【风控】什么是风控策略？

在智能风控体系中，「模型」与「特征」是基础工具，而「策略」则是对这些工具的落地应用。本章聚焦风控策略的方法论，并结合实际场景，说明策略的搭建、监控、预警以及异常处理机制。

1. 核心指标与概念

1. 坏账
   指机构发放的贷款未能按约定期限和利率收回，且基本确认未来无法收回所产生的损失。不同机构的坏账认定标准或有差异，坏账损失是衡量业务健康度的重要指标。

2. 转化率
   衡量各审批环节的放行效率，主要分为：

   • 机审转化率：自动审核通过订单数 ÷ 申请订单总数
   • 人审转化率：人工审批通过订单数 ÷ 进入人工审批的订单数
   • 风控转化率：最终放款订单数 ÷ 申请订单总数

2. 风控策略概述

风控策略通过规则策略与模型策略的有机结合，对客户风险进行分层判断，实现准入、反欺诈、授信、定价及催收等多阶段目标。策略的核心在于风险–收益平衡：

• 收益来源：息费收入
• 成本要素：运营成本（获客、数据、人力、资金等）
• 风险成本：坏账损失

信贷利润 = 息费收入 – 运营成本 – 坏账损失

有效的风控策略应在满足监管与客户利益的前提下，通过合理定价优化客群质量、提升自动化审核比例以降低运营成本，同时实施精准的规则与模型策略来控制坏账水平，最终实现业务规模与利润的双向增长。

3. 风控策略方法论

在智能风控体系中，规则分析方法、模型策略分析方法和额度策略分析方法构成了完整的策略落地闭环。各方法论均涵盖五大环节——样本选取、策略制订、策略评估、策略上线与验证、策略回顾——但在技术侧重点与业务目标上各有侧重：

• 规则分析方法依托IV分析、极端值检测与组合规则等统计与经验相结合的技术手段，挖掘并评估高风险特征区间；
• 模型策略分析方法在已有风控模型基础上，通过单模型或多模型组合，利用交换集分析、拒绝推断和A/B测试，平衡转化率与坏账率；
• 额度策略分析方法则通过单一额度、单因子额度与多因子额度等差异化方案，聚焦收益最大化与风险可控，通过A/B测试及贷后表现评估方案效果。

3.1 规则分析方法

1. 样本选取

在策略制订前，需要从历史订单中抽取跨期验证集（OOT）与近期授信样本，并确保样本包含订单标识、逾期标签及关键特征值，以支撑后续规则挖掘与评估。

2. 规则制订

• IV分析法：将连续特征分箱后，计算各分箱的IV（Information Value），筛选与目标变量（如逾期）区分度高的箱段，从而形成单一规则。
• 极端值检测法：假定不良客户在特征值极端处比例较高，利用分位数枚举阈值，挖掘极端风险区间，但需兼顾命中率与命中坏样本率的平衡。
• 组合规则：基于业务经验与数据挖掘技术，将多个高风险特征联动，形成更细分人群的组合规则，实现更精准的风险过滤。

3. 规则评估

• 效果评估：重点关注规则命中后样本的逾期率（hit_bad_rate）与整体逾期率（total_bad_rate）倍数提升（lift），以及样本量稳定性。
• 收益性评估：从利润角度考量，结合数据成本、命中率、命中坏账率与盈亏平衡坏账率指标，量化规则对业务利润的贡献。

4. 规则上线与验证

在决策引擎中配置并发布规则后，需验证阈值准确性、A/B测试分流比例、线上命中率与线下预期一致，同时通过空跑或小流量实验持续监控。

5. 规则回顾

定期基于线上执行情况与贷后表现，对规则阈值进行调整或新增/替换策略，确保规则在不同时期均能保持稳定效果。

3.2 模型策略分析方法

1. 样本选取

与规则方法相同，需准备跨期验证集（OOT）与BackScore样本集，确保包含模型分数与逾期标签，用于评估模型策略。

2. 模型策略制订

• 单模型策略：基于模型分数与坏账率/通过率曲线，确定最优阈值；或利用lift值选点，兼顾风险与转化。
• 多模型组合策略：包括加权融合、串行准入与交叉准入，利用多模型性能互补或数据成本优化，实现更均衡的决策效果。

3. 模型策略评估

• 交换集分析：分析新旧模型对同一客户群的通过/拒绝差异，衡量因策略调整带来的坏账率和通过率变化。
• 拒绝推断：通过Universe Test、A/B测试组或线性拟合，估算被拒绝客户的潜在坏账率，避免策略盲区。

4. 模型策略上线与验证

上线后需验证模型阈值、A/B测试分流比例与预期通过率一致，并密切监控线上指标波动。

5. 模型策略回顾

基于线上A/B测试数据和贷后表现，定期回顾并选择最优方案，或针对市场与客群变化迭代策略。

3.3 额度策略分析方法

1. 策略制订

• 单一额度策略：对首贷用户或客户统一授信额度，简单易行。
• 单因子额度策略：基于单一维度（如信用评分）划分额度，差异化但易于实施。
• 多因子额度策略：结合多维度特征构建额度矩阵，实现更精细的额度分配。

2. 策略评估

对比上线前后件均额度、坏账率与利润变化，验证额度调整对风险-收益曲线的影响。

3. 策略上线与验证

在决策引擎中配置额度方案及A/B测试分流，验证配置正确性、分流比例与实际件均额度是否达成预期。

4. 策略回顾

当A/B测试稳定并产生贷后数据后，从利润最大化角度选择最佳额度方案，并根据市场变化不断迭代。

4. 策略监控与预警

• 实时监控：对关键指标（机审率、人审率、坏账率、转化率等）建立仪表盘，监测策略执行效果。
• 阈值预警：当某指标超出预设阈值（如坏账率上升、转化率骤降）时，自动触发告警通知风控团队，并附带初步诊断报告。

5. 策略异常处理

1. 根因分析
   结合监控日志、人为审查与数据回溯，快速定位策略失效或数据漂移的根本原因。

2. 紧急修复

   • 可快速下线问题规则或模型；
   • 对部分高风险客户临时启用更严格的审核规则。

3. 迭代优化
   整合根因分析结论，在样本提取与策略制订环节补充新的特征或调整模型结构，确保下一轮策略更契合业务与市场变化。