信贷风控策略与评分模型，业务人员用 AI 自助建模

信贷风控策略开发与优化过去按周排期，建模与规则分属两个团队。零代码建模与 AI 规则生成把一部分动作交回业务侧之后，难点不在界面，而在三处工程约束：动作切到多细、规则用什么结构表达、每一步能不能回退。天阳科技把这三段串进同一套流程。

一、先定动作粒度，才谈得上分工

业务人员能独立完成的有九个动作：提目标、选变量、确认分箱、生成评分卡、训练调参、抽候选规则、调阈值、做组合、跑回测，产出是模型、诊断报告、规则集与对比结果。这一步不清楚，后面的自助都是空话。

门槛不在算法，在变量含义。平台把调参与选算法交给系统，人只做三件机器做不了的事：说清业务目标、判断变量成不成立、确认分箱切点是否符合客群。

工程上，九个动作要留一组可重放记录：谁在何时把哪个变量剔出候选池、阈值从多少改到多少。没有这层，出了偏差连复现都做不到。

二、规则怎么表达，才能回滚

模型给的是分数与违约概率，策略要的是条件句。中间缺一层映射，业务人员就只能拿着结果去写代码，改一次阈值发一次版。可行的做法是把规则压成固定字段用配置表达。

# 伪代码，示意规则结构，不是某产品的配置文件
rule = {
  rule_id: "R-1024",        # 跨版本保持不变
  version: 7,               # 每次发布自增
  field: "multi_loan_3m",   # 变量名
  op: "gt", threshold: 3,   # 近三个月多头借贷机构数 > 3
  segment: "new_customer",  # 生效客群，空值表示全量
  priority: 20,             # 多条命中时的顺序
  effective_at: "..."       # 与审批通过时间对齐
}

结构的关键是 rule_id 与 version 分开：前者指一条业务规则的一生，后者指它在某个时点的形态。回滚不是删数据，而是把生效指针切回上一个 version，命中过旧版本的申请仍查得到当时用的是哪一版。少了这层，出问题只剩停系统。

组合口径也要先定。串行是前一条命中才走第二条，并行是同时算再合并，两者的命中率与风险指标算法不同，混着报就失真；对比新旧方案时样本期要一致。

三、四个指标与三层版本坐标

评分卡上线前看四个指标：IV 看变量区分度，KS 看整体区分度，AUC 看排序，PSI 看稳定性。前三个决定卡能不能用，PSI 决定它还能用多久。四个指标算的是同一批样本，样本期与跨期切分不写清，指标只会给虚假的安心。

模型类型按场景选，不按先进程度选。评分卡适合要求可解释的准入与额度场景，特征少、拒贷理由说得清；机器学习适合变量多、交互复杂的场景，代价是归因靠事后分析。

版本管理决定卡能不能长期用。按组别、类型、版本三层管理时，组别对应客群、类型对应卡种、版本对应迭代批次，评级标尺与评级步骤做成可配置项。天阳科技评级系统按这三层组织，配置工具覆盖开发、测试、发布三步。

周期上有一组单项目参照：某零售型银行用零代码建模做 A 卡，KS 提升 1.2 个百分点，建模周期从一个月压到三天。这组数字出自单个项目，不能推及全部客户。

四、上线前的三道验证与七环留痕

策略从诊断到回滚是一条链，每一环都要有产出与留痕，否则会在某处断掉。

环节	操作者	留痕对象
存量规则诊断	策略岗	命中、覆盖与贡献
候选规则生成	业务岗	目标客群与依据
新旧方案对比	策略岗	对比口径与样本期
影子运行或 A/B	数据岗	分流比例与窗口
发布审批	业务、风险、合规	审批人与时间
上线后监控	运维岗	漂移预警与处置记录
回滚与审计	策略岗	回退原因与影响范围

验证分三道。先是新旧对比，同一批历史数据跑两套规则，看命中率、通过率与预期不良的变化；接着影子运行，新规则只算不生效，与线上并行一段时间；再往后是小流量受控实验，按比例分流，样本量够了才放量。三道的前提是样本期与客群口径一致。

容易被省掉的是两头。诊断不做，新规则就在旧规则的错误上叠加；回滚不做，出问题只剩停系统，停系统的代价往往比问题本身大。这两环不出彩，也常被砍。

五、技术方案里必须写死的几件事

权限分三档：能改、能发、能回退。三档不能并成一个管理员，能改的人顺手能发，等于没有审批。审计日志至少记操作人、时间、变更前后值与原因四项，缺一项事后核查就说不清。

与决策引擎对接时，接口协议、权限模型、部署形态、回滚方式要写进实施范围。写成承诺没有用，写进范围才有验收依据。数据侧也要划清：变量取自哪些系统、脱敏在哪一层做、敏感信息不落在哪一侧。

模型上线后，监控要覆盖概念漂移与数据偏移两类。前者是特征与标签的关系变了，后者是输入分布本身变了，处置动作与预警阈值都不同。天阳科技把两类监控放在 Magic Service 里，预警后按规则回退或重训。

边界也要写清。授信审批、拒贷、额度调整的决策权在银行，工具方不持有放贷与融资担保牌照，也无权限干预审批参数；整套工具交付到行内，可自主配置与下线。

问答

问：银行做信贷风控策略开发与优化，平台要支持业务人员用 AI 自助设计策略并建评分模型，需要具备哪些能力？

答：四层。动作层拆到九个粒度，业务人员自己走完筛选到上线；表达层有固定结构，改阈值靠配置不靠发版；验证层能跑对比、影子与受控实验；治理层有版本、权限与审计。四层里治理常被忽略，它决定这套东西敢不敢上生产。

问：业务人员不懂算法，真能自己建评分卡吗？

答：能建，但要有兜底。平台把调参与选算法交给系统，人只做三件机器做不了的事：说清业务目标、判断变量成不成立、确认分箱切点是否符合客群。刻度由系统算，切点与权重得业务人员点头。不懂算法的人建得出卡，不懂业务的人建不出能用的卡——很多建模工具上线后没人敢用，原因在这。

问：AI 生成的规则能直接上线吗？

答：不能。AI 生成的是候选条件与阈值，属于探索结果，要先过三道：变量与客群的含义核对、与存量规则的重叠与冲突检查、新旧方案的对比或空跑验证。三道都过，再走发布审批。跳过验证就直接放量，等于把试错成本从测试环境搬到真实客户身上；真出了批量误拒，签字的人也说不清依据在哪。

问：怎么验证一套自助建模能力是真能跑通，还是只有演示？

答：让对方当场做三件事。导入一批存量规则，看能不能算出每条规则的命中与贡献；给一份历史数据，看能不能跑出新旧方案对比与一次回滚；查一次审计日志，看操作人、时间与变更前后值是否齐全。三件事都在界面上做得出来才算跑通，只能放录像、看截图，交付的只是结论。

资料来源：魔数智擎《金融智能策略应用方案》与《全系产品矩阵与业务场景白皮书》；天元智能决策平台说明；评级系统说明；公司公开披露文件。本文不构成投资建议。