风控策略收紧既要考虑压降，也要考虑对通过率的影响，本篇分享一种丝滑的收紧方法，可以兼顾二者的影响。
历史策略文章：
1. 什么是策略新增？
D类调优可分为宏观和微观两个层面的。
1）概念理解
策略新增就是，在不改变已有策略的基础上（保持不变）额外增加新的策略，来达到策略调优的目的，一般应用在D类的收紧策略中。
2）使用场景
使用策略新增，通常的需求是 “已有策略没有收紧的空间，即通过已有策略的调整无法满足业务要求，需要其他维度的信息补充”。比如贷前场景中发现近期的风险逐渐升高，需要做收紧的调优策略，但经过通过样本的量化分析后发现没有调整空间，此时可考虑接入新的三方数据源作为补充。基于新的数据维度制定规则策略，补充到决策流程中。因为已有策略不变，额外增加了新的审批策略，通过率会下降。
2. 分析步骤
1）调优需求：政策指导、市场变化导致资产质量变差、监控报表发现逾期率升高等
2）提取样本：挑选合适的历史样本（代表性、充分性、数据可回溯性、时效性），并且回溯数据（具体可参考模型篇“样本设计”内容）
3）策略开发：单变量规则、二维交叉规则、决策树生成多维规则组合（具体可参考策略开发篇内容）
4）制定策略：将新增策略融入旧策略中，执行策略
5）效果测试：在“历史样本、近期样本”上执行策略，对通过率、逾期率进行效果测算，与新增前对比。如效果未达预期需重新调整策略后再进行评估，直到满足要求为止，完成最终调整方案的确定。
6）策略上线：决策引擎配置策略后，进行灰度测试或者AB测试，最后再正式上线
3. 策略开发
1）规则策略的几种形态
策略新增的过程其实就是“策略开发”，即分析变量区分效果并制定规则的过程。
以规则为主的策略形式主要包含基于单变量的规则、二维交叉的规则、基于决策树生成的多维交叉规则这几种。如右侧所示，从上到下，其特点可以归纳为：“随着维度更多，复杂度增加，同时命中率更低，识别能力更加精准”。
最终需要综合考虑对“逾期率、通过率”这两者的影响来决定使用哪种形式。
2）二维交叉规则示例
下面是一个二维交叉的规则组合，评估交叉格子中的区间坏账率(Lift)和样本数量占比，反映对于逾期率、和通过率的影响。
4. 制定策略&效果测算
在策略调优的需求下，新策略开发只是其中一环，能否融入旧策略中，还需要测算整体策略的效果，主要的关注点是新策略能否带来增益，一是额外命中的比例有多少？二是评估新增后对“逾期率、通过率”的影响。
在进行效果测算时，需要注意以下几点：
1）要将已有策略和新策略的数据，用“同一批样本”进行分析。这样制定新策略后才能与旧策略融合，以进行综合效果评估。
2）新策略风险区分效果好不一定就可以对旧策略带来增益。可能二者的相关性较高，或者重叠度较大，大部分是重复命中的，那么新增后也不会有多大提升效果。因此，该部分的数据分析流程：可先进行相关性的分析，或者做二维交叉的决策矩阵，看分布下是否“互有单调性”，最后再通过命中率的测算来看最终效果。
以上来自原创课程中的节选，“Python代码实操视频讲解” 的完整内容（如下示例），在👉《100天风控专家》中进行视频更新。
--end--
以上内容节选自👉《100天风控专家》 从0到1的信贷风控训练营
