一、阈值不是模型参数

很多人以为风控模型的交付物是「一个通过率」或者「一个分数卡点」。 其实那只是模型的一半——另一半在业务方手里：你打算收多少利息。 原因很直接：卡点决定「放给谁」，利率决定「放出去赚多少」。 这两件事乘起来才是利润。 所以卡点必须跟着利率动，它不是模型的属性，是定价的属性。 Demo 造 20000 个申请人，整体违约率 20%，违约损失率 60%，资金成本 3%。 利润口径是：通过的人里，好人赚利差，坏人亏掉本金的 60%。 然后在 8 个分数卡点上（-1.0 到 0.8），分别按 12% 和 24% 两个利率算总利润，看最优点在哪。 注意两轮的通过率和坏账率完全相同——因为模型和人群没变。 变的只有最后一列，而那一列决定了业务该怎么干。

二、利率翻倍，最优点反而放宽

三、坏账率是结果，不是目标

看坏账率那一列：从 13.1% 一路降到 3.1%。 收紧卡点确实能压低坏账，但利润是倒 U 形的——压到极致就不赚钱了。 「把坏账降到最低」和「利润最高」是两个不同的目标。 前者只要把所有人都拒掉就能实现（坏账率 0），但那也意味着利润 0。 这是风控里最常被误读的一件事：坏账率是结果指标，不是优化目标。 优化目标永远是「给定定价下的期望利润」，坏账只是其中一项。 而这张表还藏着一个操作细节：最优点附近曲线很平。 12% 时 -0.2 到 0.2 三个点分别是 +474、+489、+471——差别不到 4%。 所以卡点选偏一点，损失不大。 真正危险的是选到两端：-1.0 时利润是 -9（亏钱），0.8 时只剩 +300。 一个太松、一个太紧，两头的代价远大于中间的误差。

四、落地：交付一条曲线，不是一个数

所以正确的交付物不是「一个阈值」，而是「一条阈值-利润曲线」。 业务方按自己的定价去曲线上取点，风控方只保证曲线的形状对。 这条分工很重要：定价是业务决策（市场竞争、资金成本、产品定位），风控只负责把它翻译成卡点。 如果风控自己拍一个卡点，那它其实是在替业务定价格。 第二件事是分段建模。 这张表假设所有通过者共用一个违约概率曲线，但真实业务里不同客群（额度、地域、 渠道）的曲线不同。 同一个卡点，对不同客群的「边际客户」是不一样的。 第三件事是压力测试。 这张表里的违约率 20% 是平稳期的数；如果经济下行、违约率翻倍，最优点会立刻收紧。 所以交付时应该给出「违约率 20%/30%/40% 三档下的最优点」，而不是一个数。 最后一句：「最优卡点」是一个随定价和周期移动的点，不是一个可以封存的结论。 把它当成固定的数字，过半年就会变成错误答案。

五、动手 Demo：审批阈值：利率 12% 时最优在 0.0 分，提到 24% 放宽到 -0.6 分

造 20000 个申请人，分数服从某个分布、违约概率随分数递减、整体违约率 20%。 违约损失率 60%，资金成本 3%，利润口径为「好人赚利差、坏人亏六成本金」。 在 8 个分数卡点上分别按 12% 和 24% 两个利率算通过率、坏账率与总利润，找出各自的最优点。

def profit(rate, cut):
    keep = s >= cut                    # 卡点以上放款
    good = keep & (y < 0.5)
    bad = keep & (y > 0.5)
    earn = good.sum() * (rate - 0.03)  # 好人赚利差
    loss = bad.sum() * 0.60            # 坏人亏六成本金
    return float(earn - loss)

for rate in (0.12, 0.24):
    row = [profit(rate, c) for c in cuts]
    best = cuts[int(np.argmax(row))]

实跑输出：

--------------------------------------------------------------------
审批阈值：利率 12% 时最优在 0.0 分，提到 24% 放宽到 -0.6 分
--------------------------------------------------------------------
  申请人                   20000 人，整体违约率 20%
  违约损失率               60%（本金损失）
  资金成本                 3%
  利润口径                 通过者里：好人赚利差，坏人亏 60%

  利率 12% 时（利差 9 个点）：

  分数卡点   通过率   坏账率   总利润
  ----------------------------------
      -1.0    84.5%    13.1%       -9
      -0.6    72.9%     9.9%     +314
      -0.2    58.1%     7.1%     +474
       0.0    50.6%     6.0%     +489
       0.2    42.6%     5.0%     +471
       0.4    35.2%     4.2%     +430
       0.6    28.4%     3.6%     +371
       0.8    21.8%     3.1%     +300

