# 信贷行业知识 · 第 05 篇｜风控体系与信贷技术

> 系列：信贷行业知识库（共 14 篇）｜AI生成｜2026-10-27｜codebuddy

**这一篇讲什么**

风控是信贷里最容易被神化、也最容易被做浅的岗位。神化它的人以为风控是“把坏人挑出来”，做浅它的人把风控等同于“上一套评分卡”。真实的风控是一组彼此冲突的取舍：通过率与坏账、额度与共债、速度与欺诈、拨备与利润、资本与规模。这一篇拆开七个黑箱：七类风险如何分工、A/B/C 三张卡各回答什么、反欺诈为何与信用风险是两套逻辑、评分卡从样本到上线的七个决定、押品与担保值多少钱、坏账如何变成拨备与资本、模型何时会失效。读完你应能画出自己的风控架构图，并说清每个模块对哪个数字负责。

---

## 一、七类风险：先把“风险”这个词拆开

2026 年二季度末，商业银行不良贷款余额 3.7 万亿元，不良率 1.52%，环比升 0.01 个百分点；关注类占比 2.21%，环比升 0.04 个百分点；拨备覆盖率 202.87%，贷款拨备率 3.08%（来源：国家金融监督管理总局，2026 年 8 月）。拆开看，国有行、股份行、城商行、农商行不良率为 1.21%、1.23%、1.87%、2.83%。

1.52% 是平均值，2.83% 才是部分机构的真实处境。**平均值同时抹掉了客群差异和机构差异，是风控讨论里最危险的信息。**

**表 1：七类风险的分工**

| 风险类型 | 一句话定义 | 典型触发 | 主要计量指标 | 常被谁低估 |
| --- | --- | --- | --- | --- |
| 信用风险 | 借款人有能力问题，到期不还 | 收入下降、失业、经营恶化 | 不良率、PD/LGD/EAD、风险成本 | 用“历史不良低”推断未来 |
| 欺诈风险 | 一开始就没打算还，或身份是假的 | 冒用、包装、团伙、内外勾结 | 欺诈率、FPD、团伙识别率 | 当成信用风险的子集 |
| 操作风险 | 人、流程、系统出错或舞弊 | 录入错误、越权、代签、系统故障 | 差错率、案件数、损失金额 | 只看大案，不看高频小错 |
| 合规风险 | 业务动作违反法律或监管规定 | 未授权查询、隐形收费、暴力催收 | 罚单金额、投诉率、整改项 | 认为“没被罚就是合规” |
| 流动性风险 | 资产变现不了，负债到期要还 | 期限错配、同业抽贷、集中赎回 | LCR、NSFR、流动性比例 | 把“规模大”当成“流动性好” |
| 集中度风险 | 敞口押在一个客户、行业、区域或产品上 | 单户大额、区域地产、单一渠道 | 单一客户占比、前十大占比、HHI | 平时不显形，出事即系统性 |
| 模型风险 | 模型输出错了，导致决策错了 | 样本偏差、客群漂移、变量穿越 | PSI、KS 衰减、回测偏差 | 把“模型上线”当成“模型做完” |

三个判断，决定了后面的技术选择。

**信用是概率问题，欺诈是对抗问题。** 前者样本越多越准；后者你上一道规则，黑产一周内试出绕法。

**集中度是相关性风险。** 农商行 2.83% 的不良，很大程度是区域产业和地产敞口的映射：一家县域行把 40% 贷款投给本地纺织业，不良率本质上是一只行业股票的价格。

**模型风险是元风险。** PD 算信用、反欺诈算欺诈、ECL 算拨备、资本模型算 RWA；模型失真，不良率、拨备、资本充足率会同时不可信，报表却看不出来。

流动性风险从来不是行业问题。2026 年二季度末流动性覆盖率 148.53%、净稳定资金比例 128.13%（来源同上），行业不缺钱；但一家机构失去同业信任，48 小时就可能无法兑付。合规风险则通过“停摆+罚款+声誉”放大前六类损失，2025—2026 年助贷名单制、成本明示、催收国标相继落地，合规已从成本项变成风控输入项。详见第 06 篇。

