小贷公司的风控问题

编辑导语：如今市场变化多端，做好风控对于公司来说是非常重要的。本篇文章中作者结合实际经验，探讨了很多小贷公司风控总搞不好这个问题。希望对你有所帮助，感兴趣的小伙伴们快一起来看看吧。

风控本身的逻辑、技巧、心得我已经说了不少了，如果你没有什么感受，要么是你没好好看，要么是你接触的还不够多，要么是我说的不够好。最后一个要么发生的概率肯定是极低的。

我们这次聊聊行业内的一些事情。主要是想探讨下很多小贷公司风控总搞不好这个问题。

大的消金机构，背靠大厂有海量数据的，用自有的数据建模，模型随时迭代都行，一般不会有什么问题。当然这些机构也是要用外部数据的，分开用就行。

而几乎所有的小贷公司，除了在app端搜集一些信息，没有什么数据可用，只能接入三方数据。

怎么评估一个三方数据的效果呢？

最方便的办法当然是，圈定一个样本，一个数据源一个数据源往里面加去计算增益，简单说就是去算加入一个数据源KS提升了多少。

这个做法本身没有什么问题。

但事实是，绝大多数小贷公司都会陷入一个困境，就是引入一个新的数据源，测试效果好好的，一上线对通过率、坏账率一点提升都没有，甚至常常出现负面影响。

那是什么地方出问题了呢？

这种做法是只知其一不知其二。不得不说，这个领域虽很成熟，但大家都在一成不变地套用经验和办法。终局是死局。

01

我们都知道，投资理财有三种策略，保守型、冒险型和组合型，所有人都告诉你组合型的回报是最高的。

大家有没有想过，这是为什么呢？

如果组合型只是一半保守型+一半冒险型，为什么最终收益不是两者平均？

因为策略是分两步走的，一步是资产组合，一步是再平衡。

一定周期后例如半年或一年，要把资产再平衡，重新组合，如此往复，最后才能带来远高于单个策略的回报。再平衡背后是低买高卖的行动。

跟组合投资分两步一样，上面说的建模过程顶多就是其中一半的工作，而不是全部。

我知道很多小贷公司，为了测试三方数据的效果，就是会去圈定一个样本，才好明确新增一个数据的价值。

这样做最大的好处是，计算过程很清楚，数据指标很明确，花这个钱去接入这个数据源的决策是很好给老板汇报的。

但是这是打头的策略，就这一条你觉得能做好风控？

我们不说模型重要还是策略重要，这两者都很重要，没有必要分什么高下。

但如果说模型思维和策略思维呢？一定是策略思维更重要，因为策略是更贴近业务的。

你拿着一个固定的样本，这个数据测一下，那个数据测一下，这个月测一下，下个月测一下，希望把这个样本测试效果提升到最优，这就是模型思维。

天天盯着这个样本集，跟业务一点关系都没有，不把风控做死才奇了怪了。

线上模型在跑的效果不好，你不去找原因吗？

怎么找？拆分呗。

背后每个数据源的效果要去看看吧，数据源有子模型就先去看子模型，没有子模型看重要变量也行啊。

尤其是，现在监管合规原因，三方数据越来越多地只提供评分，不提供底层特征变量了。

这对追求效果来说是不利了，但对排查原因很有利啊，毕竟简化了。

是每个数据源效果都下降了，还是某个数据源下降了，时间上能不能对得上，空间上这个下降幅度说不说的过去。

其他数据源稳定，就某个数据源KS下降很大，那问题是不是大概率就是它了？

它都有问题了，你还拿原来的样本，在已用的数据源上，找新的三方数据去提升效果，你说是不是自嗨？

如果数据源效果波动跟最终模型效果波动趋势都一致，那是不是可能就是你们客群结构变动太大了？

客群都换了，还去优化原来的样本，前朝的剑还能斩本朝的官？

即使找原因你什么都没找出来，对小贷公司来说最重要的是什么？

用户啊，模型上线跑了大半年甚至一两年了，这些最新的用户你藏着不用？更别说这个「即使」本身就很小概率。

上面的问题想清楚了之后，你还会采用最开始的做法吗？

02

市面上可能几乎所有的小贷公司，都是满脑子想着做模型的，没有别的原因，就是不专业。

我提供一个办法，一个策略思维的办法。

你肯定选好了几个数据源，一部分是行业用的多的，起始阶段就用了，一部分是你们听说不错后来测试有效果接入了的。

假设这些数据源提供的就是评分，以及这些评分效果都没有问题。

就基于这些数据源，用历史数据，不断迭代策略，也就是决策树，或者划格子算交叉效果。

当然，模型可以更好。但模型不是重点，迭代才是。

不管你们是什么方案，按我下面的策略来做风控ABtest，最起码能超过7成的对照组。

战胜70%对照组的策略思维：

• 在最新n个月的样本上，计算选用的每个数据源评分的效果；
• 挑选效果最好的，和第二好的评分做交叉（例如各分十档），得到一个新的决策结果；
• 再和第三好的做交叉，得到另一个结果，以此类推；
• 交叉效果会越来越弱，提升不明显就可以停了，一般来说4、5个就足够了。为什么我没有说所有的做交叉，还不是因为太多了，10^5太大了。但不用担心，按上面的贪心思想的做法足够接近最优；
• 每个月甚至每周每日，监控各个数据源评分的效果，和决策流的结果，每三个月甚至每个月，重复步骤1-4更新整个决策流。

就这么简单。用上最新的样本，迭代整个策略，如有必要下线有问题的数据源。

说到这里，有些人可能笑话我满嘴跑火车了，我无法对我提的想法做任何回测，我也知道那毫无意义。

所以我解释了背后的逻辑，信则有不信则无，救生指南不是对每个人都有用的。

不要跟我说北美的玩法，也不要说国内银行的玩法，不要说那些常年不变的东西，你们小贷公司做这些是因为变化还是不变呢？

富贵险中求，不变的那些东西是你能挣的钱吗？

如果你们团队遇到了此类困境，但你没法去跟老板提，可以隐晦地让有决策权的老板看到我这篇文章。不敢说路子一定能走宽，但大概率能解决你们的很多烦恼。

03

每家平台都说自己是数字科技，说自己可以精准地预测每个人的现金流，说发放的贷款不会有高坏账。马云也是这么说的。

这是狗屁资本主义的视角。事实是，鼓励超前消费、奢侈消费，是会系统性地降低未来收入的。

我们不要从资本的角度考虑问题，要看长远。

本来对于我们这些平民百姓而言，收入增长的速度就未必能赶得上经济增长的速度。

富人对利率精打细算，傻子才会去负担超过经济增速的利率。

哪家小贷公司不是针对穷人的贷款，不是在穷人身上刮油，有哪个小贷平台敢“明示年化利率”的。

当然了，它们现在必须明示。所以呢，我巴不得高利率的小贷公司批量倒下，消费信贷回归正统、回归朴素。

那我是在给小贷公司解决办法吗？是也不是，无论我说什么，小贷公司都不会听，我只是在和底层风控同学探讨交流。

资本之外，底层从业者无罪。

 

本文由@雷帅 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议。