3. 策略回退的核心思想
在贷款决策系统中，当线上模型或规则因数据分布偏移、特征失效或系统异常导致决策质量下降时，策略回退是保障业务连续性与风险可控的关键机制。本章将系统阐述回退的定义、与熔断的本质区别，以及如何通过决策树模型实现智能回退。
3.1 回退的定义
策略回退（Fallback Strategy）是指在主决策链路（如A卡模型、B卡模型或复杂规则集）出现置信度不足、数据缺失或性能衰减时，系统自动切换至预设的备用决策逻辑，以确保每一笔申请都能获得合理、可解释的审批结论。
核心特征：
- 降级不降标：回退后的策略虽简化，但风险底线不降低，通常采用更保守的规则。
- 可逆性：当主链路恢复稳定后，系统应能平滑切回原策略。
- 可解释性：每次回退动作必须记录触发原因、回退路径及最终决策依据。
回退的典型触发场景包括：
- 模型输入特征缺失率超过阈值（如近3个月收入字段缺失率 > 20%）。
- 模型评分分布发生显著偏移（PSI > 0.25）。
- 外部数据源（如征信接口）响应超时或返回异常。
- 线上模型版本与预期性能严重不符（KS下降超过30%）。
3.2 回退与熔断的区别
回退与熔断是两种不同粒度的风险控制手段，常被混淆。下表从多个维度进行对比：
| 对比维度 | 策略回退 | 策略熔断 |
|---|---|---|
| 核心目标 | 保障业务连续性，提供替代决策 | 紧急止损，暂停全部或部分决策 |
| 触发条件 | 模型/数据质量下降，但仍在可控范围 | 系统性风险爆发、合规违规或严重故障 |
| 决策输出 | 输出审批结论（通过/拒绝/人工） | 通常输出“拒绝”或“挂起” |
| 恢复方式 | 自动或手动切回主策略 | 需人工确认风险解除后手动恢复 |
| 影响范围 | 部分客群或特定产品线 | 全量或大面积业务 |
| 典型场景 | 模型特征缺失、外部数据源波动 | 监管叫停、核心系统宕机、欺诈攻击 |
关键认知：回退是“换一条路走”，熔断是“先停下来”。在批次偏移场景中，优先考虑回退；只有当回退策略也失效或风险不可控时，才应触发熔断。
3.3 回退的决策树模型
为了实现自动化、可解释的回退决策，我们引入回退决策树模型。该模型并非用于信用评分，而是用于判断“当前主策略是否应该回退，以及回退到哪一层级”。
下图展示了回退决策树的核心逻辑：
回退决策树的构建遵循以下步骤：
- 定义根节点：以“主策略决策请求”为起点。
- 特征完整性检查：判断关键特征缺失率是否超过阈值（如10%）。
- 模型稳定性检查：计算当前批次与训练集的PSI，判断是否超过0.25。
- 回退层级选择：根据检查结果，选择回退至规则集A（较宽松）、规则集B（较严格）或直接进入人工审核。
- 决策输出：输出最终审批结论，并记录回退路径。
实践建议：回退决策树应定期（如每周）使用最新批次数据重新训练或调整阈值，以适应业务环境的变化。同时，建议为每个回退路径设置独立的监控指标，确保回退策略本身不会成为新的风险点。
通过上述定义、对比与模型，策略回退不再是简单的“一刀切”降级，而是一套可量化、可追溯、可优化的智能决策机制，是应对批次偏移的第一道防线。