你的敌人，决定了你风控体系的高度

有时候，我会问自己一个问题：

我们建的这些复杂的模型，到底是在对抗什么？

我们真正的 “敌人” 是谁？

这个问题听起来有点虚，但它却像地基一样，决定了我们风控这座大厦能盖多高，能有多稳。

如果连对手都看不清，那我们的所有努力，会不会只是在挥舞着拳头打空气？

今天，我想和你聊聊这个最根本的问题：风险类型的划分。

这不仅仅是教科书上的一个章节，更是我们每天战斗的真实战场。

我会把我这几年在海外市场摸爬滚打的经历和思考，毫无保留地分享给你。

希望我们能一起，看清楚敌人的脸。

为什么我们会面临这么多风险？

这可能是每个刚入行同学的第一个灵魂拷问。

为什么不能简单点？

借钱，还钱，天经地义。

为什么中间会冒出来这么多 “妖魔鬼怪”？

这里先排除掉那些定价高得离谱、摆明了就是要做 “一锤子买卖” 的公司。

对他们来说，坏账率高是意料之中的，甚至是他们商业模式的一部分，用极高的利率去覆盖极高的风险。

答案其实很简单：因为我们做的是 “人” 的生意，而人性是复杂的，环境是多变的。

尤其是在我们主攻的海外新兴市场，比如印尼和墨西哥。

这里的金融基础设施还很薄弱，很多用户可能是第一次接触线上借贷。

他们没有传统的信用卡记录，没有稳定的征信评分。

我们评估一个用户，就像在没有任何导航的情况下，在雅加达拥挤的巷子里开车

你不知道下一个路口会窜出来一辆摩托车，还是会遇到一个死胡同。

我们面对的，不是一个确定的数学问题，而是一个充满不确定性的概率游戏。

我们不是在寻找一个 “绝对安全” 的客户

而是要在一片混杂着好人、坏人、可能变坏的好人的土地上

努力把 “好人” 识别出来，并给他们一个合理的信任额度。

这就是我们所有工作的起点。

理解了这一点，我们再来看具体的 “敌人”。

信用风险 (Credit Risk)：核心战场

这是我们最熟悉，也是投入兵力最多的战场。

简单说，信用风险就是借款人 “不还钱” 的风险。

但 “不还钱” 这三个字背后，其实藏着两个完全不同的动机。

这也是信用风险最核心的内在逻辑：

还款能力 (Ability to Repay) vs. 还款意愿 (Willingness to Repay)