---

## 二、A/B/C 三张卡：全生命周期的三次决策

贷前看人，贷中看数，贷后看钱。对应到模型就是 A 卡、B 卡、C 卡。它们不是三种算法，是三个决策点：目标变量、样本、更新频率、负责的人全不一样。

**表 2：A/B/C 三张卡的分工**

| 维度 | A 卡（申请评分） | B 卡（行为评分） | C 卡（催收评分） |
| --- | --- | --- | --- |
| 回答的问题 | 批不批、给多少、什么价 | 调不调额、冻不冻结、要不要预警 | 先催谁、怎么催、减不减 |
| 目标变量 | 放款后 6—12 个月是否 DPD30+ | 未来 3—6 个月是否迁徙到 M1/M2 | 未来 90 天回款概率或回收率 |
| 样本 | 有完整表现期的申请件 | 存量正常与关注账户 | 逾期账户（M1—M6） |
| 主要变量 | 征信、申请表、设备、反欺诈 | 还款记录、额度使用率、交易、负债变化 | 账龄、历史还款、联系成功率、地区 |
| 典型模型 | 逻辑回归为主，GBDT 补充 | GBDT、集成模型 | 逻辑回归、决策树 |
| 更新频率 | 6—12 个月 | 3—6 个月 | 1—3 个月 |
| 核心指标 | KS 0.35—0.45、AUC 0.7—0.8 | KS 0.4—0.5、PSI | 回收率提升、Lift |

（指标区间为行业经验值，不同客群差异很大）

### 2.1 A 卡：准入、额度、定价是三件事

A 卡（Application Scorecard）常被误解为“通过/拒绝”，实际是一次三目标优化。信用评分与欺诈评分并行：前者回答“未来 6—12 个月会不会 DPD30+”，要求概率准；后者回答“是不是欺诈”，要求排序狠。

额度不能拍脑袋：额度 = min(收入倍数上限，DSR 上限，模型建议额度，产品上限) × 风险系数，三种算法见第 04 篇。这里只强调：**新客额度按“最坏情况”算，老客按“最好情况”抢。**

### 2.2 B 卡：管的是迁徙，不是坏账

B 卡（Behavior Scorecard）的目标变量不是“是否不良”，而是“未来 3—6 个月是否从 M0 迁徙到 M1/M2”。不良发生太晚，等它发生，处置窗口已过；迁徙率是领先指标，不良率是滞后指标。

行为变量几乎全部来自内部：还款记录、额度使用率、分期、取现比例、交易商户、代发工资。这些征信上没有，是持牌机构真正的数据壁垒。

B 卡最值钱的动作不是“降额”，是“在客户出事前 3 个月看见”。典型信号：使用率从 30% 冲到 80%、连续 3 期最低还款、新增 3 家以上网贷查询、代发中断、手机号变更。预警后分级动作，不要一刀切抽贷——**抽贷会把“暂时困难”变成“永久坏账”。**

### 2.3 C 卡：把“催”变成“分配”

C 卡（Collection Scorecard）决定三件事：先催谁、用什么方式、要不要减免。目标变量是“未来 90 天回款概率”，不是“是否坏”。样本只有逾期账户，量小、稳定性差，通常半年回看一次。

C 卡的经济价值常被低估：同一组 M1 账户按回款概率排序、人力压在头部 20%，回收率可能提升 3—5 个百分点。

### 2.4 一次提额的算账

10 万存量客户，人均提额 1 万元，预计 35% 使用新增额度、全年占用 60%，增量生息资产 = 10 万 × 1 万 × 35% × 60% = 2.1 亿元。按 15% 收益率，收入 3150 万元；资金成本 2.5%，525 万元；毛利 2625 万元，折合资产收益率 12.5%。

也就是说，**新增额度的风险成本临界点约为 12.5%**：坏账低于 12.5%，提额赚钱；高于 12.5%，提额就是给坏客户送钱。坏账 8% 时净收益约 945 万元，12% 时只剩 105 万元，一次渠道波动就能吃光。

提额最容易犯错，因为业务看使用率、模型看 KS、风险看 Vintage，三方数字完全不同。**只有放在一张表上，提额才是决策，而不是赌博。** 岗位分工也由此清晰：策略对 Vintage、建模对 KS/PSI、反欺诈对损失与误杀、贷后对回收率负责。

---

## 三、反欺诈：不是“更严的规则”，是“更多的交叉验证”

欺诈与信用风险的分界可以压成三句话：信用是“能不能还”，欺诈是“想不想还”；信用是概率，欺诈是 0/1；信用靠统计，欺诈靠对抗。第 04 篇讲过三类手法，这一篇讲防线背后的技术。

