2. 风控基础回顾：信贷风控核心流程、逾期率与坏账率、风控策略与模型的关系
在深入人群切片与 A/B 测试之前，必须对齐信贷风控的基础语言。本章回顾三个核心支柱：信贷风控全流程、逾期率与坏账率的精确计算，以及策略与模型的协作关系。这些概念是后续所有实验设计与评估的基石。
2.1 信贷风控核心流程：从申请到催收
信贷风控并非单一环节，而是一条覆盖客户全生命周期的决策链条。通常划分为五个阶段：
| 阶段 | 核心动作 | 关键数据输入 | 典型策略输出 |
|---|---|---|---|
| 贷前（申请） | 身份核验、反欺诈、信用评估 | 征信报告、多头借贷、设备指纹 | 通过/拒绝/人工审核 |
| 贷中（监控） | 交易监控、额度调整、行为预警 | 还款行为、消费模式、外部风险信号 | 降额/冻结/提额邀请 |
| 贷后（催收） | 逾期提醒、委外催收、法务诉讼 | 逾期天数、失联状态、还款意愿 | 催收策略分案、核销 |
💡 关键认知： 人群切片 A/B 测试最常发生在贷前（如测试不同准入规则）和贷中（如测试不同额度策略）。贷后阶段因样本偏差大，实验设计需额外谨慎。
2.2 逾期率与坏账率：核心风险度量
所有风控策略的最终效果，都落在两个核心指标上：逾期率与坏账率。两者定义不同，用途不同，必须严格区分。
2.2.1 逾期率（Delinquency Rate）
逾期率衡量的是未按时还款的比例，通常按逾期天数分段统计：
- M1 逾期率（1-30天）： 流动性风险指标，反映短期还款意愿或能力波动。
- M2 逾期率（31-60天）： 信用风险早期信号，通常触发催收升级。
- M3+ 逾期率（61天以上）： 接近坏账，需计提较高风险准备金。
📐 计算公式：
注意： 分母使用“在贷余额”而非“放款总额”，因为后者会稀释真实风险。
逾期率 = 当前逾期未还本金 / 当前在贷余额 × 100%注意： 分母使用“在贷余额”而非“放款总额”，因为后者会稀释真实风险。
2.2.2 坏账率（Bad Debt Rate / Charge-Off Rate）
坏账率衡量的是最终无法收回的损失比例，通常以 M6+（逾期180天以上）或核销金额为基准：
- 最终坏账率： 核销金额 / 放款总额 × 100%
- Vintage 坏账率： 同一放款月份的累计坏账 / 该月放款总额 × 100%
| 指标 | 时间窗口 | 用途 | A/B 测试适用性 |
|---|---|---|---|
| M1 逾期率 | 1-30天 | 短期流动性监控 | 可作早期效果指标，但噪声大 |
| M3+ 逾期率 | 61-90天 | 中期信用风险预警 | 常用作中期评估指标 |
| Vintage 坏账率 | 6-12个月 | 最终损失评估 | 最可靠但等待周期最长 |
⚠️ 常见误区： 很多团队用“逾期率下降”直接证明策略有效，但忽略了通过率下降带来的业务损失。A/B 测试必须同时监控通过率 × 坏账率的复合指标，才能避免“为了降低风险而拒绝所有客户”的无效策略。
2.3 风控策略与模型的关系
模型与策略是风控系统的“大脑”与“手脚”。模型提供预测分数，策略将分数转化为业务决策。
2.3.1 模型为策略提供“标尺”
没有模型，策略只能依赖单一规则（如“收入 > 5000”）。有了模型，策略可以：
- 多维度评分： 信用分 + 欺诈分 + 收入分，组合成决策矩阵。
- 动态阈值： 根据模型分数段设置差异化通过率。
- 人群分层： 模型分数本身就是最有效的切片维度之一。
2.3.2 策略为模型提供“验证场”
模型的预测能力最终需要通过策略效果来验证：
- KS / AUC： 模型离线指标，反映排序能力。
- 策略通过率 + 坏账率： 模型在线指标，反映实际业务价值。
- A/B 测试： 唯一能建立因果推断的方法，证明模型分数变化确实带来了风险降低。
🎯 实战要点： 在人群切片 A/B 测试中，模型分数通常作为分层变量（Stratification Variable），确保实验组和对照组在风险分布上一致。如果模型分数分布不均衡，实验结论将不可信。
2.4 本章小结
- 信贷风控是贷前→贷中→贷后的闭环流程，A/B 测试主要作用于贷前和贷中。
- 逾期率是过程指标，坏账率是结果指标，两者必须同时监控。
- 模型提供预测，策略提供决策，A/B 测试是连接两者的因果验证桥梁。
- 人群切片实验的设计必须基于对上述基础概念的深刻理解，否则容易得出误导性结论。