做风控策略这些年被问得最多的一个问题不是模型怎么调、特征怎么挖而是“通过率、逾期率、规模到底先保谁”这个问题几乎出现在每一次季度目标对齐会上。业务侧拍着桌子说“通过率再不放开规模指标完不成”管理层盯着报表说“逾期率再往上走风险兜不住”而策略团队夹在中间手里拿着的不是一个最优解而是一个必须在三者之间反复腾挪的“不可能三角”。“不可能三角”这个词听着唬人但实际做起来并没有那么玄。它更像是一个约束条件下的取舍题在给定的客群结构、资金成本、定价空间和监管要求下你不可能同时让通过率拉满、逾期率压到极低、规模迅速膨胀——三个目标天然存在此消彼长的关系。你真正需要做的是搞清楚自己处在什么阶段、手里有什么工具、愿意为哪个目标付出多大代价然后在这个三角里找到那个最不坏的点。这篇文章不是教科书式的理论推导也不会有“通过本文你将学会...”之类的废话我想直接把这几年在消费信贷和现金贷场景里踩过的坑、做过的取舍、跟业务唇枪舌剑之后沉淀下来的实操框架掰开了讲清楚。如果你正在做策略分析、风险建模或者因为通过率和逾期率的矛盾被业务挑战得焦头烂额这篇文章应该能给你一些可以直接拿去用的思路。1. 重新认识“不可能三角”三个指标之间到底谁在拖谁的后腿1.1 先别急着选边搞懂三者的真实关系很多人把通过率、逾期率、规模理解为简单的“此消彼长”通过率提上去坏账必然涨逾期率压下来规模必然缩。这个方向正确但过于粗糙真实情况比这个微妙得多。先看一个小例子。假设某一个产品当月进件 10000 人人均授信 5000 元定价年化 18%资金成本 6%单笔固定成本 30 元。如果通过率是 50%放款 5000 人首逾率假设 4%坏账率到月末大概在 2.5% 左右如果通过率提到 70%放款 7000 人因为边界客群变多首逾率可能跳到 6%坏账率会来到 4% 左右。看起来无脑提通过率就是拿坏账换规模但如果把收益拆开算结果不一定是你想的那样。通过率 50% 的情形的粗略收益是放款规模 5000 × 5000 2500 万利息收入 2500万 × 18% × 1/12 ≈ 37.5 万资金成本 2500万 × 6% × 1/12 ≈ 12.5 万固定成本 5000 × 30 15 万坏账损失 2500万 × 2.5% 62.5 万这里按借款期末直接核销口径粗算粗略净收益 37.5 - 12.5 - 15 - 62.5 -52.5 万通过率 70% 的情形因为边界客群质量偏差坏账率上升到 4%再假设定价不变放款规模 7000 × 5000 3500 万利息收入 3500万 × 18% × 1/12 ≈ 52.5 万资金成本 3500万 × 6% × 1/12 ≈ 17.5 万固定成本 7000 × 30 21 万坏账损失 3500万 × 4% 140 万粗略净收益 52.5 - 17.5 - 21 - 140 -126 万两个方案都在亏钱但亏多亏少不一样这说明一个关键问题在产品定价和成本结构没有算清楚之前直接说“保通过率”还是“保逾期率”都是拍脑袋。没有绝对正确的方向只有当前约束下相对不烂的选择。1.2 规模是结果不是策略参数做策略的人最容易犯的一个错误是把“规模”当成了一个可以直接调节的旋钮。实际上规模是通过率定价、额度、渠道投放、用户需求共同作用之后的结果。你今天提高通过率规模不会立刻起来因为进件量没有变你今天收紧策略规模也不会瞬间掉下去因为存量客户还在还款、还在借。规模更像是系统里的一阶滞后变量真正决定规模的是“新客进件量 存量复借率 审批通过率 额度使用率”这条链路的综合产出任何一个环节变化规模都会以非线性方式响应。