一、风控基础与阈值概念
大家好，我是老张。在金融科技这行摸爬滚打了十几年，今天咱们聊聊风控里最基础、也最容易被忽视的一个概念——阈值。
说实话，很多人觉得阈值不就是个数字吗？设高点、设低点，有啥好讲的？
嗯，我当年也这么想。直到有一次线上事故，让我彻底改变了看法。
1.1 什么是风控？
风控，全称风险控制。说白了，就是在损失发生之前，把风险拦住。
你想想看，一个用户注册进来，你怎么知道他是不是坏人？他申请借款，你怎么判断他会不会还钱？他发起交易，你怎么确认不是盗刷？
这些判断，靠的就是风控系统。
我个人习惯把风控比作守门员。球（风险）飞过来了，守门员得判断：这个球是冲着我来的，还是偏了？力度多大？角度多刁？然后决定扑还是不扑。
风控系统也一样。它要判断：这笔请求是正常的，还是异常的？如果是异常的，异常到什么程度？该直接拒绝，还是先观察一下？
核心观点：风控的本质，是在「用户体验」和「资金安全」之间找平衡。太严了，用户骂娘；太松了，公司亏钱。
1.2 阈值在风控中的作用
阈值，就是那个判断的分界线。
举个例子。我们判断一笔交易是不是盗刷，会看「单笔金额」。如果用户平时消费都是几十块，突然来了一笔 5000 块，那就有问题。
这个「5000 块」就是阈值。
阈值的作用，我总结为三点：
- 决策依据：超过阈值，触发风控动作（拒绝、人工审核、二次验证）
- 资源分配：阈值以内的请求走自动放行，阈值以外的走深度审核，节省算力
- 风险量化：阈值的高低，直接反映了机构的风险偏好
我在项目中遇到过一件事。有个客户，他们的风控策略里有个「单日累计交易金额」的阈值，设的是 10 万。结果呢？黑产团伙摸到了这个规律，每天精准控制在 9.9 万，连续薅了一个月羊毛。
你看，阈值设死了，就等于把底牌亮给了对手。
避坑指南：我曾经见过一个团队，把阈值写死在配置文件里，上线后就没改过。结果业务量翻了 10 倍，阈值还是原来的值。那段时间的坏账率，啧啧，惨不忍睹。
1.3 静态阈值 vs 动态阈值
好，咱们进入正题。
静态阈值，就是固定不变的数字。比如「单笔金额超过 5000 元就拒绝」，这个 5000 就是静态的。
它的优点是简单、好理解、好实现。缺点是——太死板。
你想想看，双十一期间，用户消费金额普遍上涨。平时 5000 的阈值，在双十一可能连正常用户都拦住了。反过来，平时交易清淡的时段，5000 的阈值又可能漏掉风险。
动态阈值，就是会变的阈值。它会根据时间、用户行为、外部环境等因素自动调整。
比如：
- 工作日白天，阈值设高一点（正常交易多）
- 凌晨 3 点，阈值设低一点（盗刷高发时段）
- 新用户，阈值设低一点（风险未知）
- 老用户，阈值设高一点（有历史数据支撑）
我给大家画个图，看看两者的区别：
从图上能看出来，静态阈值就是一条直线，不管环境怎么变，它就在那。动态阈值是一条曲线，跟着实际情况走。
我给大家列个对比表，更直观：
| 对比维度 | 静态阈值 | 动态阈值 |
|---|---|---|
| 定义 | 固定不变的数字 | 根据环境自动调整 |
| 实现难度 | 低，写死就行 | 高，需要算法支撑 |
| 适应性 | 差，无法应对变化 | 强，自动适应环境 |
| 安全性 | 低，容易被破解 | 高，黑产难以摸透 |
| 维护成本 | 高，需要人工调整 | 低，系统自动维护 |
| 适用场景 | 业务稳定、风险可控 | 业务波动大、风险多变 |
我的建议：如果你刚开始做风控，先用静态阈值跑起来。等数据积累够了，再慢慢过渡到动态。别一上来就搞复杂的，容易翻车。
说到这，我想起一个真实案例。某支付公司，早期用的就是静态阈值。后来业务量上来了，每天要人工调整几十次阈值，运维团队苦不堪言。
后来他们上了动态阈值系统，基于时间序列预测模型，每 5 分钟自动调整一次。效果怎么样？
- 误杀率（把正常用户当坏人）下降了 60%
- 漏过率（把坏人当好人）下降了 40%
- 运维团队从 5 个人减到了 1 个人
你看，这就是动态阈值的价值。
当然，动态阈值也不是万能的。它需要大量的历史数据做支撑，需要持续的模型训练和调优。如果数据质量差，或者模型没选对，动态阈值可能比静态的还糟糕。
我曾经就踩过这个坑。有一回，我们用了一个简单的移动平均算法来做动态阈值，结果遇到节假日，数据波动剧烈，阈值跟着乱跳，把正常用户拦了一大片。后来改成加权移动平均，加上节假日因子，才稳住。
所以，动态阈值不是银弹。它是一把双刃剑，用好了是神器，用不好是灾难。
好了，这一章咱们讲了风控的基础概念，阈值的作用，以及静态和动态阈值的区别。下一章，我会带大家看看动态阈值具体怎么落地，包括数据准备、算法选型、效果评估这些实战内容。
咱们下章见。