冷启动：新市场零样本，第一版风控模型到底该怎么建

冷启动：新市场零样本，第一版风控模型到底该怎么建

每一个做出海现金贷的风控负责人，都会遇到同一个会议场景。

业务侧说：市场已经调研完了，牌照在办，产品设计完了，什么时候能上线？风控侧说：模型还没建。业务侧说：那就建啊。风控侧说：没有数据，建不了。

这个对话里藏着一个认知错误：“建模型”和”有数据”被默认绑在一起了。而冷启动阶段恰恰要拆开这两件事。

本文讲清楚零样本市场的第一版风控应该长什么样，以及顺序为什么不能颠倒。

一、问题背景：冷启动的”数据死锁”

冷启动的困境本质是一个循环依赖：

要建统计模型，需要标注数据（谁还了、谁没还）；要产生标注数据，需要先把钱放出去；要放心地把钱放出去，需要先有风控。 而风控最有力的那一环——统计模型——恰好卡在”需要数据”上。

很多团队的做法是”先放一批小额试水，跑出数据再建模”。这个思路方向是对的，但执行细节常常出问题：试水阶段没有把决策数据完整埋点，或者放的人群过于宽松，导致产生的样本既不可用也不能代表真实客群。

更糟的一种做法是：硬上一个从别的市场平移过来的模型。 结果通常是评分对本地客群完全没有区分度，甚至出现方向性错误——某个变量在 A 市场是风险信号，在 B 市场因为完全不同的就业结构，变成了优质信号。

冷启动的正确解法不是”想办法搞到数据”，而是承认现在没有数据，用一套不依赖表现数据的体系顶住第一阶段，同时把这一阶段变成数据生产车间。

二、核心方法：三段式建站顺序

正确的建站顺序是”反欺诈 → 专家规则 → 统计模型”，这三段是有严格先后的，不能并行，也不能颠倒。

第一段：反欺诈与身份基础设施（上线前必须在位）。

这一段的优先级高于一切。 原因很简单：信用风险是一个概率问题，欺诈风险是一个确定性问题。 信用风险意味着你可能损失一部分客群的本金；而欺诈风险意味着你的每一笔放款都在直接流向有组织的损失，且这些损失不会给你留下任何可学习的信号——因为欺诈团伙的行为模式和真实客户完全不同。

第一段要建的东西包括：

• 身份核验：证件 OCR、活体检测、人证一致性比对。判定”申请人是本人”是所有后续计算的前提。
• 本地黑名单与负面清单：接入当地征信局、监管黑名单、行业共享名单。新市场的坑在于，你通常不知道当地有哪些名单可用，这需要商务团队提前摸底。
• 设备与浏览器指纹：同一设备、同一环境在多个申请间复现，是团伙欺诈最直接的线索。
• 关系网络：紧急联系人、通讯录（在合规允许的范围内）、转账对手方。欺诈从来不是单点行为，一个坏客户往往指向一个簇。
• 通讯与在网状态核验：手机号在网时长、归属、是否实名——这是最便宜也最有效的代理信号之一。

第二段：专家规则与判断型信贷政策（上线时生效）。

有了第一段的基础设施，才轮到”用什么标准决定放不放钱”。这一段的核心是：把资深风控人员的判断，写成明确、一致、可追溯的规则。

判断型政策（judgmental policy）不是”拍脑袋”，而是把专家的判断外化为可执行、可复核的规则集。 它与”经验主义”的区别在于：

• 明确：写下来的硬性门槛，而不是”这个人看起来不靠谱”；
• 一致：同一份申请，任何审核员得到同一个结果；
• 可追溯：每条规则命中与否都有记录，事后能归因。

判断型政策包含五类规则：

1. 资格硬门槛（硬性排除）：年龄区间、地域范围、法律主体资格、制裁名单、KYC 通过。这类规则是二元的，没有灰度。
2. 还款能力门槛（核心）：这是冷启动政策的骨架。关键指标是债务偿还覆盖率（可支配收入与现有负债加本次月供的关系）、可支配收入水平、以及授信额相对于可验证收入或流水的倍数。
3. 保守的额度与期限上限：第一轮放款把单笔金额和期限压死。额度可以从低往上调，但放出去的钱收不回来。
4. 可信的外部信号：征信局评分、已有关系行为、官方登记查询。注意这里是”可信”，不是”决定性”——把外部评分当作一个输入，而不是整个决策。
5. 欺诈与一致性检查：材料篡改、身份不匹配、跨材料信息互相矛盾。

