第一章：我的“唯模型论”世界
刚入行那一两年，我的世界观很简单：
风控 = 模型。
我工作的全部意义，就是追求极致的AUC和KS。
每天的生活，就是在成千上万的变量里“炼金”。
把用户的申请行为、设备指纹、通讯录关系、历史数据……所有能抓到的东西，都扔进XGBoost的熔炉里。
然后，紧张地看着验证集上的那条ROC曲线，是不是又向上拱起了一点点。
那种感觉，无与伦比。
我坚信，模型是风控的超级发动机。
只要我的模型足够强大，就能像上帝一样，清晰地分辨出谁是好人，谁是坏人。
至于策略？
在当时的我看来，那不过是模型上线前，由策略同事拍脑袋定下的一些“门槛”而已。
比如，“年龄小于18岁，拒绝”。
太没技术含量了。
我把模型看作一个无所不知的“通才”。
它能综合上百个维度，给出一个客观、全面的分数，描绘一个人的整体信用倾向。
它处理的是大样本，寻找的是普遍规律。
它擅长回答“这群人整体风险有多高”的问题。
❝
那时候的我相信，只要发动机的马力足够强，车就能跑得又快又稳。至于方向盘？好像没那么重要。
然而，现实很快就教会了我，不开车的人，才觉得方向盘不重要。
第二章：当我的“发动机”，第一次撞上南墙
我职业生涯的第一次“信仰崩塌”，发生在一个墨西哥的项目上。
当时，我主导开发的新版评分卡模型，AUC高达0.75，oot上效果都很好。
模型上线后，怪事发生了。
坏账率并没有像预期的那样下降，反而有几个客群的逾期出现了诡异的攀升。
业务方急了，策略团队也急了。
一天下午，策略负责人拉着我，指着一个被我们模型评为720分（优质客户）的case。
这个用户，申请资料完美，设备环境干净，行为特征良好。
模型爱死这种用户了。
策略负责人面无表情地打开另一个系统，上面赫然写着：
“该用户命中国家级信用局（Buró de Crédito）严重失信黑名单。”
我当时下意识地辩解：“我的模型里包含了黑名单特征啊！但它的特征重要性不高，所以权重不大。”
从统计学上，我没错。
在一个10万人的样本里，命中黑名单的可能就几百人。
对于追求整体AUC的模型来说，这个特征的“贡献度”远不如那些覆盖几万人的普通特征。
模型会认为，他虽然有这个“小污点”，但他其他99个方面都太优秀了，两相权衡，依然是好人。
那一刻，我醍醐灌顶。
❝
模型算的是概率，但策略定的是生死。
黑名单，不是一个概率问题，它是一个确定性的、一票否决的风险事实。
你不能对老板说：“虽然他是个公认的老赖，但我的模型显示他有95%的概率会还钱。”
老板会觉得你疯了，或者他疯了。
这件事让我第一次明白，策略，尤其是准入策略，是风控体系的第一道防线，也是最坚固的防火墙。
它处理的是那些模型无法、也不应该用概率去衡量的“点”状风险。
它负责把战场上最凶恶的敌人，用最简单直接的方式，清理出去。
第三章：策略，那个我看不懂的“方向盘”
如果说“黑名单”事件只是让我认识到了策略的“否决权”，那么接下来发生的事，则让我彻底看清了策略的真正面目。
它不仅仅是刹车，它更是方向盘。
随着我对业务的介入越来越深，我发现策略团队每天开会讨论的，根本不是我们模型团队关心的那些东西。
我们关心：AUC、KS、特征稳定性、PSI……
他们关心：
Approval Rate（通过率）：这个月要放多少量？市场要扩张还是收缩？
FPD7 Rate（首逾7天坏账率）：新用户的资产质量怎么样？是不是混进来了什么奇怪的东西？
Portfolio Mix（客群组合）：高、中、低风险的客户比例是不是健康？
ROI（投资回报率）：我放出去的每一块钱，最终能赚回来多少？
