动态焦点:融慧金科赵慧：如何解决信贷风控中的幸存者偏差

随着流量获客成本日益高昂，各大金融机构对于客户的精细化运营越来越重视。如果在贷前做好客群捞回放松策略，或在贷中捞回优质老客户并经营，则可以实现客群质量的持续优化，从而帮助机构带来更大的收益。那么，如何从拒绝客户中捞回部分相对优质的客户，将是考量金融机构的一个重点和难点。

融慧金科数字化赋能事业部副总经理赵慧结合自身近10年金融行业数字化风控实战经验，从拒绝推断的理论及科学应用等方面，详细讲解了拒绝推断常见的方法，拒件捞回的实施及风险监控等干货内容。

为什么要做拒绝推断？这里不得不提一个概念叫做幸存者偏差。赵慧表示，在现实生活中，有很多关于幸存者偏差的的典型案例，比如读书无用论，比尔盖茨、乔布斯、扎克伯格等这些知名大佬都曾辍学过，有些人就会认为读书没用，但却忽略了那些没有读书的其他人的现状，“表现最好的最容易被看见”，这就是幸存者偏差，即“以偏概全”。

(资料图片仅供参考)

同样，在金融领域也存在着幸存者偏差，比如在数字化风控中，有很多坏客户可能被拒绝准入了，所以通过的客户，基本上算是不那么坏的客户，但如果直接运用通过的客户数据去统计建模就会出现幸存者偏差，从而影响到模型的精确度和信贷决策的有效性。鉴于此，我们引入拒绝推断的概念，即从拒绝样本里面推断出哪些是好人、哪些是坏人，然后整合样本中的已知好人和已知坏人共同去建模训练，便有效解决了幸存者偏差问题。

有不少同学提出疑问，拒绝推断适用的场合有哪些？是不是所有的场合都适用？什么需要做拒绝推断？

拒绝推断常见的方法都有哪些，这些方法的特征及优势是什么？

为什么要做拒件捞回，如何通过RI模型找出拒绝样本中的推断好人和推断坏人？

拒件捞回方案上线后，风险监控必不可少，那么在贷前和贷中环节都需要监控哪些指标？

需要注意的是，在业务实际应用中，从拒绝的客户中捞回一部分相对优质的客户，是一种冒险的尝试。如果适用恰当，在一定程度上可以减少获客成本，提高金融机构的整体收益。反之，可能会造成一部分的坏账损失。因此，对于如何做好风险和收益之间的平衡也是我们长期思考的一个课题。

换句话说，在做之前，机构需要考虑目前业务的实际情况，如果现阶段的逾期表现良好且稳定，做拒件捞回一定程度上是可以提升效益的，逾期情况不太好的话还是要谨慎考虑。

以上关于拒绝推断和拒件捞回的实操干货内容，都在这期《科学的拒绝推断和拒件捞回的应用方法》课程里了，欢迎大家在视频课程的评论区或本篇文章下方留言，可以提出你的问题，也可以发表你对课程的学习感受，讲师收到问题或反馈后会优先为您答疑哦～

课程大纲

第一讲拒绝推断概览

l 幸存者偏差

l 拒绝推断的引入

l 拒绝推断的框架