第三段：统计模型（有了表现数据之后）。

只有当你有了足够多的已放款笔数、足够的还款行为、足够的违约样本、以及足够长的表现成熟期，统计模型才开始有意义。

这里有一个常被忽略的量化标准：模型的区分能力取决于坏样本的绝对数量，而不是总样本数。 一个 10 万笔但只有 200 个坏样本的组合，训练出的评分卡置信区间会非常宽。行业经验是：至少要有数百量级的成熟坏样本，模型才具备上线价值。

这就是为什么”先上线、再建模”不是妥协，而是唯一正确的路径。

三、实操步骤与坑

步骤一：把”还款能力证据”当成一等公民。

冷启动最大的技术难点不是模型，而是如何从非结构化材料里算出保守政策需要的那些数字。

你要的数据通常长这样：银行对账单的扫描件、存折的照片、手写的记录、聊天记录里的转账截图。 而你的规则却要求”DSCR 高于某个值””日均余额能覆盖三期月供”——规则的强度取决于输入数据的质量，垃圾输入会让一套看起来很保守的政策事实上失明。

实务上要在四个维度上做抽取与归一化：

• 收入归一化：区分经常性入账与偶发入账、识别工资入账、对季节性做平滑；
• 现金流分析：日均余额、余额波动率、空头与退票次数、月末规律；
• 偿债覆盖率：核实的资金流入 − 现有义务 − 本次月供；
• 交叉验证：申报收入与流水是否一致、财务报表与发票是否对得上、材料是否被篡改。

坑在这里：很多团队把这一步当成”数据清洗”，交给数据工程做，结果做出来的是”流水总额”这种没有信息量的指标。正确做法是把还款能力抽取当成风控建模的一部分，由风控定义口径。

步骤二：从第一天起就把决策数据埋全。

冷启动阶段的唯一产出不是利润，是数据。 而数据的价值取决于完整度。

每个决策至少要记下五个东西：

1. 决策时点的特征值（模型/规则看到的原始输入）；
2. 命中的具体规则与原因码；
3. 审批结果与金额、期限、定价；
4. 数据源的可用状态（哪个源调通了、哪个超时了、哪个返回空）；
5. 规则版本号。

为什么”数据源可用状态”必须记？ 因为冷启动阶段数据源的稳定性最差。如果某天某个第三方接口挂了，所有申请都走了降级路径，这批样本的风险分布和正常时期完全不同。如果没记录这个状态，你事后会把这批样本混进训练集，得到一群”看起来很好却无法复现”的变量。

步骤三：设计”受控探索”，主动制造可学习的样本。

这是冷启动阶段最容易被跳过、但价值最高的一步。

一个完全按保守规则跑的审批流，会产生一个严重偏斜的样本：所有拿到钱的人都是”看起来最安全的人”，你永远不知道那些被拒绝的人会表现如何。 这就是著名的拒绝推断问题（本系列后续会专门讲）。

冷启动阶段是设计探索机制成本最低的窗口。 具体做法：

• 对边缘客群（那些刚好在某个硬门槛附近、模型打不出明确结论的申请）保留一个小比例的通过配额，比例通常在个位数百分比；
• 严格记录这批人的准入依据，以便事后单独评估；
• 把探索额度硬性限制在小额、短期限范围内，控制单笔最大损失。

这样做的收益是：你会得到一批”原本会被拒绝”的客户的表现数据。 这几乎是唯一能打破冷启动数据死锁的合法方式。

步骤四：给规则设”过期时间”。

冷启动期的硬规则里有相当一部分是临时性的——为了控制风险而设的临时门槛，比如”必须有稳定工资流水””必须在现住址居住超过某个时长”。

如果这些规则不被定期审视，它们会沉淀成永久性的产品约束，把大量本该服务的客群永久排除在外，同时让后续模型永远学不到这部分客群的风险特征。

做法：给每条临时规则标注”设定的风险理由”和”复核触发条件”（通常是”累计 N 笔放款后”或”累计 M 个坏样本后”）。到了触发条件，强制评估是否可以放宽。

步骤五：明确”何时该上模型”的量化门槛。

不要用感觉判断”数据够不够”。建议在上线前就写下明确的启动条件，例如：

• 已成熟（跑完完整表现期）的放款笔数达到某个量级；
• 成熟坏样本达到数百量级；
• 主要候选变量的缺失率稳定在可接受区间；
• 至少完成一轮完整的规则有效性回溯（哪些硬规则实际拦住了什么）。