这也是为什么“先保谁”的问题不能孤立的看三个指标本身而要放到整条转化链路上来看。如果你把通过率从 50% 提到 60%但是杀伤的是次日借款成功率最高的那批优质短期周转客群规模反而可能下降。如果你把通过率从 50% 降到 40%但是砍掉的是高风险高额度需求用户存量客群质量改善后复借率提升规模反而可能稳住。分享一组我实际调过策略的数据某产品最初为了冲规模把通过率从 45% 一路提到 62%首逾率从 3.8% 涨到 6.5%次月复借率不升反降。原因很简单新放进来的边界客群逾期后拉低了整体用户质量模型分数分布坍塌复借客群的额度和定价被动收紧。最终规模只涨了 12%坏账却翻了接近一倍。后面我们反过来做把通过率收回到 50%边界客群切掉复借率回升规模反而在第三个月超过了峰值。规模这个目标有时候不是你“追”出来的而是你“守”出来的。1.3 “不可能三角”的本质是约束条件不是指标我越来越觉得所谓“不可能三角”并不只是在说通过率、逾期率、规模这三个数字。它本质上是“收益、风险、增长”在给定约束下的冲突。约束是什么呢是资金成本、定价上限、客群容量和风控能力。如果你把定价放开用高利率覆盖高风险那么通过率和逾期率同时高也是成立的很多高定价的次级产品就是这么运作的。如果你把资金成本压得足够低那么即使逾期率中等你依然有空间接受高风险客群。如果你有极强的风控能力比如更准的模型、更强的反欺诈体系、更精细的额度策略那你在同样逾期率下能把通过率做得更高把规模做得更大。所以每一次现实的策略取舍本质上都不是“砍谁保谁”而是“我愿意花多大的成本代价去突破哪个方向的约束”想通了这一点后面所有的计算和沟通才有根基。注意不要一上来就陷入“通过率到底调多少”的数字拉扯先跟财务、业务对齐“单笔亏损容忍度”和“目标坏账上限”没有这两个边界所有讨论都是空中楼阁。2. 不同业务阶段的选择逻辑冷启动、快速增长、成熟稳定要保的东西不一样2.1 冷启动期活下来比什么都重要先守逾期率产品刚上线的那几个月没有历史数据模型是外部征信分加规则引擎策略是“试出来”的。这个阶段最怕的不是规模小而是坏账一次性击穿风险容忍底线。真实场景里冷启动期你放到 1000 万规模坏账 8%跟放到 300 万规模坏账 2%前者可能直接导致项目被上层叫停。在这个阶段我的建议是明确的守逾期率上限通过率往保守了定规模靠小额试错来积累。具体做法可以参考以小额短期产品试水单笔授信控制在 1000 到 3000 元周期 30 天以内即使坏账也能把损失控制在可承受范围。采用“低通过率 高定价 充足额度”的组合通过率宁可只有 20% 到 30%把边界客群全部挡在外面优先积累“A/B 级好客户”的表现数据。把通过率的“余量”留给分层测试预留 5% 的通过率空间专门用来测试不同规则组合为后续模型迭代提供标签样本。这个阶段的核心指标不是规模而是“逾期率的波动是否在可解释范围内”。如果每个月的首逾率都是可预测的说明策略是稳的可以进入下一阶段。有个典型案例我之前接手过一个现金贷项目上线前三个月老板要求月放款冲到 5000 万。风控团队顶住了压力把通过率控制在 25%前三个月累计放款只有 1800 万首逾率 2.8%。后来外部数据源接入后我们逐步放开通过率到第六个月放到 1.2 亿首逾率也才 3.5%。如果冷启动期就开始冲规模我估计逾期率会到 10% 以上这个项目就没了。2.2 快速增长期用规模换数据通过率可以适度放开但要设边界的“渐进式放宽”过了冷启动模型有了一些表现数据坏账率也有了一个大致基线这时候业务的增长诉求会非常强烈。