4. 组合风险定义
在风控策略体系中，单一规则或单一模型的风险识别能力存在边界。组合风险（Portfolio Risk / Composite Risk）正是为了突破这种边界而设计的风险定义方式。它通过将多个风险维度、规则或模型输出进行结构化叠加，形成更精准、更稳定的人群风险判断。
4.1 组合风险的概念
组合风险是指将两个或两个以上相互独立或互补的风险信号，按照特定逻辑（如加权、串联、并联、决策树等）进行融合后，对目标对象做出的综合风险评价。其核心思想是：单一信号可能被噪声干扰，但多个信号的协同判断能显著提升风险识别的信噪比。
关键公式（示意）：
其中 R₁, R₂ 为不同维度的风险评分，w 为权重，Interaction 为交叉项。
组合风险得分 = w₁·R₁ + w₂·R₂ + ... + wₙ·Rₙ + Interaction(R₁, R₂)其中 R₁, R₂ 为不同维度的风险评分，w 为权重，Interaction 为交叉项。
4.2 组合风险与单一风险的区别
单一风险通常依赖一个维度的判断（如仅看征信逾期次数、仅看设备指纹异常），而组合风险通过多维度交叉验证，大幅降低误杀和漏放。下表从五个核心维度进行对比：
| 对比维度 | 单一风险 | 组合风险 |
|---|---|---|
| 信号来源 | 单维度（如征信、行为、设备之一） | 多维度融合（征信+行为+设备+社交等） |
| 抗干扰能力 | 弱，易被单一异常值误导 | 强，多信号相互校验，降低噪声 |
| 覆盖人群 | 仅覆盖该维度有信号的客群 | 可覆盖多维度交叉客群，减少盲区 |
| 策略灵活性 | 调整单一阈值，影响面大且粗糙 | 可调权重、逻辑、交叉条件，精细调控 |
| 解释性 | 简单直观，但容易误判 | 需要组合逻辑解释，但判断更可靠 |
实战经验： 单一风险适合做快速初筛（如黑名单拦截），组合风险适合做深度决策（如授信额度、定价、人工审核触发）。
4.3 组合风险产生的业务场景
组合风险并非理论产物，而是业务实践中自然演进的必然结果。以下三类典型场景催生了组合风险的定义与应用：
- 场景一：多头借贷叠加行为异常
仅看多头借贷次数（单一风险）可能误伤短期周转的优质用户；但若叠加“近7天设备更换次数>3”或“申请时间集中在凌晨2-5点”，则组合风险显著升高，欺诈概率大幅提升。 - 场景二：收入能力与负债水平的交叉验证
单一收入模型可能被虚假收入证明欺骗；组合风险将收入模型输出与征信负债率、社保缴纳时长进行交叉，若收入模型评分高但负债率>70%且社保<3个月，则触发组合风险预警。 - 场景三：设备指纹与身份信息的关联断裂
单一设备规则只能识别设备是否在黑名单；组合风险将设备指纹、GPS位置、IP归属地、身份证号归属地进行关联分析，若设备指纹正常但“设备-IP-身份证”三者归属地不一致，则组合风险标记为“身份冒用嫌疑”。
下图展示了组合风险在典型业务决策流中的位置与融合方式：
4.4 组合风险的常见构建模式
在实际策略中，组合风险通常通过以下三种模式构建，每种模式适用于不同的业务场景和数据条件：
| 构建模式 | 逻辑描述 | 典型应用场景 | 优点 | 缺点 |
|---|---|---|---|---|
| 加权线性融合 | 各维度评分乘以权重后求和 | 信用评分卡+行为评分卡融合 | 计算简单，可解释性强 | 忽略维度间交互效应 |
| 规则串联（AND） | 所有条件同时满足才判定为高风险 | 高价值用户的白名单准入 | 精准，误杀率低 | 可能漏放过部分风险 |
| 规则并联（OR） | 任一条件满足即判定为高风险 | 黑名单拦截、紧急风控 | 覆盖全面，漏放率低 | 误杀率较高 |
| 决策树/规则集 | 按条件分支逐层判断 | 复杂欺诈团伙识别 | 灵活，可处理非线性关系 | 规则维护成本高 |
避坑提示： 组合风险并非维度越多越好。维度过多会导致“维度诅咒”——数据稀疏、计算复杂、过拟合风险上升。建议从3~5个核心维度开始，逐步迭代优化。
理解组合风险的定义与构建逻辑，是后续进行效果评估和人群复盘的基础。只有明确了“风险是如何被组合定义的”，才能准确评估策略的有效性，并定位组合逻辑中的薄弱环节。