### 3.1 黑产是一条产业链

《中国金融黑灰产治理研究报告（2025）》显示，2025 年一季度中国金融黑灰产市场规模突破 2800 亿元，从业人员超过 800 万人，同比增长 40%（转引自中国警察网，2025 年 12 月）。产业链分三层：上游卖物料；中游做技术，AI 换脸、群控、改机；下游做中介，包装、AB 贷、反催收。**黑产靠分工，防守也只能靠分工**，一条规则打不赢一条产业链。

### 3.2 设备指纹与关系网络

设备指纹（device fingerprint）采集 30—100 个参数：型号、系统版本、IDFA/OAID、分辨率、时区、字体、传感器噪声、IP、WiFi、充电状态。目的不是“识别设备”，而是“识别行为模式”：一台设备 7 天登录 12 个身份、IP 三省跳变、通讯录为空，基本可判定为养号设备。

关系网络（relational network）把申请人、设备、手机号、银行卡、地址、联系人、商户作为节点，“共同出现”作为边。常用连通分量找“一伙人”、社区发现（Louvain）找“圈子”、标签传播找“黑名单的邻居”。

难点不在算法，在**区分“聚集”和“异常聚集”**。同乡、同事、同一园区的工人，本来就会共享地址、WiFi 和联系人；真正的信号是“申请时间集中+资料模板一致+额度行为一致+彼此没有真实社交关系”。只看聚集会拒掉整个村，只看单点会漏掉整个团伙。

### 3.3 AI 换脸与伪造资料

2026 年 3 月，福州晋安区法院对全市首例 AI 生成动态视频绕过人脸识别案宣判：两名外卖骑手购买未实名账号、身份信息及照片，用 AI 生成含眨眼、点头的视频，一个多月非法认证支付账户 15 组、协助转移资金 10 万余元、获利 3 万余元，分别被判 8 个月和 7 个月（来源：公开报道）。身份信息 1.6—2.5 元一套，视频几分钟生成，这就是欺诈的边际成本。

防线要升级到多模态：结构光或红外看皮肤纹理与深度，随机动作指令防预录，设备与环境风险（新设备、模拟器、VPN），行为序列，最后是人工复核。2025 年施行的《人脸识别技术应用安全管理办法》要求加密、审计、访问控制，但合规不等于有效——**活体检测是持续军备竞赛，没有“一次上线管三年”。**

伪造资料是另一条线：流水、工作证明、营业执照。防线不是“看图片像不像”，是数据直连（社保、公积金、税务、发票）加交叉核验（代发单位=社保单位=营业执照地址），再加 OCR 图片指纹（pHash）。

**表 3：五类欺诈手法与防线**

| 手法 | 典型信号 | 主要防线 | 误杀风险 |
| --- | --- | --- | --- |
| 身份冒用 / AI 换脸 | 活体动作不自然、新设备、IP 异常 | 多模态活体、设备指纹、运营商三要素 | 中（老年、低端机用户） |
| 资料伪造 | 流水格式异常、代发与社保不一致、图片重复 | 数据直连、交叉核验、OCR+pHash | 低—中 |
| 团伙骗贷 | 设备/IP/地址/联系人重叠、申请时间聚集 | 关系网络、社区发现、聚类 | 高（同乡、同事正常重叠） |
| 中介代办 / AB 贷 | 联系人集中、话术一致、被拒后换人重申请 | 声纹、行为序列、申请频次、名单库 | 中 |
| 内外勾结 | 特定客户经理通过率或不良异常 | 权限分离、轮岗、审计、异常监测 | 低 |

反欺诈看四个数：欺诈命中率、误杀率、团伙识别率、FPD（First Payment Default，首期逾期率）。目标不是零欺诈，是“欺诈损失+误杀成本”最小：误杀一个好客户，成本约等于其终身价值；放过一个欺诈，成本约等于本金×LGD。行业经验：C 类客群 FPD 控制在 1% 以内、A 类 0.3% 以内，超了先回查渠道，而不是继续加规则。

