特征筛选：IV 和 KS
在金融风控领域，变量筛选是模型构建中至关重要的一环。面对成千上万的候选变量，如何精准筛选出 预测能力强、稳定性高 的变量，直接决定了风控模型的性能上限。
我的博客¶
贷中通用策略：分群、支用、调额、提价、预警
原文地址: - https://mp.weixin.qq.com/s/oMpP7PLjDh_1mnXNBO-naQ - https://mp.weixin.qq.com/s/1aSpYsl-3iJxG4cKw60XHQ
从产品上来说，一般期限较长的循环贷比如现金贷是必须要做贷中管理的，而像海外 714 超短期限的产品一般不需要做贷中，所以做贷中首先也要结合业务和产品来定，不是全部都需要。我们就以第一种比较全面的来介绍。
贷前风控策略：框架、准入、收紧、回捞、置换、定额
做信贷风控，为什么说，贷前风控策略更受欢迎一些呢？
主要是因为做信贷业务的公司，不管风控能力如何以及业务是什么，只要是基于数据驱动的大数据风控，都是需要贷前风控策略的（纯信审模式的除外）。换言之，你可以没有贷中精细化运营，也可以不过多投入贷后催收，但贷前的准入和审批是必备的，对客户的首次风控识别总归是要有的吧。行业里有这么句话，贷前风控做的好，可以几乎控制住 80% 的风险。
贷中防御——提价
当前市场竞争激烈，多家金融机构对头部客户降价，头部客户收益下降，需要对利率不敏感客户进行提价从而保证整体收益，同时客户的风险是动态变化的，不会一成不变，会有客户风险上升，需要通过价格上调来覆盖风险成本。特别是随着助贷新规深化实施与经济周期波动加剧，科学运用提价策略已成为金融机构优化资产结构、实现风险收益平衡的关键手段。
本文将深入解析贷中提价的完整逻辑框架，涵盖 提价目标、提价客群筛选、提价策略，效果评估，为金融机构构建韧性风控体系提供全面参考。
增强性能
在本教程的这一部分中，我们将研究如何 DataFrame 使用 Cython、Numba 和pandas.eval()。一般来说，使用 Cython 和 Numba 可以比使用 Cython 和 Numba 提供更大的加速，pandas.eval() 但需要更多代码。
除了遵循本教程中的步骤之外，强烈建议对增强性能感兴趣的用户安装 推荐的 pandas 依赖项。默认情况下通常不会安装这些依赖项，但如果存在，将会提高速度。
贷中防御战——降额
业内讨论大多聚焦于如何提高额度、降低利率、提升通过率等正向操作，而对降额、提价、冻结账户等负向操作则讳莫如深，甚至"谈负向色变"。然而，笔者认为完整的信贷风险管理如同两军对垒，正向操作是积极的进攻，负向操作则是坚实的防御。如果只有持续进攻而缺乏有效防御，必将暴露弱点，导致阵地失守。负向操作是贷中管理重要的一环，负向操作共包括5类：降额、提价、用信拒绝、冻结、清退。
本文将聚焦贷中负向操作中最核心且最敏感的降额策略，从目标、客群选择、降额策略到效果评估，构建一套完整的降额管理体系，为机构及从业者在当下复杂环境中的稳健经营提供参考框架，通过降额等方式优化资产结构，防范潜在风险。
贷中运营管理
在贷中环节，除了提现风险以外，另一个比较重要的就是偏运营的贷中策略，这类策略注重存量客户的长期运营管理。从运营角度来说，就是提高客户的复借率，延长客户生命周期，减少流失率。
贷中运营管理主要可以分成几大部分：
| 分类 | 细项 |
|---|---|
| 客户分群 | 风险分层、借款需求、收入价值、额度敏感、利率敏感 |
| 触发机制 | 系统触发：① 事件（场景）触发：新授信未提款、存量促提、近期还款、即将结清、沉默唤醒；②固定周期：每月跑B卡模型分、节日活动。 客户主动申请：调额、发利率优惠券 |
| 运营手段 | 调额：① 方向：提高/降低/冻结额度；② 有效期：永久提额、临时提额；③量级：单笔调额、批量调额。 调价：提高价格、降低价格 |
| 策略制定 | 调额对象、调整手段、调整幅度、量化方法（B卡模型、营销响应模型、AB测试、盈利测算） |