孙秀龙1. 风控策略的核心矛盾解析
从事信贷风控工作十几年，我深刻体会到这个行业的本质就是在各种矛盾中寻找平衡点。最近和几位同行交流时，大家都不约而同地提到了一个经典难题：当通过率、逾期率和业务规模这三个关键指标同时摆在面前时，究竟应该优先保障哪个？这就像金融领域的"蒙代尔不可能三角"一样，三者很难同时达到最优状态。
在实际业务场景中，这个三角关系表现为：提高通过率往往意味着降低风控标准，逾期风险随之上升；严格控制逾期率又会导致通过率下降，影响业务规模扩张；而追求规模快速增长时，通常需要放宽风控尺度，这又会对资产质量形成压力。去年我们团队接手的一个消费金融项目就典型地反映了这个问题——在季度考核压力下，业务部门要求将审批通过率从35%提升到45%，但同时要求30天逾期率不能超过1.2%，还要确保当月放款规模环比增长20%。
关键提示：这三个指标间的动态平衡关系，会随着市场环境、资金成本、客群结构等因素的变化而不断调整，没有放之四海而皆准的黄金比例。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 指标间的动态博弈机制
2.1 通过率与逾期率的反比关系
从风控建模的角度看，通过率和逾期率存在天然的负相关性。当我们使用评分卡模型时，如果将审批分数线从650分下调到600分，通过率通常会显著提升，但同时也会纳入更多信用资质相对较弱的客群。根据我们的历史数据统计，分数线每降低50分，通过率平均提升8-12个百分点，但相应的首期逾期率会增加0.3-0.5个百分点。
这种关系可以通过风险收益曲线直观展示：
| 评分区间 | 通过率 | 预估逾期率 | 收益贡献 |
|---|---|---|---|
| 700+ | 15% | 0.5% | 高 |
| 650-700 | 20% | 0.8% | 中高 |
| 600-650 | 25% | 1.2% | 中 |
| 550-600 | 30% | 1.8% | 中低 |
| 550以下 | 10% | 3.5% | 低 |
2.2 规模扩张对风控体系的压力测试
当业务进入快速增长期时，风控策略往往会面临双重挑战。一方面，新增客群中非