这两个词，我们天天挂在嘴边，但你真的想过它们的本质区别吗？

这可不是文字游戏，它直接决定了你的模型和策略应该往哪个方向使劲。

1. 还款能力：他 “能不能” 还？

这关乎一个人的经济实力。

是客观的，是可以用数据去度量的。

比如他的收入水平、工作的稳定性、资产状况、负债情况等等。

在印尼市场，我们怎么看一个人的还款能力？

传统的银行看工资流水，但我们很多用户根本没有这东西。

于是我们想尽办法去寻找 “替代数据”。

比如，我们会看他每个月的话费充值金额和频率。

一个每个月稳定充值 10 万印尼盾（大约 50 人民币）话费的用户

和一个饥一顿饱一顿、偶尔才充 1 万印尼盾的用户

他们的现金流稳定性，大概率是不同的。

我们还会看他住在哪。

如果 GPS 定位显示他长期居住在雅加达的高档社区，那他的经济能力，大概率比居住在贫民窟的用户要强。

这些数据，都在试图回答一个问题：这个人，有钱还吗？

2. 还款意愿：他 “想不想” 还？

这关乎一个人的信用和品格。

是主观的，是需要通过行为去推断的。

一个人就算月入百万，富可敌国，如果他压根就没打算还钱，那这笔贷款对他来说，就是 “零成本” 的。

相反，一个收入不高的普通人，可能为了维护自己的声誉，砸锅卖铁也会把钱还上。

在墨西哥，我们怎么看一个人的还款意愿？

我们会非常依赖本地的征信局数据。

看他过去在其他银行、其他金融机构的还款记录。

哪怕只有一两条，只要是按时还款的，对我们来说就是极强的正面信号。

这代表他有 “契约精神”，他知道借钱要还。

我们还会分析他的 “数字足迹”。

比如，他手机里安装了多少个借贷 App？

如果一个用户手机里有超过 10 个借贷 App，我们会高度警惕。

这往往意味着他已经陷入了 “多头借贷” 的泥潭

拆东墙补西墙，还款意愿再强，也可能被沉重的债务压垮，最终导致违约。

还款能力决定了他违约的 “概率”，而还款意愿决定了他违约的 “动机”。

3. 实战中的挑战与权衡

现在，我们回到那个经典的问题：

一个高收入但多头借贷严重的客户，和一个收入不高但信用记录良好的客户，谁的风险更大？

这没有标准答案，但这恰恰是风控策略最迷人，也最折磨人的地方。

• 高收入、多头贷：他的 “能力” 很强，但行为暴露了他的 “意愿” 可能存在问题

  或者说他已经 “能力” 透支了。他可能是一个资金链即将断裂的小企业主，也可能是一个赌徒。

• 低收入、信用好：他的 “意愿” 很强，但 “能力” 很脆弱。一次生病、一次意外，就可能让他无法还款。

模型和策略如何区分这两者？

首先，数据源要分开。

• 评估 “能力” 的数据：我们会依赖用户授权的银行账单（如果能拿到）、收入证明、工作信息、甚至他使用的手机设备价格等。

• 评估 “意愿” 的数据：我们会依赖征信局报告、多头借贷平台的查询记录、社交网络信息（需要合规授权）等

其次，模型要能捕捉不同的信号。

一个好的信用模型，不应该只是简单地把所有变量扔进去。

它应该能理解，对于 “能力” 强的用户，我们要更关注他 “意愿” 上的危险信号（如多头借贷）；

对于 “意愿” 强的用户，我们要更关注他 “能力” 上的脆弱性（如收入稳定性）。

策略上，就要做权衡。

我们可能会给那个 “低收入、信用好” 的用户批一个比较低的额度，比如 50 万印尼盾。

这个额度在他的 “还款能力” 范围之内，风险可控。

同时，因为他的 “还款意愿” 强，我们相信他会珍惜这次机会。

一旦他按时还款，我们就逐步给他提额，建立长期的信任关系。

而对于那个 “高收入、多头贷” 的用户，我们可能会直接拒绝。

因为他的行为模式，预示着一种不可控的风险。

这种风险，不是降低额度就能解决的。

做信用的本质，不是消除风险，而是 “定价” 风险。

我们给出的额度、利率，就是我们对这个用户风险水平的判断和出价。

4. 解决好信用风险的价值

这几乎等于一家信贷公司的命脉。

• 最直接的收益：降低坏账率，提升利润。

  这是废话，但也是最核心的。

  坏账率每降低一个点，对于一个放贷规模上亿的公司来说，就是数百万的真金白银。

• 更深远的价值：实现可持续增长。

  一个风控做得好的公司，才能在市场波动时活下来，才能获得资本的青睐，才能不断扩大规模。

• 终极的价值：建立真正的 “数据资产”。

  当你通过优秀的信用风险管理，筛选并服务了数十万、数百万的优质客户后，你拥有的就不仅仅是利润了。

  你拥有了这些用户的信用画像，你比任何人都懂他们。这些数据资产，可以让你未来提供更多元化的金融服务，建立起坚不可摧的护城河。

在印尼，我们曾经通过引入一项新的 “多头借贷” 数据源，并优化了相应的策略规则

在保持通过率基本不变的情况下，将新客的首次逾期率（FPD7）降低了 2 个百分点。

这在当时，每个月为公司减少了上百万美元的损失。

这就是信用风险管理的价值，一拳一脚，打出来的都是利润。

欺诈风险 (Fraud Risk)：隐蔽的敌人

如果说信用风险是战场上的正面交锋，那欺诈风险，就是来自暗处的冷枪。

他们从一开始，就没打算遵守游戏规则。

欺诈风险，就是借款人 “蓄意骗贷” 的风险。

他们的目的不是 “借钱”，而是 “拿钱”。

1. 欺诈的几种 “面孔”

