怎么读这篇报告

风控数据分析方法的历史，常见的写法是编年体：某年出了什么方法，某年又出了什么方法。这种写法读起来顺，但读完记不住——因为看不出规律。

本篇换一种组织方式，用两条轴交叉来看。

纵轴是六个时代，每个时代都统一回答同样四个问题：当时手里有什么数据、用什么程序语言与软件在算、数学内核是什么、这一代解决不了什么。四栏对齐摆开，代际差异一眼可见。

横轴是风控的四个核心动作：选变量、定阈值、看监控、做解释。这四个动作在任何时代都存在，但做法一直在变。把四个动作放进六个时代，就得到一张"动作 × 代际"的演进矩阵——这张表才是本报告的信息密度所在。

一句话说明本报告主张什么、不主张什么

主张：工具链的可及性，长期决定了一个方法能不能真正落地，以及它以什么形态落地。

不主张：工具是唯一因素。监管要求（巴塞尔新资本协议）、治理规范（SR 11-7）、业务成本结构同样在推动方法变化，文中会在对应位置单独标注。

第一代 · 手工与判别函数（1930s–1970s）

第 一 代

手工与判别函数时代

工具标签：打孔卡 · 主机批处理 · Fortran / COBOL · 机械计算器

①数据形态

纸质账本与年报。研究者要手工从年报里抄财务比率，样本规模受限于能不能抄得完。

②工具链

统计计算靠机械计算器与手算；程序语言层面，银行核心业务用 COBOL，科研计算用 Fortran，运行方式是主机批处理——提交一次任务，等结果出来。1968 年 SPSS 首个版本发布（作者 Norman H. Nie 等），此后统计计算才逐步从"会编程的人才能做"变成"研究者也能做"。

③数学内核：多变量判别分析

1968 年，Edward Altman 在《金融杂志》发表论文，用多变量判别分析（MDA）把五个财务比率加权成一个分数，用来预测企业破产。原始样本是 1:1 配对的 66 家公司（破产组与非破产组各 33 家）。

数据来源：Altman, E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, The Journal of Finance 23(4): 589–609, 1968。上述准确率为样本内结果（系数与分组由该样本导出）；原文另设二次样本做检验，其中 14 家误判企业的 Z 值有 10 家落在 1.81 至 2.67 之间。同期 Beaver（1966）用单变量比率做破产预测，论文载于《会计研究杂志》4: 71–111：样本为 79 家失败企业（其中 59 家破产）配 79 家同行业、规模相近的对照企业，共 158 家，年份区间 1954–1964；从 30 个财务比率中筛出 6 个表现最好的，其中现金流/总负债比率在失败前 1 年可正确分类 87%~90%、前 5 年约 78%。（Beaver 原始数据、Altman 原文二次样本、Beaver 准确率均转引自 Collins 1992 年弗吉尼亚理工硕士论文《EVALUATION OF A FINANCIAL DISTRESS MODEL FOR DEPARTMENT OF DEFENSE HARDWARE CONTRACTORS》第 15–26 页，该论文逐项复核了这两个经典研究。）

这一代最有价值的一条原始证据

Altman 在论文里专门写了一段话，解释为什么要给出 1.81 与 2.99 这两个固定值："银行家、信贷经理、高管与投资者通常没有机会使用这类计算机程序……因此下面描述的方法可用来选定一个临界值，使预测无需计算机支持。"

判别分析在数学上是可行的，但当时使用者的手上没有可用的计算工具。方法被折成一张可以手工查表的临界值表——这就是"工具的边界决定了方法的落地形态"最早的一次清楚记录。

④这一代解决不了什么

样本量受制于手工抄录；变量选择靠人工判断；判别分析对变量分布有假设，遇到分类变量与非线性关系就不好处理；而且模型本身不能给出各变量影响的方向强度，只能给出一个总分。这些问题把方法推向第二代。

第二代 · 统计建模与评分卡工业化（1975–2005）

第 二 代

统计建模与评分卡工业化时代

工具标签：SAS / SPSS · SQL 与数据仓库 · 批处理跑分

①数据形态

从纸质账本转向结构化数据库。评分卡需要的不是几份年报，而是几十万条账户级的还款表现记录——这类数据只有在数据库里才存在。

②工具链：统计软件与数仓

1960 年代末，美国南部八所大学联合开发了一套用于农业数据分析的统计软件；1976 年 3 月，北卡州立大学授权 SAS 研究所对外销售，这套工具从此进入商业机构。数据库侧，1979 年成立的 Teradata 在 1984 年向富国银行交付了首台数据库计算机——银行开始有了能装下全量账户数据的机器。