增长期的核心任务不再是“活下来”而是“跑起来”——积累更多客群样本验证模型在不同客群上的区分度同时把市场份额抢下来。这个阶段你可以适度牺牲逾期率但也不能无节制放开。我的经验是采用“渐进式放宽 分桶观察”的策略每次放宽通过率的幅度控制在 3 到 5 个百分点给足观察期至少覆盖一个完整账期。放宽必须配合额度策略新放进来的客群初始额度一律打 5 折只有表现满 3 期且无逾期才能提额。把放宽对象限定在特定渠道或特定客群不要全量放宽这样一旦出问题可以快速收回。增长率期的通过率和逾期率关系不是线性的可能你放宽 5 个点首逾只涨 0.5 个点但再放宽 3 个点首逾就跳涨 1.5 个点。这个“拐点”就是当前客群结构下的边界找到它你就能把通过率推到政策允许的极限同时又不至于失控。我记得某产品在快速增长期做过一次压力测试通过率从 40% 提到 45%首逾率从 3.2% 涨到 3.6%表现很好但从 45% 提到 50%首逾率直接跳到 5.4%。原因是 45% 以下覆盖的都是模型分在 640 分以上的客群再往下就有大量低分段的共债明显用户混进来。这个拐点发现后我们就长期把通过率锚定在 46% 左右只有定价上调或模型迭代后才继续放宽。2.3 成熟稳定期三个指标的动态平衡比单一优先更重要产品进入稳定期后客群结构基本定型模型区分度趋于平稳这时候“先保谁”的问题不再是单点取舍而是动态平衡。成熟期的核心指标应该是“风险调整后的收益”而不是某一个孤立的率。在这个阶段每次调策略我都是“三线联动”地看调通过率必须同时预测对规模的影响、对首逾/长逾期的影响、对件均的影响。调定价通过率和规模会联动变化要用覆盖率曲线去测算不同定价档位的客群响应度。调额度授信额度影响件均、规模、风险敞口也影响定价可覆盖的空间。成熟期还有一个特征就是策略的边际收益递减——你再怎么调通过率规模也很难有大的跃升。这时候想破局更多要靠新渠道、新产品、新客群的开拓而不是在存量客群上反复压榨。我见过很多团队在成熟期陷入“调参疲劳”每周都在微调规则通过率忽上忽下最后业务不稳定逾期率也没有降下来。成熟期其实是“少动策略、多动客群”的阶段策略稳定运营比频繁调整更有价值。2.4 阶段转换的触发条件是什么阶段不是按时间划分的是按数据表现划分的。我从实操角度总结了几个“阶段切换信号”从冷启动切换到增长期的信号首逾率连续 3 个月低于目标值 2 个百分点以上且模型 KS 值稳定在 0.3 以上。从增长期切换到成熟期的信号通过率每调整 1 个百分点边际规模增量低于 2%或者首逾率对通过率的弹性系数明显变大。从成熟期退回收缩期的信号新渠道客群首逾率超过全量平均 1.5 倍且发生跨期逾期率跳升。我自己习惯把这张信号表贴在策略周报里每次跟业务开会就直接指着这些数字说“现在该干嘛”不用扯皮。数据告诉你该放还是该收比业务拍桌子、比老板拍脑袋都管用。提示阶段判断不要用“我们上线几个月了”这种时间维度要用“我们积累了多少放款样本、模型区分度如何、坏账基线是否稳定”这种数据维度。项目可以上线三个月就成熟也可以上线一年还在冷启动这都是正常的。3. 量化权衡的实操方法把三个指标换算成同一个“货币”3.1 把通过率和逾期率的取舍换算成“单笔损失”前面说过不能只看通过率和逾期率的此消彼长必须把三个指标放到同一个收益框架里去权衡。实操上最常用的做法是给不同风控决策定义“成本”。假设你现在在选一个审批阈值cutoff对每个被拒绝的用户你要问两个问题这个人如果放进来预期损失是多少假阴性成本这个人如果放进来预期收益是多少假阳性成本的反面更严谨的做法是给模型分数设定一个最优阈值让“放进来的人群的边际收益 边际损失”。