我们通常会遇到三类欺诈：

• 第一方欺诈 First-Party Fraud：

• 这就是我们常说的 “主观骗贷”。申请人是本人，信息也基本是真实的，但他从申请的那一刻起，就压根没想过还钱。

  这种人，在信用风险的评估里，就是 “还款意愿” 极差的那一类。但在反欺诈的视角里，他就是纯粹的“坏人”。

• 案例：在墨西哥，我们经常遇到一些用户，拿到贷款后，立刻卸载 App，拔掉 SIM 卡，人间蒸发。他们把这笔贷款当成了 “免费的午餐”。

• 第三方欺诈 Third-Party Fraud：

• 这就是身份盗用。申请人根本不是他声称的那个人。

  骗子盗用了别人的身份信息（比如身份证照片、姓名、生日）来申请贷款。

  这对我们和对被盗用身份的无辜者来说，都是巨大的伤害。

• 案例：在印尼，身份信息（KTP）的买卖已经形成了一个灰色产业链。

  欺诈分子会用买来的 KTP 照片，通过一些技术手段（比如 PS、制作人脸视频）来尝试绕过我们的人脸识别系统。

• 团伙欺诈 Syndicated Fraud：

• 这是最可怕，也是破坏力最强的敌人。他们不是单兵作战，而是有组织、有预谋、有技术的犯罪团伙。

  他们会系统性地研究我们平台的漏洞，然后像蝗虫一样，在短时间内发起大量攻击。

2. 反欺诈的 “战争” 与理念冲突

那么，我们如何识别这些隐藏在暗处的敌人？

核心提问：如何利用设备指纹、IP 地址、关系网络等数据，在申请阶段就识别出潜在的欺诈团伙？

这就是反欺诈（Anti-Fraud）技术的核心。

• 设备指纹：我们会采集用户设备的唯一标识符。如果发现大量申请来自同一台设备，这就是一个强烈的危险信号。

• IP 地址 / GPS 定位：我们会分析用户申请时的网络环境和地理位置。

  如果一个用户声称在雅加达工作，但他的 IP 地址却在千里之外的某个小岛，或者 GPS 显示他在一个已知的 “欺诈窝点” 申请，我们会直接拒绝。

• 关系网络：这是对抗团伙欺诈的终极武器。

  我们会把用户的各种信息（设备、IP、联系人、公司等）作为一个个 “节点”

  如果不同的申请之间，通过这些节点连接了起来，形成了一个紧密的 “社区”，

  那这个社区就有极高的团伙欺诈嫌疑。

但这里，就引出了一个更深层次的理念冲突：

为什么贷前反欺诈策略的 “宁可错杀一千，不可放过一个” 和信用审批的 “平衡通过率与风险” 的理念是根本冲突的？你如何调和？

这是一个非常好的问题，也是模型和策略同学经常感到困惑的地方。

• 反欺诈的逻辑：是 “非黑即白”。

  它追求的是 “确定性”。

  一个申请，只要触碰了高风险的欺诈规则（比如设备在黑名单里），就应该被立刻、坚决地拒绝。

  因为欺诈一旦成功，损失就是 100%，没有任何挽回的余地。它的目标是 “拦截”。

• 信用审批的逻辑：是 “灰色地带”。

  它处理的是 “概率”。

  一个信用评分较低的用户，不代表他一定会逾期，只是逾期的可能性更高。

  我们可以通过降低额度、提高利率来 “管理” 这种风险。它的目标是 “筛选” 和 “定价”。

如何调和？

答案是：分层处理，互不干扰。

我们的审批流程，就像一个多层次的筛网。

第一层，就是反欺诈的 “铁丝网”。

它非常粗暴，也非常有效。所有进来的申请，必须先通过这层网的检查。

设备有问题？拒绝。

IP 地址在黑名单？拒绝。人脸识别比对失败？拒绝。

被关系网络识别为团伙？拒绝。

这一层，没有商量的余地。它的使命，就是把已知的、确定的欺诈分子挡在门外。

只有通过了这层 “铁丝网” 的申请，才有资格进入第二层——信用风险的“细纱网”。

在这里，我们才会开始用复杂的信用模型，去评估他的还款能力和意愿，去计算他逾期的概率，去决定是否通过，以及给他多少额度。

反欺诈是 “资格审查”，信用审批是 “择优录取”。

你必须先证明 “你是你”，而且你 “不是个骗子”

