模型优化提升效能：2025年风控建模专项工作小结_20252560.docx

PAGE

PAGE1

模型优化提升效能：2025年风控建模专项工作小结一、开篇引言

2025年1月至2025年12月，这一年的时间周期对于金融科技行业的风控领域而言，是充满挑战与变革的一年。在这一年中，宏观经济环境呈现出复杂的波动特征，信贷市场的供需关系发生了微妙的结构性调整，监管政策对于数据隐私保护与算法可解释性的要求也达到了前所未有的高度。作为公司风控中心的核心骨干，我的职务是风控建模专家，主要负责全生命周期信贷风险模型的构建、迭代、监控以及前沿算法在业务场景中的落地应用。回顾这一年的工作历程，我始终坚持以数据为驱动，以业务价值为导向，致力于通过精细化的模型优化策略来提升风控体系的整体效能，在保障资产质量的前提下，有力地支持了业务规模的稳健增长。

本年度工作的总体概述可以概括为“稳存量、拓增量、求突破”。在存量模型方面，我主导了对核心申请评分卡（A卡）、行为评分卡（B卡）以及催收评分卡（C卡）的全面迭代升级，有效应对了由于客群变化带来的模型衰减问题；在增量模型方面，我积极探索了图神经网络在反欺诈领域的应用以及深度学习模型在复杂场景下的实践，填补了传统机器学习模型在非线性关系捕捉上的短板；在技术突破方面，我推动了自动化建模流程的搭建，显著缩短了模型从开发到上线的周期，提升了团队的人效产出。

作为风控建模专家，我的个人定位不仅仅是算法代码的实现者，更是业务风险的洞察者与策略决策的支持者。我的核心职责在于通过数学语言将业务风险量化，构建出能够精准预测未来违约概率的数学模型，并将这些模型输出转化为可执行的策略规则。在这一过程中，我需要深入理解业务逻辑，与产品、运营、催收等团队保持紧密沟通，确保模型的设计初衷与业务目标高度一致。同时，我也肩负着培养初级建模师、推动团队技术氛围建设的责任，通过技术分享与代码评审，提升团队整体的建模水平。

撰写这份年终总结的目的，不仅是为了对过去一年的工作成果进行系统性的梳理与复盘，更是为了从中提炼经验、反思不足，为下一年的工作规划提供科学依据。通过深入分析各项指标的变化趋势、关键项目的执行细节以及遇到的技术难点，我希望能够清晰地展示风控模型在业务发展中的核心价值，同时也客观地剖析自身在能力素质方面存在的提升空间。这份总结既是对公司交付的一份答卷，也是我个人职业生涯中一段重要历程的记录，它将指引我在未来的风控建模道路上继续深耕，不断探索。

二、年度工作回顾

2.1主要工作内容

2.1.1核心职责履行情况

在2025年度，我全面履行了风控建模专家的各项核心职责，确保了公司风控模型体系的稳定性与先进性。首先，在模型生命周期管理方面，我建立了一套严密的监控机制，对线上运行的二十余个核心模型实施了每日自动化监控与每周人工深度复盘。通过设定严格的PSI（PopulationStabilityIndex，群体稳定性指标）阈值与KS值（Kolmogorov-Smirnov）波动范围，我成功预警了三次显著的模型漂移事件，并迅速启动了紧急迭代流程，避免了潜在的坏账损失。具体而言，针对核心的申请评分模型，我坚持每月进行一次全面的特征有效性分析，剔除失效特征，挖掘新型强相关特征，确保模型对当前客群的区分度始终保持在行业领先水平。

其次，在特征工程体系建设方面，我投入了大量精力对底层数据资产进行深度挖掘。面对日益增长的多源异构数据，包括征信数据、消费数据、设备指纹数据以及运营商数据，我设计并实施了标准化的特征清洗与衍生流程。这不仅包括了传统的统计量特征（如近三个月交易均值、标准差），还涉及到了复杂的序列特征提取（如近期交易金额的斜率、周期性检测）以及交叉特征构建。为了解决高维稀疏特征带来的计算难题，我引入了特征筛选算法，基于IV值（InformationValue，信息价值）和相关性系数矩阵，构建了包含超过5000个维度的宽表特征库，为后续的高性能模型训练奠定了坚实的数据基础。

此外，我还负责了模型上线后的策略部署与回溯分析工作。模型分数本身只是中间产物，如何将分数转化为具体的通过率、额度定价和贷后管理策略才是关键。我密切配合策略团队，设计了基于模型分数的分段测试方案，通过A/BTest对比不同策略组的表现，精细地调整了cutoff点（截断点）。在回溯分析中，我不仅关注整体的通过率与坏账率，更深入分析了不同分位数段用户的回款表现，验证了模型排序能力的准确性，确保了业务决策的科学性。

2.1.2重点项目/任务完成情况

本年度我牵头负责了三个公司级重点项目，均取得了圆满成功。第一个重点项目是“新一代智能A卡重构项目”。鉴于原有A卡模型上线已超过一年，且受外部经济环境影响，客群资质发生了显著偏移，KS值从上线初期的0.45下滑至0.38。为此，我组建了专项攻坚小组，重新梳理了贷前准入