门槛写下来的意义是：它会逼你在冷启动阶段就去规划数据量的节奏，而不是等到”觉得可以了”的时候才发现样本不够。

步骤六：让额度承担风险控制的主要职责。

冷启动期最有效的风险控制工具不是拒绝，而是额度。

拒绝是不可逆的——你失去这个客户，也失去他的数据。低额度是可逆的——你仍然获得行为数据，同时把单笔最大损失控制在可承受范围内，而且后续可以用”低额度起步、用行为解锁”的方式逐步提额（关于额度策略，见本系列 ch 233）。

所以冷启动期的产品应该具备：更小的首笔金额、更短的期限、更保守的初始额度，而不是更高的拒绝率。

四、与海外现金贷场景结合

在海外现金贷的具体语境里，冷启动有几个特殊之处。

第一，”无征信”是常态而不是例外。 在很多新兴市场，你的目标客群大概率没有央行征信记录。这意味着”外部评分”这条路可能一开始就是断的，你必须依赖替代数据：钱包流水、话费消费、在网时长、设备稳定性、电商消费记录。

替代数据的一个关键优势是它对新客没有”薄档案”歧视——一个从未贷过款的人，可能已经用手机钱包转账了三年。所以在海外市场，钱包流水的价值往往高于央行征信。

第二，”一个建模、一个策略”的黄金组合必须落地。 冷启动期的正确分工是：数据侧负责把外部接口拼装成特征底座（证件 OCR、活体、在网状态、黑名单、多头评分），策略侧负责用规则引擎做拦截。 两者不能混——混在一起的结果是，你分不清一笔坏账是被数据骗了还是被规则放过的。

第三，政策与实操的差距在监管合规上会被放大。 冷启动期的硬规则往往包含地域、职业、收入门槛，而这些规则如果不做公平性审视，在部分市场可能触发歧视性定价的合规风险。 建议在规则库建立时就记录每条规则的业务理由，并定期做群体通过率对比。

第四，产品周期短是冷启动的红利。 海外现金贷的产品期限普遍偏短，这意味着表现期成熟得比消费分期快得多。 一笔 14 天或 30 天的产品，几个月内就能跑出一批成熟样本；而一个 36 期的分期产品需要三年。这就是为什么现金贷比分期更适合作为冷启动的探路产品。

第五，诈骗团伙的本地化速度往往快于你的建模速度。 新市场上线后，通常在很短时间内就会出现针对你规则的系统性攻击。这意味着冷启动期的规则库必须有”快速迭代”的能力——不是按月更新，而是按周。 这也反过来强化了前面的结论：策略引擎必须和模型解耦，否则你每次改规则都要等一次模型部署（关于决策引擎的解耦设计，见本系列 ch 230）。

小结

冷启动的核心认知只有一句话：不要在没有数据的阶段做需要数据的决策。

正确的顺序是：

1. 反欺诈与身份基础设施先行——欺诈是确定性问题，必须最先解决；
2. 判断型政策顶上第一版——把专家判断写成明确、一致、可追溯的规则；
3. 还款能力抽取当成风控核心——规则的强度取决于输入数据的质量；
4. 从第一天就埋全决策数据——包括数据源可用状态；
5. 设计小比例受控探索——这是打破数据死锁的唯一合法路径；
6. 给规则设过期时间——临时规则会沉淀成永久约束；
7. 用额度而不是拒绝来控制风险——拒绝不可逆，低额度可逆。

冷启动期最难的不是技术，是心态。 团队必须接受一件事：第一版风控一定是不完美的，它的目标不是”把风险控制到最低”，而是”在损失可承受的前提下，尽可能快地产生可学习的数据”。

把这两件事分清楚，冷启动就不再是一个死锁，而是一个设计问题。

下一篇，我们讲一个横跨冷启动与规模化两个阶段的题目：特征工程与第三方数据接入——征信局、替代数据、设备指纹，到底怎么接、怎么用、怎么算。