2. 核心概念：什么是贷后预警、预警指标分类与等级划分
贷后预警是信贷生命周期中风险控制的关键环节，指在贷款发放后，通过持续监控借款人的行为数据、征信变化及多头借贷情况，提前识别可能影响还款能力的风险信号，并触发相应处置动作的机制。其核心目标是在风险暴露前争取处置时间，降低不良贷款率。
关键认知：贷后预警不是事后追责，而是基于实时或准实时数据的风险前置识别。在低延迟API架构下，预警决策需在毫秒级完成，这对指标计算与等级判定提出了极高要求。
2.1 预警指标分类
预警指标是贷后预警系统的“传感器”。根据数据来源与风险性质，通常分为三大类：
| 指标类别 | 数据来源 | 典型指标示例 | 风险指向 |
|---|---|---|---|
| 行为指标 | 内部系统（APP、交易、客服） | 还款方式变更、登录频率骤降、大额消费、设备更换、联系人失联 | 还款意愿下降、资金链紧张、欺诈风险 |
| 征信指标 | 央行征信、百行征信、朴道征信 | 新增逾期、查询次数激增、负债率上升、授信额度使用率超限 | 信用状况恶化、多头借贷、代偿风险 |
| 多头指标 | 第三方数据服务商（同盾、百融等） | 7日内申请平台数、30日内放贷机构数、共债指数、黑名单命中 | 以贷养贷、过度借贷、逃废债倾向 |
架构提示：行为指标通常依赖内部事件流（如Kafka），延迟最低；征信与多头指标依赖外部API调用，需设计缓存与降级策略以保障低延迟。
2.2 预警等级划分
预警等级决定了风险响应的优先级与处置力度。通常采用三级或五级制，以下为业界通用的三级划分标准：
| 预警等级 | 风险程度 | 触发条件示例 | 响应时效 | 处置动作 |
|---|---|---|---|---|
| 红色预警 | 高风险 | 征信出现30天+逾期、多头申请数≥10、黑名单命中 | 实时（秒级） | 冻结额度、人工外呼、紧急催收 |
| 橙色预警 | 中风险 | 征信查询次数激增、负债率上升超阈值、行为模式突变 | 准实时（分钟级） | 额度降额、短信提醒、系统标记 |
| 黄色预警 | 低风险 | 还款方式变更、设备更换、小额多头申请 | 批量（小时级） | 观察名单、推送通知、定期复核 |
等级跃迁规则：当同一客户在短时间内触发多个低等级预警时，系统应支持等级自动升级（如黄色→橙色），避免风险累积被忽视。API设计需支持动态等级计算与历史状态合并。
2.3 指标与等级的映射关系
在实际系统中，预警等级并非由单一指标决定，而是通过加权评分卡或决策树综合判定。以下为简化映射示例：
// 伪代码：预警等级判定逻辑
function calculateWarningLevel(behavior, credit, multihead) {
let score = 0;
// 行为指标评分
if (behavior.paymentMethodChanged) score += 10;
if (behavior.loginFrequencyDrop > 0.5) score += 15;
// 征信指标评分
if (credit.newOverdueDays > 30) score += 40;
if (credit.queryCount7d > 5) score += 20;
// 多头指标评分
if (multihead.applyCount7d >= 10) score += 30;
if (multihead.debtIndex > 0.8) score += 25;
if (score >= 60) return 'RED';
if (score >= 30) return 'ORANGE';
return 'YELLOW';
}
低延迟设计要点：上述判定逻辑在API服务中应预编译为规则引擎（如Drools、EasyRules）或直接内联为轻量级评分函数，避免每次请求都加载规则文件。同时，指标值应尽量在调用方预处理为布尔或枚举类型，减少API内部的复杂计算。