这里需要一个核心参数单客平均收益贡献和单客平均坏账损失。前者可以从历史数据里挖出来比如说优质客户平均每笔借款能带来 80 元净收入劣质客户每笔平均会带来 350 元坏账损失。有了这两个数每个分数段的人群就有了“期望利润”阈值自然就出来了。举个具体算例。某产品单客平均净收入 120 元单客平均坏账损失 600 元那么临界坏账率就是 120 / 600 20%。也就是说只要某个分数段的预期坏账率低于 20%放进来就是赚钱的高于 20%拒绝才是理性的。分数段人数预估坏账率预期净收益人数 ×120 - 600×坏账率决策70012001%1200 × (120 - 6) 136,800通过650-69918003%1800 × (120 - 18) 183,600通过600-64915008%1500 × (120 - 48) 108,000通过550-599100015%1000 × (120 - 90) 30,000通过500-54980022%800 × (120 - 132) -9,600拒绝50060030%600 × (120 - 180) -36,000拒绝这个例子里的临界值在 550 到 599 分段附近如果希望更保守一点可以把临界坏账率安全边际调低比如只接受预估坏账率低于 18% 的分段那 550-599 这个段也会被拒掉。这里的核心逻辑就是通过率不是直接调的它是你设定“临界坏账率”之后推导出来的结果。3.2 定价是“不可能三角”的隐形第四维很多人谈到不可能三角只看三个指标忽略了定价这个可以“破局”的变量。假如你的产品定价可以从 18% 提高到 24%那么同样的临界坏账率对应的是更高的可接受风险水平通过率和逾期率都可以往上涨。定价本质上是用收入覆盖风险把“不可能”变成“可以”。实操中我们通常做“风险分档定价”分数越低的客群定价越高。举个例子综合分数段目标客群定位定价档位预期坏账率容忍上限700优质客群年化 12%5%650-699较优客群年化 16%10%600-649一般可做年化 21%15%550-599偏高危但可做年化 27%22%这样同一个产品通过率 55%逾期率 6%在单一利率下算不过来的账在分档定价下就能算过来。分档定价要特别注意合规要求利率上限是红线不能触碰。很多策略团队没有定价权规则引擎只负责“过”和“拒”这就导致风控的压力巨大——因为你在用唯一的手段去抗所有风险。如果你所在的团队有定价权限一定要用起来如果没有权限那就推动跨部门沟通把定价权拿过来一部分否则不可能三角永远无解。注意分档定价不是简单的“分数低就利率高”要结合用户的借款金额、期限、渠道、复借历史做多维定价矩阵。同一个分数新客和复借老客的坏账预期是不同的定价也应该不同。3.3 额度策略比通过率更精细的风险调节阀相比一刀切地调通过率我更倾向于用额度来调节风险。同样的客群如果授信额度降低一半风险敞口就直接减半而用户可能依然会借款只是件均降低。这在增长期尤其好用因为它不会像收紧审批那样直接砍掉用户对规模和体验的影响都比较柔和。额度策略的核心是“额度差异化”对不同风险等级的用户给予不同的额度上限和单笔借款上限。风险高的用户额度控制在小额区间同时提高借款频率限制比如“单笔最高 2000、30 天最多借 3 笔”优质用户可以给高额度、低利率、灵活期限。我的经验是用额度策略往往比调通过率更有效通过率从 55% 降到 50%规模可能掉 10%用户投诉率上升但坏账改善可能只有 0.5 个百分点。