  利率 24% 时（利差 21 个点）：

  分数卡点   通过率   坏账率   总利润
  ----------------------------------
      -1.0    84.5%    13.1%    +1752
      -0.6    72.9%     9.9%    +1889
      -0.2    58.1%     7.1%    +1769
       0.0    50.6%     6.0%    +1630
       0.2    42.6%     5.0%    +1442
       0.4    35.2%     4.2%    +1240
       0.6    28.4%     3.6%    +1028
       0.8    21.8%     3.1%     +807

  **两张表的坏账率和通过率两列一模一样——模型没变，只是定价变了。**
  **变的只有最后一列，和最优点位置：0.0 分对 -0.6 分。**
  **利率翻倍之后，最优点反而放宽了，通过率从 51% 涨到 73%。**
  **因为好人的利润变厚了，多担一点坏账还是划算。**
  **所以阈值不是模型参数，是定价参数。**
  这一点在风控落地里极其重要。**同一个评分卡，做信用卡和做小贷，最优卡点可以差一倍。**
  **所以交付物不该是「一个阈值」，而是「一条阈值-利润曲线」。**
  业务方按自己的定价去取点，风控方只保证曲线的形状对。
  再看第一张表的坏账率那一列：**从 13.1% 一路降到 3.1%。**
  **收紧卡点确实能压低坏账，但利润是倒 U 形的——压到极致就不赚钱了。**
  **「把坏账降到最低」和「利润最高」是两个不同的目标。**
  **这也是风控里最常被误读的一件事：坏账率是结果指标，不是优化目标。**
  **优化目标永远是「给定定价下的期望利润」，坏账只是其中一项。**
  还有一个细节值得看：**利率 12% 时，最优点附近（-0.2 到 0.2）利润是 +474 到 +471，差别很小。**
  **这说明曲线在最优点附近是平的——卡点选偏一点，损失不大。**
  **真正危险的是选到两端：-1.0 时利润只剩 -9，0.8 时剩 +300。**
  要说明：分数分布、违约概率曲线、损失率都是我**设的**。
  **真实业务的损失率随账龄变化，还有提前还款、展期、催回等因素。**
  **但「最优卡点随定价移动」这个结论不依赖具体数字。**

两张表的前两列一模一样，这是最有说服力的一点： 模型、人群、坏账曲线完全不动，只是把利率从 12% 改成 24%，最优点就从 0.0 挪到 -0.6。 所以「最佳卡点」这个说法本身有问题——它必须带上前提：在什么定价下、什么违约率下。 24% 那一列的最优点利润是 12% 的 3.9 倍，但这个对比不能直接读。 利率翻倍意味着风险成本也变了，真实的 24% 产品客群会和这里不同。 这里能信的是「移动方向」，不是「倍数」。 曲线的形状也值得记：最优点附近很平，两端很陡。 这决定了运营上应该「保守地选中间，激进地避两端」。 要说明：分数分布、违约概率曲线、损失率都是我设的。 真实业务的损失率随账龄变化，还有提前还款、展期、催回等因素。 但「最优卡点随定价移动」这个结论不依赖具体数字。

30 秒实验

1. 把违约损失率从 60% 改成 90%（无抵押产品），再看两个利率下的最优点。 都会收紧，而且 12% 时可能全区间亏损——这说明「定价能不能覆盖风险」是一个生死线， 不是优化问题。
2. 把整体违约率从 20% 提到 35%，看最优点怎么动。大幅收紧，且利润曲线的峰值变矮。 这就是压力测试要看的：不是「最优点在哪」，是「最优点还剩多少」。
3. 把卡点从 8 个加密到 40 个，看最优利润能提到多少。 提升很小——说明 0.2 分一档已经够了，精细到 0.04 分带来的收益比管理成本还低。

常见误区

1. 「卡点是风控定的，和定价无关」。 利率从 12% 到 24%，最优点从 0.0 挪到 -0.6，通过率差 22 个点。
2. 「坏账率越低越好」。压到极致就是全拒，利润也归零；坏账是结果指标。
3. 「最优点附近要多试几次找精确位置」。 曲线在峰附近很平，多试的收益不到 4%，不如把精力放在估准损失率上。

阈值定了「放给谁」。 接下来是「进来之后怎么要回来」——催收排序。这里的坑是「该找谁」和「该先找谁」不是一回事。

• ☐ （本节完，下一节 12.2.3 运营效能提升）

相关笔记

• 投资决策智能化
• 运营效能提升
• 健康管理创新
• 🧠 AI训练师手册2 · 索引