这两个变化合起来，让"反复迭代一版评分卡"第一次成为日常工作：统计软件负责建模，数仓负责供数，两者都是可以反复调用的。

③数学内核：逻辑回归 + WOE 分箱

逻辑回归的原始论文出自 Cox（1958，*Journal of the Royal Statistical Society* 系列 B 21(2)），它相对判别分析的优势在于输出是概率、系数方向可读。行业内的通行说法是它在 1980 年代成为信用评分的主流方法——需要说明：这一时间点来自研究综述的转述，本次未核到某一篇文献明确宣布"某年起主流换为逻辑回归"，因此本报告不把年份当作定论。

配套的特征处理方式叫 WOE（证据权重）与 IV（信息值）。把变量分箱后计算每箱的 WOE，再用 WOE 值替换原始值进入模型，好处是兼顾非线性与单调性，同时天然处理缺失值。

关于 WOE / IV 的一条诚实说明

业内流传的 IV 分档阈值（例如低于 0.02 视为几乎无区分度、0.1 以上为中等、0.3 以上为强、0.5 以上需警惕过拟合）本次未查到学术原始出处。它可以被当作行业经验值使用，但不宜引用为"某文献规定"。WOE 与 IV 的数学形式可追溯到信息论中的证据权重概念，其在信用评分中的标准化用法，同样未见单一创始文献。

数据来源：国际清算银行（bis.org）巴塞尔委员会公开文件；美联储官网 SR 11-7 原文（2011 年 4 月 4 日，全文核）。

④这一代解决不了什么

评分卡擅长排序，不擅长即时响应。银行需要的是审批当下就给出结论、策略调整要当天生效、名单和规则要能随时投放——这些都是批处理跑分的形态给不了的。于是注意力转向决策系统。

第三代 · 规则引擎与实时决策（1995–2015）

第 三 代

规则引擎与实时决策时代

工具标签：决策引擎 · PMML · 流计算（Kafka / Spark / Flink）· SQL

①数据形态

从"账户的历史表现"扩展到"当前正在发生的动作"：一笔交易、一次登录、一个申请请求。数据开始要求秒级甚至毫秒级可用。

②工具链：把策略从代码里拆出来

这一代最重要的工具变化不是算力，而是关注点分离。过去改一条风控规则要改代码、要走发布流程；决策引擎把策略变成可配置的规则文件，改策略不再等于改程序。

数据来源：DMG 官网 PMML 文档；KIE 社区（Red Hat）官方博客；USENIX HotCloud 2010 论文；LinkedIn 工程博客开源公告；Apache 孵化器官方项目页。PMML 部署耗时的 4~6 个月为 TMDB/TDWI 刊载的行业表述。

③数学内核：规则 + 阈值 + 模型分

这一代的方法论特征是分工：模型负责把复杂关系压成一个分数，规则负责把分数与业务约束组合成决策。常见形态是"模型分 + 规则条件 + 名单"三件套，例如模型分低于某档且命中某类名单则拒绝。

策略上线普遍采用冠军挑战者机制：新策略与现行策略并行跑，用真实表现对比，确认优于现行策略才切换。这套做法把"策略迭代"变成了一件可以持续做、且风险可控的日常工程。

④这一代解决不了什么

规则的增长会带来维护压力：规则越多、互相重叠与冲突的概率越高，一条规则改动影响哪个人群越来越难判断。规则能表达"如果 A 且 B 则拒绝"，但表达不了"这个人整体看起来像不像风险"这类隐含在高维特征组合里的判断。于是开始有人把梯度提升树这类模型引入生产。

第四代 · 机器学习入场（2010–2018）

第 四 代

机器学习入场时代

工具标签：Python 生态 · scikit-learn / XGBoost / LightGBM · 可解释性工具

①数据形态

从"若干张表"变成"很多张表"。以公开的消费信贷数据集为例，主申请表已有 30 万余条记录、122 个字段；而同一份数据配套的历史申请、征信查询、分期还款等辅表加在一起，能构造出上百个特征维度。

②工具链：实验成本降到分钟级

这一代真正的门槛降低发生在工具层。2011 年 scikit-learn 论文发表于《机器学习研究杂志》，其定位写得很直白：把机器学习带给非专家。这句话是理解这一代的关键——在这之前，试一个模型需要相当多的工程准备；在这之后，一次实验的成本降到以分钟计。

数据来源：JMLR 官网论文页；arXiv 与 KDD/NeurIPS 论文原文摘要；Databricks 官方博客。

一个真实赛事作为这一代的横截面

2018 年的公开信贷违约预测竞赛有 7,198 支队伍参赛，冠军方案的核心是大量特征工程加梯度提升树的集成交叉验证；一位单人参赛者的私榜 AUC 为 0.80265（第 17 名，为单人最高）。这个数字本身说明一件事：在真实信贷数据上，AUC 的绝对水平是有天花板的，模型换代的收益并没有想象中那么戏剧化——真正的差距更多来自特征与数据，算法名字本身给不了多少。

