2. 风控策略基础：定义、类型与生命周期
风控策略是信贷与交易系统中用于量化风险、自动决策的规则与模型集合。它决定了“谁可以借、借多少、什么价格、如何监控”。理解策略的定义、常见类型与迭代生命周期，是后续开展AB测试的前提。
2.1 风控策略的定义
风控策略是一组可执行的业务规则与模型阈值，通常以决策树、评分卡或规则引擎的形式部署。其核心输入包括用户特征（身份、收入、历史行为）、外部数据（征信、多头借贷）与实时行为（交易金额、设备指纹）；输出为风险等级、额度、利率或交易放行/拒绝。
关键公式： 策略 = 规则 + 模型阈值 + 决策动作
2.2 常见风控策略类型
根据业务环节，风控策略可分为四大类：准入、额度、定价与交易监控。下表对比了各类策略的核心目标、典型规则与AB测试关注点。
| 策略类型 | 核心目标 | 典型规则/模型 | AB测试关注指标 |
|---|---|---|---|
| 准入策略 | 拒绝高风险用户，通过低风险用户 | 黑名单、多头阈值、评分卡cutoff | 通过率、30+逾期率、核准后坏账率 |
| 额度策略 | 根据风险与收入分配合理授信 | 收入倍数、模型分档、额度上限 | 平均额度、支用率、额度使用率、坏账率 |
| 定价策略 | 风险定价，平衡收益与损失 | 利率分档、费率结构、免息期 | 年化利率、申请转化率、复借率、净收益率 |
| 交易监控策略 | 实时识别欺诈与异常交易 | 设备指纹、行为序列、金额频次规则 | 拦截率、误杀率、欺诈损失金额 |
2.3 策略迭代的生命周期
风控策略不是一成不变的，需要随数据积累、市场变化与模型升级持续迭代。完整的生命周期包含以下六个阶段：
- 问题定义与目标设定：明确当前策略痛点（如通过率过低、坏账上升），设定可量化的优化目标（如通过率提升5%，同时坏账率不增加）。
- 策略设计与候选方案：基于数据分析或新模型，设计多个候选策略版本（如调整评分卡cutoff、新增规则）。
- AB测试实验设计：确定实验组与对照组、分流比例、最小样本量、实验时长与评估指标。
- 在线实验与数据收集：在生产环境中运行AB测试，实时监控实验组与对照组的核心指标与稳定性。
- 效果评估与决策：使用统计检验（如t检验、卡方检验）判断策略效果是否显著，结合业务成本决定是否全量上线。
- 全量部署与监控：将优胜策略部署至全量流量，并持续监控长期效果与客群偏移。
实践提示： 策略迭代中，AB测试是连接“离线分析”与“在线验证”的关键桥梁。没有AB测试的迭代，容易陷入过拟合或上线后效果反转的陷阱。
2.4 策略迭代生命周期流程图
下图展示了风控策略从问题定义到全量部署的完整闭环流程，其中AB测试位于“在线实验”与“效果评估”环节，是决策的核心依据。
2.5 策略迭代中的常见误区
- 一次性上线：跳过AB测试直接全量部署，容易导致风险失控或业务损失。
- 实验周期过短：未覆盖完整还款周期或季节性波动，导致评估偏差。
- 指标单一：只关注通过率而忽略坏账率，或只关注收益而忽略客群质量。
- 忽略分流均匀性：实验组与对照组在客群结构上存在显著差异，导致结果不可信。
风险提示： 策略迭代中，AB测试不是万能的。当样本量不足、实验组与对照组存在交互效应、或策略涉及全量规则变更时，需要结合离线回测、仿真模拟与专家经验综合判断。
2.6 本章小结
风控策略是信贷业务的核心决策引擎，涵盖准入、额度、定价与交易监控四大类型。策略迭代遵循“问题定义→方案设计→AB实验→在线验证→效果评估→全量部署”的闭环生命周期。AB测试作为连接离线分析与在线验证的关键工具，在策略迭代中扮演着不可替代的角色。掌握策略基础，是后续深入AB测试实验设计的前提。