---

## 四、一张评分卡的七个决定

评分卡不是“跑个逻辑回归”，是七次判断，任何一次错了，后面全部作废。

1. **用途**：准入、额度、定价、催收，四种用途对应四种目标变量和四种 cutoff。用准入卡做额度，是把“会不会坏”当成“会坏多少”。
2. **样本**：申请样本、放款样本、存量账户，选错就带选择偏差。通过率 25% 的产品用放款样本建模，等于只学了“好人里的好坏”。
3. **好坏定义**：DPD30 是早期风险，DPD90 才是不良。观察期通常 6—12 个月，必须覆盖坏账发生；最近 3—6 个月的放款样本还没“成熟”（maturity），不能进建模集。
4. **时间窗**：训练/验证/OOT（out-of-time）三段切分，跨时间验证远比随机切分重要。上行期训练的模型，在下行期 KS 掉 30%—40% 是常态。
5. **变量**：WOE 分箱要单调，缺失值单独一箱，IV 不是越高越好。IV 大于 0.5 先怀疑“信息穿越”——用了催收记录、核销标记、贷后评分。
6. **模型**：逻辑回归可解释、稳定、易校准，是评分卡主力；GBDT 效果好，但要用 SHAP 补解释。刻度用 PDO（points to double the odds），常见 20 分翻倍。
7. **cutoff**：不是“模型说 0.5 就拒”，是在通过率、坏账率、收益率之间找交点。cutoff 下调 5 个百分点，通过率可能升 8 个点、坏账升 30 个基点——这笔账用利润表算，不是用 KS 算。

**表 4：评分卡开发流程与常见错误**

| 步骤 | 关键动作 | 产出 | 常见错误 |
| --- | --- | --- | --- |
| 业务定义 | 明确决策点、用途、时间 | 模型卡 | 用途与决策不一致 |
| 样本定义 | 时间窗、准入政策、排除规则 | 建模样本 | 用通过样本代表全体 |
| 好坏定义 | DPD30/60/90、观察期+表现期 | 好坏标签 | 表现期太短，坏样本未成熟 |
| 时间切分 | 训练/验证/OOT | 跨时间验证集 | 随机切分导致时间泄漏 |
| 变量加工 | 缺失值、异常值、WOE、单调性 | 变量清单 | 分箱过细、IV 过高 |
| 模型训练 | LR/GBDT、正则、交叉验证 | 模型与系数 | 过拟合、共线性 |
| 校准与 cutoff | 分数校准到 PD、权衡通过率与坏账 | 评分卡+cutoff | 不校准，分数无概率含义 |
| 监控 | PSI、KS、AUC、迁徙、Vintage | 监控报表 | 只看 KS 不看 PSI |

### 4.1 三个公式与四条经验线

WOE = ln(该箱好人占比 ÷ 该箱坏人占比)，IV = Σ(好人占比 − 坏人占比) × WOE，WOE 为正表示低风险。经验阈值：IV 小于 0.02 无用，0.02—0.1 弱，0.1—0.3 中等，0.3—0.5 强，大于 0.5 先查泄漏。

KS = max|CDF_good − CDF_bad|，衡量某个分数点的最大区分度；AUC 衡量全局排序，Gini = 2AUC − 1。KS 0.3 以上可用、0.4 以上良好、0.5 以上先查过拟合；AUC 0.7 以上可用、0.8 以上优秀。

PSI = Σ(实际占比 − 预期占比) × ln(实际占比 ÷ 预期占比)。小于 0.1 稳定，0.1—0.25 关注，大于 0.25 重校准或重训。

**KS 高不代表模型好，只代表它在建模样本上分得开。** 一个 KS 0.45 的模型在 OOT 上只剩 0.28，是行业常态；不掉，反而要怀疑样本泄漏。

### 4.2 拒绝推断：承认你只看到了三分之一

通过样本建模有偏差，要用拒绝推断（reject inference）补：打包法（给被拒客户按比例打好坏标签）、重新加权（给通过样本加权到全体）、外推法（用模型预测被拒客户表现）。三种方法都有假设，没有一种能还原真相；实务底线是至少知道偏差的方向。

---

## 五、押品与担保：第二还款来源值多少钱

押品不是“增信”，是“违约后的损失下限”。它影响 LGD（违约损失率），不影响 PD（违约概率）：押品再好，也不能让一个本来要违约的人不违约，只能在违约后少损失一点。