③数学内核：集成树 + 正则化

梯度提升树的思路是"一串弱模型叠加，每一棵新树去拟合前面残留下的误差"。它天然处理非线性与特征交互，对缺失值和量纲也不敏感——这正是不需要人工分箱就能获得好效果的原因，也是它取代 WOE + 逻辑回归流水线成为竞赛首选的原因。

④这一代解决不了什么

三个问题在这一代充分暴露。

第一是可解释性：树模型能给出特征重要性，但给不出"这个人为什么被拒"这样的单条理由，而业务与监管都要这个答案，SHAP 与 LIME 是为补这个缺口出现的。

第二是稳定性：模型上线后的表现会随着客群与政策变化漂移，需要监控手段。

第三是特征本身的表达力：树模型处理的是行与列，处理不了"这个人跟那批人是什么关系"这类信息。

第五代 · 图与序列（2018–2023）

第 五 代

图与序列深度学习时代

工具标签：图神经网络 · 图数据库 · 深度学习框架

①数据形态

数据不再只是一张表，而是网络与序列。同一台设备多用、同一批联系人互相担保、资金在几个账户之间来回流转——这类风险信号只存在于关系里，落在单行记录上是看不见的。

②工具链：从表格到图结构

建模工具随之扩展：图神经网络框架、图数据库、以及深度学习框架进入风控技术栈。这一代与前几代最大的不同是，数据组织方式本身成了建模的一部分——要建模先要建图，而建图需要新的存储与查询工具。

③数学内核：邻域聚合

图神经网络的核心操作是让每个节点聚合邻居的信息，从而让"孤立点"获得位置感。一个申请人的风险评分，不只取决于他自己的特征，还取决于他周围节点的特征。

但这一代也很快暴露了自身的问题。2020 年的一篇研究指出，欺诈者存在特征伪装与关系伪装行为：他们会刻意让自己的特征看起来正常，也会刻意与高风险节点保持距离，这使得标准的邻域聚合方法在欺诈检测上表现不佳。该研究提出的改进模型正是针对这两类伪装设计的。

④这一代解决不了什么

图方法的工程成本高（要维护图、要做关系特征、算力开销大），解释起来比树模型更难；更关键的是，它把可解释性的难度又提高了一层——当结论来自邻居的聚合，单条理由就很难讲清楚。同时，序列与深度模型对数据的量与时效要求都很高，很多机构的数据条件并不满足。

第六代 · 大模型与库内计算（2023–2026）

第 六 代

大模型与数据内计算时代

工具标签：大模型 · 向量表示 · 嵌入式分析数据库（DuckDB 等）

①数据形态

出现了一类过去无法直接计算的数据：自然语言。合同文本、尽调报告、客服记录、投诉工单——这些材料一直都在，但因为无法结构化，长期以来只能靠人读。

②工具链：两个方向同时变化

第一个方向是计算贴着数据走。2019 年 SIGMOD 会议上发表的嵌入式分析数据库（CWI 阿姆斯特丹）明确采用了向量化解释执行引擎而非即时编译，理由是便携性——即时编译依赖大型编译器库与传递依赖。这类工具的实践含义很直接：分析不再需要先把数据搬到另一个系统，一台笔记本上就能对千万行数据做交互查询。

第二个方向是语义进入模型。文本不再必须先变成结构化字段才能参与判断，可以用语义表示直接进入流程。

③数学内核：表示学习与概率校准

这一代的数学重心从"构造特征"转向"学习表示"，同时带来一个老问题的新形式：大模型的输出是生成式的，它的判断需要被校准成可比较的概率，才能和阈值、成本矩阵这些传统工具对接。这一步没做，模型就无法与既有决策体系接轨。

④这一代解决不了什么

三个问题目前都还没有公认的答案。

可靠性：生成式模型存在输出不一致与事实性错误的风险，而风控决策要求可重复。

可解释性：深度模型的解释仍是事后近似，把这类模型用在高风险决策上，如何满足既有的模型验证要求尚无成熟范式。

合规框架：欧盟人工智能法案于 2024 年 8 月生效并分阶段适用，其中附件三把信用评估列入高风险系统，相关义务自 2026 年 8 月 2 日起适用——合规约束正在从原则性要求转向可检查的具体条款。

横向看：四个动作在六代里怎么变

纵向六个时代看下来，容易觉得"技术在进步"。横向把四个动作单独拎出来看，会看到一些不那么线性的东西。

① 选变量：从人工经验挑比率（第一代），到 WOE/IV 按统计量筛选（第二代），再到树模型自动完成特征组合（第四代），最后到语义表示让文本直接成为输入（第六代）。趋势是人工介入的位置在不断上移——从"挑哪个变量"上升到"数据里有没有这个信息"。