通过率不变只把高风险客群的额度上限从 8000 调到 3000规模可能只掉 3%但坏账能改善 1 个百分点以上。因为在相同分数段内额度本身也是一个风险因子给一个人 2 万额度和给一个人 2000 额度后者即使违约损失也有限但对整体通过率和用户体验几乎无伤。这等于在不触碰“通过率”这个敏感指标的情况下把风险降下来。3.4 把“规模”目标翻译成“进件量”和“转化率”目标规模目标经常压得策略团队喘不过气但仔细拆解一下规模 进件量 × 审批通过率 × 额度使用率 × 件均。与其盯着那个不能直接控制的“规模”不如把目标分解到可以执行的环节上进件量要靠渠道投放、老客激活、新客转化来提升这不是审批策略能单方面解决的。审批通过率是策略可以调节的但不是唯一的杠杆。额度使用率可以通过运营手段提升比如通过提额、降利率、免息券等方式。件均可以靠额度管理、期限管理来调节。如果一个季度规模目标差 20%完全可以通过“进件量提升 8% 提额转化提升 6% 通过率微调 3% 复借率提升 3%”的组合实现而不是简单粗暴地把通过率拉高 10 个点。跟业务对目标时把这些拆解方案摆出来比一句“你要的规模做不到”要有说服力得多。提示把规模目标翻译成分解目标之后还有一个好处是“归因清晰”。如果季度末规模没有达成你能复盘出到底是进件量不够、通过率被压、还是额度使用率偏低而不是笼统地归咎于“风控太严”。4. 真实场景中的季度指标博弈与向上沟通4.1 业务要规模、风险要损失可控策略怎么接招几乎每个季度的策略对齐会都是一场拉锯战。业务侧背着一个高不可攀的规模指标张口就是“通过率提到 70%”风险侧盯着不断攀升的逾期率要求“指标必须控制在 3% 以内”。策略团队如果只做一个传声筒肯定两头不讨好。我的一份经验是不要直接站在“可以”还是“不行”的立场上去回应而是把问题翻译成数据问题。当业务提出“通过率提到 70%”时我会反问几个问题“如果通过率提到 70%预计新增放款 2000 万这 2000 万的边际客群预期坏账率是多少你能接受吗”“如果坏账率超预期是扣你的绩效还是扣我的绩效还是我们有共同的风险预算”“提通过率带来的规模增长是短期充量还是可持续的如果这批客群三个月后复借下降规模怎么补”很多时候你会发现业务侧要的其实不是“通过率 70%”这个数字而是“规模必须增长”。一旦你帮他们把问题从“通过率调多少”换成“规模怎么增长的组合怎么定”讨论的空间就打开了。4.2 向上沟通的关键是“先统一计算口径再谈指标”风控、业务、财务在一起聊指标经常会吵起来因为各方心中的“口径”不一样。业务说的“逾期率”可能是指首逾率财务说的“逾期率”可能是指账单金额逾期率风控说的可能是“账龄 30 风险敞口率”这三个数字天然不一样放到一张桌面上对不上自然就变成了各说各话。我在每一次跨部门指标对齐前一定会先做一件事定义数据口径并以邮件或文档形式书面确认。必须明确的是分子分母是什么逾期用户数 / 放款用户数还是逾期金额 / 放款金额账期口径是什么首逾、30、90还是递延到某个固定周期的口径时间口径是什么自然月、放款月 MoB、滚动 12 个月口径对齐之后很多“矛盾”其实就消解了。比如业务说“逾期率已经到 6% 了太高了”你拉出数据一看那是首逾率口径而 30 的账龄逾期率其实只有 2.8%两者差了一倍多。不统一口径就开会就是浪费时间。4.3 用“沙盘推演”做向上汇报而不是给选择题给老板汇报策略方向最忌讳的方式是抛出一堆技术细节“我把规则引擎的阈值从 0.62 调到 0.58KS 从 0.32 升到 0.35PSI 是 0.08...”