然后我们再来谈 “你是不是个好客户”。

这种分层的架构，让两种不同的风控哲学，可以在各自的领域里发挥最大的效用，而不会互相 “打架”。

3. 解决好欺诈风险的价值

• 避免灾难性损失：一次成功的团伙欺诈，可能在几个小时内就卷走公司一周甚至一个月的利润。

  好的反欺诈体系，是公司的 “防弹衣”。

• 保护品牌声誉：如果你的平台因为身份盗用泛滥而闻名，那将是毁灭性的打击。

  没有一个正常用户敢在你的平台上借钱。

• 提升审批效率：通过自动化的反欺诈系统，可以在毫秒之内过滤掉大量垃圾申请和欺诈申请

  让宝贵的信审资源，可以集中在那些 “看起来还不错” 的灰色客户身上，去做更精细的判断。

反欺诈，是我们风控体系里沉默的守护者。

它不像信用风险那样天天被挂在嘴边，但没有它，我们连安稳睡一觉的资格都没有。

操作风险 (Operational Risk)：来自内部的威胁

如果我们说，信用风险和欺诈风险是来自外部的 “敌人”。

那么操作风险，就是我们自己人，捅向自己的 “刀子”。

它更隐蔽，也更容易被忽视，但一旦爆发，同样是致命的。

操作风险，是由于不完善或失败的内部流程、人员、系统，或由外部事件导致直接或间接损失的风险。

说白了，就是我们自己搞砸了。

1. 内部的 “敌人” 长什么样？

• 人员风险：最典型的，就是 “人” 的失误。

• 比如，由于失误，把 “月收入大于 5000 比索” 的规则，配成了“月收入大于 500 比索”。

• 流程风险：审批流程、部署流程、监控流程的缺陷。

• 比如，一个策略的上线，没有任何人复核（Review），配置的人自己就能直接发布到生产环境。这就是流程的漏洞。

• 系统风险：系统本身出 Bug 了，或者依赖的第三方数据源接口挂了。

• 比如，我们的征信查询接口突然超时，系统没做处理，直接默认所有人都 “没有不良记录”，导致大量高风险客户被错误地批准。

2. 如何建立 “防火墙” 和“熔断机制”？

这可能是技术同学最关心的问题。

❝

核心提问：一个审批规则的配置错误，可能在 1 小时内造成数百万的损失。

❝

作为风控体系的设计者，你如何建立 “防火墙” 和“熔断机制”来防止这类事件？

我们可以建立以下几个核心机制：

• 1. 策略部署的 “防火墙”——权限管理与部署流程

• 严格的权限分离：策略的 “设计者”、“配置者”、“复核者”、“发布者”，必须是不同的人。

  任何人都不能拥有从头到尾操作一个策略上线的全部权限。这就是 “四眼原则”（Four-Eyes Principle）。

• 版本控制与测试：所有的策略规则，都像代码一样，被纳入 Git 进行版本管理。

  任何修改，都必须先在测试环境进行充分的测试，验证其逻辑的正确性和对业务指标的影响。

• 灰度发布：一个新策略上线，绝不能 “一脚油门踩到底”。

  我们会先放开 1% 的流量，观察半小时；没问题，再提到 10%，观察一小时；

  确认稳定后，再逐步全量。一旦发现问题，立刻回滚到上一个稳定版本。

• 2. 实时监控的 “雷达站”——自动化监控与报警

• 我们建立了一个风控驾驶舱，实时监控着几十个核心指标。

• 比如：实时通过率、实时放款金额、新客的平均评分、关键规则的命中率等等。

• 我们为这些指标都设置了 “阈值”。

  比如，小时级别的通过率，波动范围不应超过 ±20%。

  一旦超过这个阈值，系统就会通过电话、短信等立刻给所有相关负责人发送一级警报。

• 3. 极端情况的 “保险丝”——熔断机制

• 这是最后一道防线。

• 如果监控系统发现某个核心指标（比如小时通过率）在短时间内出现了极端异常的波动（比如突然从 30% 飙升到 80%），系统会自动触发 “熔断机制”。

• 这个机制会立刻暂停整个自动审批流程，所有新的申请都会进入人工审核队列，或者直接拒绝。

• 这就像股市的熔断一样，牺牲短期的业务，来避免灾难性的、不可逆的损失。它给了我们反应和排查问题的时间。

❝不要过度相信人，要相信制度和流程。❝

风控体系的稳定性，不应该依赖于任何一个人的经验和责任心

而应该建立在一套冰冷的、自动化的、严格执行的机制之上。

4. 解决好操作风险的价值

• 保障业务的稳定性：一个成熟的风控体系，不应该天天 “救火”。

  解决了操作风险，才能让团队把精力聚焦在真正的敌人——信用风险和欺诈风险上。

• 提升团队的效率和信心：当大家知道有 “安全网” 托底时，才敢于去做更大胆的创新和尝试。

• 实现真正的 “规模化”：当你的业务要从每天审批 1000 单，增长到每天审批 10 万单时，靠人力是绝对不行的。

  只有建立起强大的自动化、防出错的操作系统，你的风控能力才能跟上业务发展的脚步。

操作风险的管理，就像给高速行驶的赛车，装上了顶级的刹车和安全气囊。

它可能不会让你跑得更快，但它能保证你不会在某个弯道，车毁人亡。

写在最后

今天，我们一起重新认识了风控战场上的三位主要 “敌人”：

• 信用风险：我们的核心战场，关乎 “能不能还” 和“想不想还”，需要我们用数据和策略去做精细的“风险定价”。

• 欺诈风险：潜伏在暗处的敌人，关乎 “是真是假”，需要我们用技术和决心去做坚决的 “资格审查”。

• 操作风险：来自我们内部的威胁，关乎 “流程和系统”，需要我们用制度和机制去建立 “安全护栏”。

看清他们，理解他们，我们才能有的放矢。

我们建立的每一个模型，写的每一行代码，配置的每一条规则，都应该是在针对这三类风险，构建我们层层递进的防御体系。

这绝不是一件容易的事。

它充满了挑战、妥协和权衡。

但这也正是这份工作的魅力所在。

我们不仅仅是 “模型工程师”，我们更像是在数字世界里，构建一座金融堡垒的 “架构师”。

希望今天的分享，能让你对自己手中的工作，有一个新的视角。

下一次，当你在深夜里，为了一个特征、一个参数而苦苦思索时，不妨抬头想一想：

我现在，正在瞄准哪一个敌人？