抵质押率的定义来自《商业银行押品管理指引》（2017 年）：抵质押率 = 押品担保本金余额 ÷ 押品估值 × 100%。监管要求审慎确定押品上限，每年至少重估一次、至少做一次压力测试，并按金融质押品、房地产、应收账款、其他押品分类管理。

**表 5：主要押品的抵质押率与变现特征**

| 押品类型 | 典型抵质押率 | 估值频率 | 变现周期 | 主要风险 |
| --- | --- | --- | --- | --- |
| 住宅 | 60%—70% | 每年至少一次 | 3—12 个月 | 房价下跌、限购、租赁权、唯一住房 |
| 商用物业 | 50%—60% | 每年 | 6—18 个月 | 空置率、租金下降、处置难 |
| 土地与厂房 | 40%—60% | 每年 | 12—24 个月 | 用途限制、地方政策 |
| 存货 | 30%—50% | 季度或月度 | 1—3 个月 | 跌价、监管难、重复质押 |
| 应收账款 | 50%—80% | 月度 | 1—6 个月 | 虚假贸易、回款不封闭 |
| 机器设备 | 20%—40% | 每年 | 6—18 个月 | 专用性强、贬值快 |
| 股权与金融质押 | 30%—50% | 盯市 | 1 周—1 个月 | 流动性、平仓、价值波动 |

（行业经验区间，实际以各机构押品政策为准）

住宅抵押率 60%—70% 是常见上限，但“100 万的房子能收回 60 万”是乐观估计。变现要扣三块：处置折扣 10%—30%、司法与时间成本、优先顺位（工程款、税款、在先抵押）。**押品估值的核心不是“市场价多少”，是“最快多久、打几折能卖掉”。**

担保的风险不在合同，在保证人。三个必查：代偿能力（净资产、现金流）、关联关系（互保圈、联保体）、担保意愿（配偶是否知情）。融担公司杠杆通常受 10 倍净资产约束，10 亿元注册资本对应 100 亿元担保上限，超过就是“名义增信”。

---

## 六、五级分类、拨备与核销：坏账的会计旅程

### 6.1 分类的硬线

《商业银行金融资产风险分类办法》（2023 年 2 月发布，2023 年 7 月 1 日施行）把金融资产分为正常、关注、次级、可疑、损失五类，后三类为不良。几条硬线必须记住：

- 逾期超过 90 天至少次级；超过 270 天至少可疑；超过 360 天归为损失。
- 逾期 7 天以内的技术性逾期可不降为关注，但只是短期豁免。
- 同一非零售债务人在本行 10% 以上债权被分为不良，其在本行全部债权都要归为不良。
- 不良上调回正常或关注，要满足“逾期全部偿付+连续两个还款期或 6 个月（孰长）正常偿付”。

零售资产可用“脱期法”，这是消费贷和信用卡分类的主流方法。

**表 6：五级分类与拨备的关系**

| 分类 | 定义要点 | 逾期硬线 | 传统专项准备参考 | 对指标的影响 |
| --- | --- | --- | --- | --- |
| 正常 | 能够履行合同 | 无 | 0—1% | 正常计提 |
| 关注 | 有不利因素，但目前能偿付 | 90 天以内 | 2% | 计入关注类，拨备上升 |
| 次级 | 无法足额偿付，或已发生信用减值 | 超过 90 天 | 25% | 计入不良，RWA 上升 |
| 可疑 | 无法足额偿付，显著信用减值 | 超过 270 天 | 50% | 计入不良，处置压力大 |
| 损失 | 只能收回极少部分 | 超过 360 天 | 100% | 计入不良，通常核销 |

（专项准备比例为传统实务参考；现行会计准则下以预期信用损失三阶段计量为准）

### 6.2 拨备是利润的蓄水池

2026 年二季度末，商业银行贷款损失准备余额 7.56 万亿元，拨备覆盖率 202.87%，贷款拨备率 3.08%（来源：金融监管总局，2026 年 8 月）。监管底线是拨备覆盖率 120%—150%、贷款拨备率 1.5%—2.5%，按“同质同类、一行一策”差异化执行（来源：原银监会，2018 年）。分机构看，大行 241.69%、股份行 201.89%、城商行 171.10%、农商行 156.66%（来源：上市银行 2026 年中报，转引自公开报道）——越小的机构，安全垫越薄。