这些数字老板听不懂也不想听。我惯用的汇报方式是“沙盘推演”把三种策略方向放在一页 PPT 上每个方向列出“通过率变化、逾期率变化、规模影响、收益影响、风险外部性”然后让决策层在结果层面做选择而不是在参数层面做选择。策略方向预期通过率预期首逾率预期月放款规模预期风险调整后收益主要代价保守防守42%2.8%1.1 亿180 万规模增长明显不足中性平衡48%3.5%1.5 亿320 万坏账略有抬头但可控积极扩张55%5.2%1.9 亿260 万首逾阶段性跳升恐引发投诉这么一摆大多数决策者会选“中性平衡”因为它对应的预期收益最高且风险可解释。就算决策者选择“积极扩张”你也已经把代价写清楚了后续万一出风险你有白纸黑字的预期作为依据。向上沟通的目标不是“让老板听你的”而是“让老板在了解全部代价之后做出他自己的决定”。4.4 让自己的策略周报成为决策依据而不是事后解释做策略的最怕的就是问题暴露了才被叫去会议室。要避免这种情况就要把“风险预警”前置到管理层的日常视野里。我的策略周报固定包含以下几个板块核心指标趋势通过率、首逾、Vintage 坏账率、规模连续 8 周趋势线。策略调整记录本周哪些规则变更预期影响是什么实际表现怎样。风险预警信号新渠道进件量激增、某个分数段通过率畸高、某个地域的逾期跳升。业务建议针对规模缺口给出组合方案而非单纯调通过率。有了这份周报你跟业务和老板的沟通就会从一个“事件的解释者”变成一个“风险的管理者”。很多潜在的指标博弈早在季度会之前就被周报消化掉了。注意策略周报不要太长控制在 5 页以内管理层只有 3 分钟耐心表格和图表比文字更有效。核心是把“风险的变化”可视化而不是把“策略的辛苦”写进去。5. 策略调优后的复盘与迭代如何让“不可能三角”的边界持续外扩5.1 每轮策略调整之后至少追踪三个账期调完策略最忌讳的就是明天看一眼数据觉得不行就回滚或者一周后看数据不错就放量。信贷风险有滞后性策略变动的影响通常要到 MoB2、MoB3 才能完整显现。举个最典型的例子你提高了通过率首逾率可能当月就抬升但真实坏账率要到三个月后才显现你收紧策略规模可能当月就跌但坏账指标的改善可能要到两个账期后才能在数据里看到。所以策略的“效果评价期”至少应该覆盖三个账期MoB1观察首逾、激活率、件均、通过率的变化。这时候还看不出坏账主要看客群结构有没有发生预期内偏移。MoB2观察 30 逾期率、复借率的变化。这时候可以初步推断新增客群的质量。MoB3观察 Vintage 坏账率曲线、回收率。这时候才能对整轮策略调整做完整评估。我见过很多团队因为“回滚太快”错杀了好策略。比如某次放宽通过率后首逾率从 3% 跳到了 4.5%业务一看到就紧张一周之内强制回滚。但拉长到 MoB3 再看4.5% 的首逾客群在后续回收表现良好最终坏账率反而低于原来的收紧组合。首逾率高不等于坏账高有些客群只是“忘还”而不是“不还”要看后续回收表现。5.2 复盘时重点看“偏移”而不是“均值”策略调整之后最容易误导你的指标是整体的均值变化。真实情况是策略调整通常只影响一部分客群均值变化可能是“大多数没变 一小部分剧烈变化”的混合结果。比如把通过率从 45% 提到 55%整体首逾率从 3% 涨到 3.6%看上去只是温和上升。但如果拆开看原有 45% 客群的首逾率还是 2.8%新增 10% 边界客群的首逾率高达 6.8%这时候你会意识到均值变化掩盖了边界客群的巨大风险。如果不看偏移你可能会得出“通过率可以继续提”的错误结论。