我才恍然大悟，原来，当我的模型给出一个分数，比如680分之后，风控的工作才刚刚开始。
接下来，全是策略的工作：
准入（Admission）：
策略说：“分数低于650分的，直接拒绝，门都别想进。” 这定义了我们服务的客群底线。
授信（Credit Granting）与给额（Line Assignment）：
策略说：“650到700分的，是我们的次优客群，可以给，但额度不能高，就给1000比索（墨西哥货币）试试水。”
“750分以上的，是我们的核心优质客户，可以直接给5000比索，要留住他们。”
定价（Pricing）：
策略说：“1000比索那档，风险高，日利率定在1.0%。”
“5000比索这档，风险低，可以给个优惠，日利率0.6%，要有竞争力。”
看到吗？
准入、额度、定价，这三件事，是一个信贷产品的核心。
而这一切，都是由策略来定义的。
❝
模型提供的是原材料及“质检报告”，而策略是决定用这些材料“盖什么样的房子”的总设计师。
策略需要清晰地洞察业务的方向。
市场好的时候，要扩张，策略就会调松准入门槛，提高额度，用更激进的方式去抢占市场。
经济下行，风险抬头，策略就会立刻收紧，降低通过率，削减高风险客群的额度，保全资产质量。
策略，才是整个信贷业务的方向盘。它决定了公司这艘船，是要加速前进，还是要求稳转舵。
而我，那个曾经只关心发动机马力的模型工程师，对这一切，一无所知。
第四章：偏重点的巨大差异：我们活在两个世界
想明白这一点后，我再回头看模型和策略，发现我们的偏重点，从根上就完全不同。
模型的偏重点，是“看清”。
它的目标：是无限逼近真相，用数学工具，最大化地区分好坏用户，实现最精准的风险排序。
它的语言：是概率、分数、特征、AUC。它会告诉你“A用户比B用户风险高30%”。
它的产出：是一个分数，或者一个概率值。它是一个强大的分析工具。
它的世界：是相对静态的。一个好的模型，追求的是在一段时间内的稳定表现。
策略的偏重点，是“行动”。
它的目标：是在“看清”的基础上，做出最有利的商业决策。它要平衡风险、收益、规模、成本等多个目标。
它的语言：是通过率、坏账率、额度、利率、ROI、GMV、LTV。它要回答“我们应该对A用户做什么？”
它的产出：是一整套可执行的业务规则、额度矩阵、定价矩阵。它是业务的方向盘和执行手册。
它的世界：是高度动态的。市场环境一变，竞争对手一动，欺诈手段一更新，策略就必须立刻调整。
这么说吧：
❝
模型，是对客观世界的精准刻画；策略，是对主观能动性的极致发挥。
模型工程师追求的是一个“真”字，力求还原风险的本来面貌。
策略专家追求的是一个“赢”字，力求在复杂多变的环境中，为公司赢得最大的商业利益。
第五章：我的新世界：双核驱动，方能致远
现在，你再问我模型和策略哪个更重要？
我觉得
这就像问一辆赛车，是发动机重要，还是方向盘重要？
没有强大的发动机（模型），赛车就没有速度，蜗行牛步。
没有灵活的方向盘（策略），赛车就会失控，车毁人亡。
一个健康的线上风控体系，绝不是“模型比策略好”或者“策略比模型有用”。
而是一个“硬规则（反欺诈/黑名单）+ 软规则（信用策略）+ 核心模型”紧密协同、无缝配合的有机体。
策略负责清理掉那些确定性的、局部的、突发的风险，为模型筛选出相对干净的客群。
模型则在这个客群中，进行最精细化的风险排序和区分，为策略的授信、定价、给额，提供最精准的“原材料”。
策略根据业务目标和市场变化，决定如何使用模型的产出，把模型的预测能力，转化为实实在在的商业价值。
相关文章