拨备来自预期信用损失（ECL）三阶段：阶段一按 12 个月，阶段二按存续期，阶段三已减值。分类与阶段不是一一对应：关注类可能还在阶段一，正常类也可能进入阶段二。

拨备的妙处在于“可调节”：多提，利润下降、以后有释放空间；少提，当期利润好看、以后要补。**看一家机构，不要只看不良率，要看“拨备覆盖率×不良率”——那才是它真正承认的损失。**

### 6.3 核销不消灭债权

核销是用拨备冲销确认无法收回的贷款，账销案存：账上没了，债权还在，后续回收计入非息收入。核销要满足逾期时间、尽职调查、诉讼或执行结果等条件；它不产生现金，只改善指标。

一个算例：某机构贷款 5000 亿元、不良 100 亿元、拨备 203 亿元，不良率 2.0%、覆盖率 203%、贷款拨备率 4.06%。核销 10 亿元后：不良降到 90 亿元，不良率 1.8%；拨备降到 193 亿元，覆盖率升到 214%；贷款拨备率降到 3.87%。**核销同时降不良、升覆盖率，代价是拨备变薄、利润承压。**

2026 年上半年，工行安排 819 亿元核销资源，建行核销 319.93 亿元，中行核销及转出约 426.38 亿元（来源：上市银行 2026 年中报，转引自公开报道）。行业把这轮动作叫“清淤”——用当期利润换长期投放能力。

转让是另一条路：把不良包卖给 AMC，一次性回笼现金；2025 年在银登中心挂牌的个贷不良本息突破 3500 亿元，同比增长至少 78%（来源：财联社，2026 年 1 月）。

判断一句：**不良率可以管理，不良生成率才是真相。** 核销、转让、重组都能压低不良率，但压不住新生成。上市银行不良生成率已连续多年在 0.7% 左右（来源：券商研究，2026 年），这个数比 1.52% 的不良率更能说明真实压力。详见第 07 篇。

---

## 七、巴塞尔与资本：风险如何变成资本占用

巴塞尔 III 最终方案 2017 年定稿，中国版落地是《商业银行资本管理办法》：2023 年 11 月 1 日发布，2024 年 1 月 1 日实施，正文加 25 个附件约 35 万字，分三档（来源：国家金融监督管理总局，2023 年 11 月）。

资本计量有两条路：权重法和内部评级法（IRB）。中国只有工、农、中、建、交、招六家在 2014 年 4 月获批实施资本管理高级方法（来源：原银监会，2014 年），绝大多数机构用权重法。权重法核心是一张表：个人住房抵押按 LTV 分档 20%—105%；投资级公司 75%、中小企业 85%（第一档银行）；合格交易者信用卡循环 45%。

**表 7：两类资产的资本回报测算（示意）**

| 项目 | 信用卡循环 | 个人住房按揭 |
| --- | --- | --- |
| 资产余额 | 100 万元 | 100 万元 |
| 风险权重 | 45% | 25% |
| 风险加权资产 | 45 万元 | 25 万元 |
| 资本占用（按 11%） | 4.95 万元 | 2.75 万元 |
| 综合收益率 | 14% | 3.5% |
| 资金成本 | 2.5% | 1.5% |
| 风险成本 | 6% | 0.1% |
| 运营成本 | 2.5% | 0.35% |
| 税前利润 | 3.0 万元 | 1.55 万元 |
| RAROC | 约 61% | 约 56% |

（示意测算，用于说明资本占用的量级关系，不代表任何机构真实数据）

两类资产的 RAROC 接近不是巧合，是资本套利的结果：**一类资产 RAROC 明显更高，银行就会扩表，直到价格被竞争压下来。**

但规则本身会制造差异：同样一笔按揭，第一档银行权重 25%，第二档仍是 50%，资本占用翻倍，RAROC 从 56% 掉到 28%。这就是中小行更愿意做消费贷和小微的原因——不是风控偏好，是资本约束。

2026 年二季度末，商业银行资本充足率 15.26%、一级资本充足率 12.12%、核心一级 10.72%（来源：金融监管总局，2026 年 8 月）。行业不缺资本，缺的是“能产生 RAROC 的资产”。这也解释了 1.41% 的净息差下，银行为什么宁愿做低风险按揭和国债——**资本和拨备的双重约束，把“高风险高收益”变成了“高风险低回报”。**

