授信决策引擎基础概念

授信决策引擎是金融科技信贷系统的核心计算单元，它接收申请数据，通过预设的决策逻辑输出审批结论、授信额度与利率。理解其基础概念是设计稳定、可扩展的 API 的前提。

核心概念一览

授信决策引擎

授信决策引擎是一个状态机驱动的计算框架。它从申请系统接收客户信息、产品信息、征信数据，经过一系列计算节点后，输出 approved（通过）、rejected（拒绝）或 manual_review（人工审核）等决策结果，并附带额度、利率、拒绝原因码等明细。

决策流

决策流是引擎内部的有向无环图（DAG）。每个节点代表一个处理单元，节点间的连线代表数据传递与执行顺序。典型的决策流包含：

• 准入节点：检查年龄、地区、产品限制等硬性条件。
• 反欺诈节点：调用设备指纹、多头借贷、黑名单规则集。
• 信用评估节点：执行模型评分，输出信用分。
• 额度定价节点：根据评分和策略矩阵计算授信额度与利率。
• 最终决策节点：汇总所有前置节点结果，输出最终结论。

规则集

规则集是条件-动作的集合，通常以决策表或决策树的形式组织。每条规则包含：

• 条件（Condition）：如 age < 18、blacklist = true。
• 动作（Action）：如 reject、score += 10、flag_review。
• 优先级（Priority）：决定规则执行顺序，避免冲突。

模型评分

模型评分节点调用外部或内置的评分服务，返回信用分数或违约概率。常见的模型类型包括逻辑回归、XGBoost、神经网络等。在 API 层面，模型评分通常表现为：

// 模型评分请求示例
{
  "model_id": "credit_score_v3",
  "features": {
    "age": 28,
    "income": 15000,
    "existing_loans": 2,
    "overdue_days": 0
  },
  "request_id": "req_20250321_001"
}

// 模型评分响应示例
{
  "model_id": "credit_score_v3",
  "score": 725,
  "probability_default": 0.032,
  "score_band": "A",
  "execution_ms": 45
}

策略编排

策略编排是连接规则集、模型评分、人工审核等节点的配置层。它允许业务人员通过可视化界面或配置 API 定义决策流的拓扑结构、节点参数和异常处理逻辑。核心编排能力包括：

• 节点串联/并联：定义执行顺序与并行分支。
• 条件路由：根据前置节点结果决定下一步走向（如评分低于阈值则转人工）。
• 熔断与降级：当某个节点超时或报错时，走降级策略（如直接拒绝或使用默认分）。
• 版本管理：支持策略的草稿、测试、发布、回滚。

概念关系总结

五个核心概念构成一个分层协作体系：

1. 策略编排 是顶层设计，定义决策流的拓扑结构。
2. 决策流 是运行时实例，按编排配置依次执行节点。
3. 规则集 和 模型评分 是决策流中的具体计算节点。
4. 授信决策引擎 是承载这一切的基础设施，提供 API 入口、状态管理和结果输出。