的用户进入市场，增加了部分还款和彻底违约的比例。
三、分布特征对风控的启示
三类贷款的LGD分布差异，为信贷风控提供了针对性方向：
企业贷款风控应重点关注宏观经济、行业周期变化，强化抵押资产评估和违约后的清算流程，降低极端场景下的损失。
信用卡风控需准确区分用户群体，对高风险用户加强放款后监控，通过最低还款额、逾期提醒等机制降低彻底弃还比例。
线上小额贷款风控应优化变量筛选，准确捕捉中间区间的部分还款风险，提升KS，同时加强对高LGD用户的预判（Kuang et al., 2026），提前抓取负向信号。
四、结语
信贷业务的LGD分布形态，本质是借款人还款能力、贷款回收弹性与风控准确度共同作用的结果。企业贷款的两端集中、信用卡的双峰分布、线上小额贷款的右端集中，分别对应不同业务场景的风险特征。理解这些分布差异的底层逻辑，能帮助金融机构优化风控模型，提升信用风险评估的准确性，为不同信贷业务制定更具针对性的风险管控策略。