---

## 八、模型风险管理：知道模型什么时候会错

模型风险指模型输出错误导致决策错误、进而造成损失的风险。它不是“模型不准”，而是“模型在什么条件下不准、错多少、谁来负责”。

四类失效：**数据**（样本偏差、缺失、口径变化、信息穿越）、**假设**（客群平稳、宏观稳定，而这两条每年都在被打破）、**实施**（变量映射错、版本不一致）、**治理**（无人负责、业务绕过、验证走过场）。

监管要求越来越具体。《商业银行预期信用损失法实施管理办法》（2022 年）要求：投产前验证加投产后验证，投产后至少每年验证一次；验证由独立于实施部门的第三方开展，报告报送董事会、监事会和高管层；至少每 3 年聘请外部机构全面验证一次；模型参数至少每半年更新。2025 年发布的《商业银行市场风险管理办法》同样要求验证主体独立。

三道防线：业务与开发（一道）、独立验证（二道）、内审（三道）。常见问题是“二道防线不独立”——验证团队向风控负责人汇报，而风控负责人正是模型使用者。**独立性不是组织图上的一条线，是“敢不敢说不”的权力。**

可解释性分两层。逻辑回归加 WOE，系数方向和分箱单调性本身就是解释，拒绝理由可落到“负债收入比过高”“近 3 个月查询过多”这种客户听得懂的话；GBDT 要用 SHAP、特征重要度补解释，但“特征重要”不等于“因果”，不能直接做拒绝理由。拒绝理由必须具体、可复述、可申诉；“综合评分不足”最容易被认定未履行告知义务。

监控分三层：前端看通过率、渠道结构、PSI；中端看 KS/AUC、迁徙率；后端看 Vintage、不良生成率、回收率。只看前端会“模型很稳、坏账很高”，只看后端会“坏账已发生、来不及止损”。

一个真实场景：某消费贷上线 9 个月，PSI 从 0.08 升到 0.32，KS 从 0.42 掉到 0.35。拆开看不是模型坏了，是渠道结构变了——低风险白名单客户占比从 45% 降到 22%。正确动作不是“重训模型”，而是先做分数重校准（recalibration），再决定要不要重建。**PSI 报警时，先查客群，再查模型。**

最后一句关于数据口径：据公开报道，央行自 2025 年起不再在《支付体系运行总体情况》中披露“信用卡逾期半年未偿信贷总额”（2024 年末为 1239.64 亿元，据公开报道），一条常用指标就这样断了。**指标会消失，口径会变化，唯一可靠的是自己维护一套可追溯的监控体系。** 数据源方法见第 14 篇。

---

## 本篇要点回顾

1. **风险不是一个词，是七类**：2026 年二季度不良率 1.52%，但农商行 2.83%；信用是概率、欺诈是对抗、操作是人、集中度是相关性、模型是元风险。
2. **A/B/C 三张卡回答三个问题**：A 卡决定进不进、给多少、什么价，B 卡预测 M0→M1 迁徙，C 卡分配催收资源；用一张卡管全周期，是最常见的伪精细化。
3. **反欺诈靠交叉验证，不靠更严的规则**：黑灰产 2025 年一季度规模突破 2800 亿元、从业超 800 万人，AI 换脸把身份伪造成本压到 1.6—2.5 元一套。
4. **评分卡的价值在 OOT**：KS 0.45 的模型跨时间可能只剩 0.28，PSI 超 0.25 要重校准，IV 大于 0.5 先查信息穿越。
5. **坏账最终由拨备和资本定价**：90 天计入不良，拨备覆盖率 202.87%，资本充足率 15.26%；核销降不良但耗拨备，真正该盯的是 0.7% 左右的不良生成率。

## 延伸阅读

- 第 04 篇《全流程运营与获客展业》——本篇讲决策技术，那篇讲流程与岗位。
- 第 06 篇《监管框架与合规红线》——风险分类办法、助贷新规、明示成本规定的逐条拆解。
- 第 07 篇《财务与经营指标解读》——不良生成率、拨备覆盖率、RAROC 如何从年报附注里算出来。
- 第 08 篇《科技与数字化》——设备指纹、图计算、模型平台的工程化细节；本篇讲“做什么”，那篇讲“怎么搭”。
- 国家金融监督管理总局《2026 年二季度银行业保险业主要监管指标数据情况》（2026 年 8 月）——不良、拨备、资本、流动性的官方口径。