复盘时建议做两个交叉分析按分数段拆分看策略调整前后每个分数段的净流入、净流出人数和各自表现。按客户生命周期拆分新客、复借 2-3 期老客、深度老客的表现是否一致。真实情况往往也在此显现。有些边界客群在当前分数段下风险极高但他们的表现跟“正常逾期”还存在差异还要结合客户分层、渠道来源等信息才能找准那个真正需要紧盯的对象。5.3 策略迭代不是“推翻重来”而是“小步快跑”策略团队最怕的另一个问题是“推翻重来”某个月模型升级把整套策略换掉然后所有历史积累的经验失效新策略上线后一片混乱。我更推荐“小步快跑”式的迭代每次只改一个变量比如先调通过率阈值其他规则不动观察效果。用 Champion-Challenger 机制主策略跑 80% 流量备选策略跑 20% 流量对比两个策略的收益和风险。每次迭代都留下完整的实验配置和结果记录而不是靠记忆管理策略版本。这样做的好处是“出问题能快速定位”而不是在一堆改动的混合效果里猜来猜去。5.4 持续寻找“外扩边界”的机会而不是永远在三个指标里内卷最后想回到这个标题本身“不可能三角”看起来是一个封闭的矛盾但真正成熟的策略团队一直在做的事情是“外扩边界”而不是“在边界内选边站”。风控策略的“不可能三角”通过率、逾期率、规模到底先保谁我的答案永远是成年人不做选择题通过策略创新去打破三角约束。怎么打破大部分突破口其实并不神秘引入新的特征和外部数据源把更准的风险评分引进来同样的通过率下砍掉更多高风险客群变相提升质量。优化审批流程产生增量价值比如在申请环节做“实时风险预筛”让高风险用户在提交完整材料前就被拦截既保护了用户体验也降低了审核成本。用“收益最大化”取代“风险最小化”作为策略目标不要把“逾期率越低越好”当成目标改成“风险调整后收益最大化”。你会发现这是打破“不可能三角”最本质的一刀因为很多风险是被“不够赚钱”定义出来的不是被“绝对坏账”定义出来的。推动产品和运营协同有时候通过率的压力来自“产品设计不合理”——比如期限太长、利率太低、额度太死。通过推动产品侧的优化可能比反复调审批阈值更有效。我自己做策略时不会只坐在策略后台看三个率我会定期跟产品、运营、财务一起过需求看看有没有什么“新特征”可以引进来有没有什么“价格弹性”可以重新利用有没有什么“用户分层”可以做得更细。这些动作看起来不像传统风控但最终都会反映到不可能三角的边界形态上。提示如果你发现自己已经连续两个月都在反复调同一个通过率参数而没有引入任何新特征、新策略、新客群分层那你大概率是在内卷不是在破局。这时候最该做的不是继续调参而是往后退一步重新看整个风控体系里有哪些假设可以推翻。写在最后结合我自己做策略这几年真正能够把不可能三角做出来的团队通常不是最擅长调参的那个而是最擅长沟通、最擅长拆解目标、最擅长用量化框架说服别人的那个。给你一个最直接的执行起点下周四跟业务开策略会之前把这篇文章里“单笔净收入 / 单笔坏账损失”的那个表格做出来把你们产品当前的数字填进去。你会发现原来你们吵了好几个月的“通过率到底调到多少”其实只需要几分钟就能算明白。算不明白的或者算完之后发现无论如何都是亏损的那种问题也不是调整通过率能解决的而是产品设计出了问题——那是另一个需要推动上游解决的问题。在风控这个岗位上我学到最重要的一件事是一个健康的信贷策略不是把所有风险都挡在门外也不是把规模做到行业第一而是让每一个被放进来的人在数学期望上是有利可图的。不可能三角永远存在但你的工作不是“选边站”而是“让三个指标在更高的水位线上重新达成均衡”。这才是策略这个岗位真正值钱的部分。