② 定阈值：第一代是用固定临界值（1.81 / 2.99）手工查表；第二代转向按业务成本与 KS 最大处选点；第三代把阈值写进决策规则与成本矩阵；第四代引入概率校准与代价敏感；到第六代，阈值问题变成了"人机如何分工"。值得注意的是第一代的临界值至今没被淘汰——它简单、可手工执行、无需系统支持，在尽调这类低频场景里仍然够用。老的未必被替代，很多时候只是退到了特定的场景里。

③ 看监控：从人工复盘（第一代）到 PSI、KS 的月度报表（第二代），再到实时流式告警（第三代）、漂移检测工具（第四代）。监控这一项变化的驱动力与其他三项不同：它主要不是被工具推着走的，而是被监管与治理要求推着走的。SR 11-7 把有效验证与治理写进要求之后，监控才从"做得好加分"变成"必须做"。

④ 做解释：这是六代里变化最慢、也最没解决的问题。评分卡天然可读（第一、二代），树模型需要 SHAP 之类的工具来补（第四代），图模型与深度模型的解释至今仍以事后近似为主（第五、六代）。一个反直觉的观察：模型的表达能力越强，可解释性反而越差，而业务与监管对解释的要求这几十年是在变严的。这个矛盾正是当前风控建模最真实的约束。

把四栏放在一起，能看出一个规律

选变量与定阈值这两件事，受工具推动最明显——工具换代之后做法立刻变。而看监控与做解释这两件事，受治理要求推动更明显——工具换代了，做法也没马上变，直到有人要求你必须能证明模型有效、必须能解释单条决策。

所以"方法论演进"实际上是两条线在同时走：技术线（能不能算）与治理线（允不允许这么算）。只讲技术线，是讲不完这段历史的。

方法选择的决策表与边界

前面几节讲的是历史。落到今天做什么选择，可以把六个时代压成一张对照表。

本表为本报告基于前述公开文献与工具史料的分析归纳，不构成方法选型建议。具体选择应结合机构的数据条件、监管要求与业务成本结构。

这张表想表达的不是"新方法更好"，而是方法的适配取决于约束条件。同一家机构里，申请审批、贷后监控、反欺诈、尽调这几个场景用的方法往往分属不同"代际"——这不是落后，而是各自约束不同导致的合理结果。

给读者的三条可操作判断

1）先问工具与数据，再问模型。如果一次实验的反馈周期是两周，那么再先进的算法也迭代不出结果；如果数据里根本没有关系类信息，图方法无从谈起。判断一个方法在这个环境里有没有可能落地，先看这两件事。

2）把"能不能解释"当成一等的技术约束，别当成上线前补的补丁。六代方法史里，解释这一项几乎是唯一没有变好的指标——它需要在建模阶段就设计进去。

3）区分"技术推动"与"治理推动"的两类变化。前者影响你怎么建模，后者影响你做了什么才被允许上线。只跟进前者，容易在实际评审环节卡住。

结论与边界

本报告的边界

证据口径：本报告的事实层证据来自论文原文（Altman 1968 全文、Cox 1958、XGBoost/LightGBM/CatBoost/LIME/SHAP 原文摘要、DuckDB SIGMOD 2019 论文）、监管与官方文件（巴塞尔委员会公开文件、美联储 SR 11-7 原文全文）、软件与工具的官方史料（SAS、DMG、KIE、Apache 孵化器、LinkedIn 工程博客、Databricks、微软、Evidently 官方博客）。

代际划分为作者归纳：六个时代的年份区间是作者为组织材料所做的划分，彼此存在重叠（例如评分卡工业化与规则引擎在时间上长期并存）。真实行业实践中，多个代际的方法同时在使用，这一点比划分本身更重要。

明确未采用的信息：业内广泛流传的 IV 分档阈值未查到学术原始出处，正文已明确标注为行业经验值；逻辑回归在信用评分中成为主流的具体年份仅见研究综述转述，未核到原始文献，故未作为定论；本报告未引用任何无法回溯原始出处的市场规模、市场份额类数据。

反例已单列：巴塞尔新资本协议与 SR 11-7 对方法的推动来自监管与治理，与工具换代无关，正文在对应位置单独标注，以免把方法史简化为技术决定论。

不含建议性质：本报告为公开文献与史料的整理与分析，不构成方法选型建议、投资建议或合规意见。

AI 辅助声明：本报告在文献检索、资料整理、图表绘制与文字组织环节使用了 AI 工具辅助。文中引用的年份、数字与条款表述均来自论文原文、官方文件与软件官方史料，并已逐项回原文核对；凡未能回溯原始出处的数据，正文已标注或未予采用。分析框架与判断由人工确定。如有事实性错误，欢迎指出，将据实更正。