信贷策略基础：信贷全流程、策略类型与开发部署

信贷策略是金融机构风险经营的核心引擎，它决定了“把钱借给谁、借多少、以什么价格借、借出去之后如何管理”。在冠军挑战者测试方法落地之前，我们必须先建立对信贷策略体系的整体认知。本章将围绕信贷全流程、五大策略类型（准入、授信、定价、额度、催收）以及策略开发与部署的基本流程展开，为后续的测试框架搭建奠定坚实的知识底座。

2.1 信贷全流程：客户生命周期的决策节点

信贷业务本质上是对客户信用风险的识别、定价与全生命周期管理。理解信贷全流程是设计策略的前提，因为每一个策略类型都对应着流程中的特定决策节点。我们将信贷全流程划分为贷前、贷中、贷后三大阶段，每个阶段包含若干关键决策点。

核心原理：全流程视角下的策略协同

信贷全流程并非简单的线性管道，而是一个动态反馈系统。贷前的准入与授信决定了资产组合的初始风险分布；贷中的监控与调额则根据客户行为动态调整风险敞口；贷后的催收策略直接影响损失回收率。三大阶段环环相扣，任何一个环节的策略失误都可能被后续环节放大或掩盖。因此，策略设计必须从全流程视角出发，避免“只见树木不见森林”。

信贷全流程关键节点与对应策略

2.2 五大策略类型：定义、目标与决策逻辑

信贷策略的五大类型——准入、授信、定价、额度、催收——构成了风险经营的核心决策矩阵。每种策略都有其独特的决策变量、目标函数和约束条件。理解这些差异是设计冠军挑战者测试方案的基础。

2.2.1 准入策略：风险的第一道闸门

定义：准入策略决定“哪些客户可以进入信贷流程”，是风险过滤的第一道闸门。它通常由硬性规则和评分卡模型组合构成。

• 硬性规则：年龄区间（如22-55周岁）、国籍/地区限制、黑名单/灰名单匹配、反欺诈规则（如设备指纹、IP风险）、监管合规要求（如反洗钱）。
• 评分卡模型：基于申请资料和征信数据构建信用评分，设定分数阈值作为准入线。

决策逻辑：准入策略追求“高召回、低误杀”，即在控制欺诈和重大风险的前提下，尽可能扩大可贷客群。准入策略的误杀成本极高——一个被错误拒绝的优质客户可能永远不会再回来。

2.2.2 授信策略：风险敞口的量化

定义：授信策略决定“给通过准入的客户多少信用额度”，是风险敞口的直接量化。授信策略通常基于客户的还款能力（收入、负债）和还款意愿（信用历史、行为数据）进行综合评估。

• 额度模型：常见方法包括“收入倍数法”（额度 = 月收入 × 倍数）、“负债收入比法”（DTI ≤ 50%）、“信用评分分档法”（不同评分区间对应不同额度上限）。
• 额度矩阵：将客户按风险等级（评分）和价值等级（收入/资产）交叉分组，每组设定不同的额度区间。

2.2.3 定价策略：风险与收益的平衡

定义：定价策略决定“以什么利率或费率向客户提供信贷”，是风险与收益平衡的核心工具。风险定价的基本逻辑是：高风险客户应承担更高的资金成本，以覆盖预期损失。

定价模型：价格 = 资金成本 + 运营成本 + 预期损失（PD × LGD）+ 目标利润率 + 风险溢价。在实际操作中，通常采用“风险等级 × 产品类型”的定价矩阵。

2.2.4 额度策略：动态风险敞口管理

定义：额度策略是贷中管理的核心，决定“在客户生命周期中如何调整信用额度”。它分为初始额度（贷前授予）和动态额度（贷中调整）。

• 动态调额触发条件：行为评分变化、收入提升/下降、额度使用率过高/过低、征信新增负债、逾期事件等。
• 调额方向：提额（正向激励）、降额（风险控制）、冻结（高风险暂停）。

2.2.5 催收策略：损失回收的最后一环

定义：催收策略决定“对逾期客户如何分配催收资源、采取何种催收手段”，直接影响损失回收率和客户体验。

• 催收分案：根据逾期天数（M1/M2/M3+）、风险等级、历史还款行为，将客户分配到不同催收队列（短信、IVR、人工外呼、外包、法诉）。
• 还款方案：对特定客户提供分期、减免、展期等个性化还款方案。

