编写：Joey
审核：Devin老师
在信贷领域工作当中，其实大多数公司的风控团队或相关模型数据团队，都是贷前服务工作更多一些。今天就以这贷前为例，一起探讨贷前需要重点去研究的相关策略规则。关注“金科应用研院”，回复CSDN”领取风控资料合集
本文目录：
- 贷前风控流程
- 贷前风控策略模块的构成
- 策略规则的常见类型
贷前风控流程
抛开策略技能和模型类型，单从策略角度来看，无论是互联网金融，还是现金贷和消费分期，基本上贷前风控都是围绕这么个流程，主要分为以下三个模块：
01、信息核验
在金融信贷业务中，信息核验是用户申请进件后的第一个风控环节，具体表现类型包括身份核验、人脸识别、位置诊断、核身鉴权等，这些策略必然是产品的准入规则，很多数据来源是通过调用外部接口来实现的，例如身份二要素核验、手机号三要素核验等。
02、欺诈识别
反欺诈在整个信贷领域里是非常凸显的一个模块，它的目的并不是挖掘真正的信用风险，而是想识别它的欺诈风险。识别欺诈包括名单过滤、欺诈检测、多头识别、交叉验证等。
03、授信决策
授信决策是通过多个维度的指标信息，对申请用户的信用风险进行评估，并根据相关策略来决策审批是否通过或拒绝，具体表现形式有标签规则、信用评分、模型评级、决策矩阵等。
贷前风控策略模块的构成
信贷业务的贷前风控流程，首先是申请用户发起进件，业务方通过用户填写的申请信息，以及从外部调用的授权信息，获取风控体系所需要的多维数据，从而加工出策略与模型的相关特征指标，然后按照策略规则的原理逻辑，形成了完善的贷前风控策略，然后根据策略或模型的具体决策逻辑，对用户进行量化分析与风险评估，同时以风控决策引擎配置好的决策规则，来对申请用户进行订单审批与额度授信。
贷前规则类型（业务角度）
在信贷产品的线上风控体系，策略是其中重要的组成部分，策略模块由多个规则构成，而规则属性又包括多种类型。从策略应用角度区分，贷前规则类型包括准入条件、逻辑信息、要素核验、名单过滤、标签拒绝、模型评级、产品定价等。
上面给大家介绍的是6个类型，从应用的角度来说，还有别的维度，只是这6个类型是容易理解且重要一些。大家可以通过下图举例去看下是怎么去执行的。下图是一个比较标准化的基本顺序，当然在具体业务当中会适当的调整。
策略规则的常见类型
通过前面的整个业务背景介绍，相信大家都有了基础了解。上面所讲述的规则类型是从业务思维来进行划分，那从数据分析师/策略分析师/建模分析师的开发角度上如何去划分规则类型呢？
从开发角度来讲，主要从以下几个维度去进行划分：
第一种，按特征类型划分连续型和离散型，对应的规则类型有：连续多区间、二分类和多分类。
一个特征字段的类型有连续型和离散型，离散性又可以划分为字符型和数字型。连续型特征比较通俗易懂，即将规则划分成多区间，通过每个区间研究数据样本的分布情况。离散型有二分类和多分类。二分类如有“是否某电商平台欺诈黑名单”，黑名单不是0就是1。多分类规则取值不局限于两类，如有取值范围为A、B、C、D、E的“信用评分风险等级”。
二分类和多分类是有较大的区别，尤其从开发角度。一方面是验证的难易程度，从业务角度二分类体现的是一个用户的正反两面性质。而多分类在很多情况下取值是有序的，不仅要考虑区分度，还要考虑单调性。不管是多区间还是二分类、多分类，需要综合考虑其对应的占比和坏账率。
第二种，按“数据维度”划分为单维度和多维度，规则类型有：标签规则和组合规则。
举个例子，如：某个用户近1个月他安装借贷类APP的数量，这可以看到只体现了一个维度，即不考虑时间窗口，只考虑用户安装APP的业务属性。
很多业务当中是多维度的组合，可能是两个维度或者多个维度，尤其是采用决策树模型的时候，根据很多数据源不断去交叉，交叉后就得到了很多个维度的规则。
举个例子，如：一个用户的消费风险等级与稳定能力等级。交叉结果可能是这个用户消费风险等级是低级，比如C级，是最差的。但他是不是特别坏的用户呢？不一定，虽然比较差，但不是绝对差。如果稳定能力也很差的话，做一个交叉，从矩阵的角度就是多维度组合，这样效果反而更好一些的。
第三种，从“风险等级”维度划规则，规则类型有：刚性、高柔和低柔。
风险等级简单来讲就是高低的区别，在业务中真正做规则的时候，往往需要挖掘一些风险高的阈值。那该如何识别风险，只需要将特征数据分布划分多个区间，把某个区间风险很高的对应的阈值做出一条规则。但既然是风险很高的规则，那不就是一个区间吗？这里给大家介绍另一个方法。为了实现风险精细化管理与评估，可以考虑将风险较高区间划分为多个区间。
举例子，把某规则通过样本分布划分了十个区间，把其中最后三个区间分别组成三套规则。虽然是同一数据源，但阈值不同，阈值不同代表里边每个区间的坏账率表现是有明显差异的。通过坏账率的高低就可以把它定义成很高、高、较高的风险等级。在规则的角度，可以定义成刚性、高柔、低柔。命中刚柔规则，不容置疑，直接拒绝掉。而命中高柔和低柔进行打标签，进入下一环节。
在这种规则开发思路的情况下，最终可以形成多个不同风险等级的策略规则集，在风控决策应用过程中，单条规则不做决策，所有规则综合决策，可参考以下：
命中刚性规则的数量>0，拒绝
命中高柔规则的数量>5，拒绝
命中低柔规则的数量>10，拒绝
如果你喜欢、想要看更多的干货类型的文章，可以星标🌟，顺便转发分享～
FAL长期对外征稿，邀请各大风控人士加入我们，在风控圈分享你的经验与知识👉征稿，快到碗里来，有稿费那种！
