风控域

贯穿贷前、贷中、贷后的全生命周期风险管理，是袋鼠金融最核心的竞争壁垒。

---

风控全景

graph LR
    subgraph 贷前
        A1[准入规则]
        A2[反欺诈]
        A3[信用评估]
        A4[额度定价]
    end

    subgraph 贷中
        B1[行为监控]
        B2[额度调整]
        B3[预警机制]
    end

    subgraph 贷后
        C1[逾期预测]
        C2[催收策略]
        C3[资产评级]
    end

    A4 --> B1
    B3 --> C1

---

子能力拆解

1. 贷前风控

子能力	说明
准入规则引擎	基于年龄、地区、黑名单、历史记录等的硬性准入规则，支持灵活配置
反欺诈	设备指纹、IP 分析、关联网络、活体检测，识别欺诈申请
数据整合	整合内部数据（历史借还款）和外部数据（征信、设备、社交）
信用评分模型	基于多维数据的评分模型，输出信用分
初估额度	基于有限数据（注册信息、设备、历史）快速估算额度，用于首页展示和方案预览，引导客户发起申请
完整评估	客户提交申请后跑全量数据查询和模型评分，输出真实的信用分和额度
额度策略	根据完整评估结果和产品类型，确定最终授信额度
定价策略	根据风险等级差异化定价（费率、期数、首付比例）
降级回捞策略	完整评估后风险偏高但未达拒绝线的客户，通过降额、提价或提高首付回捞，而非直接拒绝。适用于新客和老客

2. 贷中风控

子能力	说明
行为监控	监控借款人还款行为、App 使用行为等
额度调整	基于还款表现动态调整额度（提额/降额）
风险预警	异常行为触发预警（如多头借贷、还款能力变化）
贷中拦截	发现高风险时冻结或限制后续借款

3. 贷后风控

子能力	说明
逾期预测	预测哪些借据可能逾期，提前干预
催收评分卡	对逾期客户评分，预测回收概率，输出催收优先级和建议策略强度。模型由风控团队自研训练，评分结果供催收系统调用
催收策略引擎	根据催收评分、逾期天数、金额、客户画像，制定催收策略（自动/人工/委外）
分案策略	将逾期案件按规则分配给不同催收团队
资产分类	对在贷资产进行质量分级（正常/关注/次级/可疑/损失）
核销策略	超过一定逾期天数的坏账核销规则

4. 模型与策略管理

子能力	说明
模型训练与部署	风控模型的训练、验证、上线、监控
策略配置	规则引擎的策略配置、版本管理、灰度发布
A/B 测试	不同风控策略的对比测试
模型监控	监控模型效果（KS、AUC 等），及时发现模型衰减

---

消费分期 vs 现金分期的风控差异

维度	消费分期	现金分期
欺诈风险	较低（有真实购物场景）	较高（无场景约束）
坏账率	有场景约束，相对可控	无场景，坏账风险更高
核心数据	商品信息、门店信息辅助判断	更依赖征信和行为数据
额度逻辑	与商品价格挂钩	纯信用额度
催收策略	逾期周期长（180天+）	逾期周期短（90天+）

---

对应系统

该能力域落地为以下系统：

系统	承担的子能力
风控系统	规则引擎、反欺诈、信用评估、额度定价、模型平台、贷中监控