2.3 策略开发与部署的基本流程

策略开发不是一次性的“建模项目”，而是一个持续迭代的工程化过程。标准流程包含六个阶段：业务定义、数据准备、策略设计、离线验证、上线部署、监控迭代。每个阶段都有明确的交付物和质量标准。

核心原理：从业务问题到策略方案的映射

策略开发的起点不是数据或模型，而是清晰的业务问题定义。例如：“如何在不增加整体风险的前提下，将审批通过率提升5%？”这个业务问题需要转化为可量化的策略目标（通过率、逾期率、收益率），再映射到具体的策略方案（调整准入阈值、优化授信模型、修改定价矩阵）。

策略开发六阶段操作流程

1. 业务定义：明确策略目标（如降低M2+逾期率）、目标客群（如新客 vs 存量客）、业务约束（如监管限制、资金成本）、成功指标（KS、PSI、通过率、坏账率）。
2. 数据准备：收集申请数据、征信数据、行为数据、催收数据；进行数据清洗、特征工程、标签定义（如“好客户”= 逾期≤30天且无欺诈）。
3. 策略设计：基于数据分析结果，设计规则、模型或规则+模型的混合策略；设定阈值或分档；形成策略文档（包含决策逻辑、参数、预期效果）。
4. 离线验证：使用历史数据回测策略效果；计算关键指标（KS、AUC、PSI、Lift）；进行敏感性分析和稳健性检验；对比基准策略（冠军策略）与候选策略（挑战者策略）。
5. 上线部署：将策略配置到决策引擎（如FICO Blaze、Drools、自研引擎）；进行影子测试（Shadow Test）或小流量灰度；制定回退方案。
6. 监控与迭代：上线后持续监控策略效果（每日/每周/每月）；关注PSI（群体稳定性）、特征分布漂移、业务指标变化；通过冠军挑战者测试验证新策略是否优于当前策略。

案例拆解：某消费金融公司的准入策略优化

背景与约束：某持牌消费金融公司，主营线上小额信贷产品（平均额度5000元，期限12期）。当前准入策略的审批通过率为45%，M3+逾期率为3.2%。公司希望在不显著增加风险的前提下，将通过率提升至50%以上，以扩大业务规模。

初始现象与目标：通过率瓶颈主要来自准入评分卡的阈值设定（当前阈值650分）。数据分析发现，620-650分区间客户虽然整体风险略高，但其中部分客户（如公积金缴纳稳定、学历较高）的实际表现优于预期。

关键输入数据：

• 历史申请数据：近12个月申请记录，共120万条。
• 表现标签：M3+逾期定义（逾期90天以上）。
• 特征变量：征信查询次数、负债收入比、公积金缴纳情况、学历、年龄、历史信贷行为等。

分析判断过程：对620-650分客户进行分层分析，发现“公积金连续缴纳≥12个月”且“学历本科及以上”的客户，其M3+逾期率仅为2.8%，低于整体平均水平的3.2%。而“无公积金”且“学历大专以下”的客户，M3+逾期率高达5.1%。

实际操作步骤：

1. 设计挑战者策略：在原有评分卡基础上，增加“例外规则”——当评分在620-650分之间，且满足“公积金连续缴纳≥12个月”和“学历本科及以上”两个条件时，允许准入。
2. 离线回测：使用历史数据模拟挑战者策略，通过率提升至49.5%，M3+逾期率预计为3.15%（略低于冠军策略的3.2%）。
3. 冠军挑战者测试设计：将新申请流量按9:1比例分配（冠军策略90%，挑战者策略10%），测试周期3个月。
4. 监控指标：每日监控通过率、M3+逾期率（需等待表现期）、客诉率、人工复核率。

结果对比：3个月测试期结束后，挑战者策略通过率提升至49.8%，M3+逾期率为3.1%（略优于冠军策略），且客诉率无显著变化。挑战者策略胜出，全量切换为新冠军策略。

风险与代价：测试期间，挑战者策略组额外承担了约0.1%的逾期率上升风险（值），但通过率提升带来的利息收入远覆盖了额外损失。此外，例外规则可能被中介机构利用，需要定期监控规则命中率和欺诈率。

复盘经验：策略优化不一定需要推翻原有模型，基于细分客群的“例外规则”往往能实现精准的“风险挖潜”。但例外规则必须建立在充分的数据分析基础上，且需要配套监控机制防止规则滥用。

2.4 常见误区与总结复盘

在信贷策略开发与部署过程中，团队常犯以下错误，需要特别警惕：

总结复盘：策略开发的核心要点