一、因果推断与风控概述：什么是因果推断？为什么风控需要因果？从相关到因果的思维转变

1.1 先讲个真实的故事

几年前，我接手了一个信贷模型优化项目。

模型上线后，AUC 从 0.72 提升到了 0.78，看起来不错。但奇怪的是，逾期率反而上升了 5%。

排查后发现，模型学到了一个强特征：「用户是否在凌晨 3 点登录 APP」。这个特征跟逾期高度相关——凌晨活跃的用户，逾期率确实高。

但问题是：凌晨登录，真的是导致逾期的原因吗？

不是。那些用户只是夜班工作者，收入稳定，还款意愿并不差。模型把「相关」当成了「因果」，结果误杀了大量好客户。

嗯，这就是典型的「相关 ≠ 因果」陷阱。

1.2 什么是因果推断？

说白了，因果推断就是回答「如果……会怎样」的问题。

• 如果我给这个用户提额 20%，他会逾期吗？
• 如果我拒绝这笔贷款，用户会去借高利贷吗？
• 如果我发送催收短信，用户会提前还款吗？

这些问题，传统机器学习回答不了。因为机器学习只看到「发生了什么」，而因果推断要回答的是「如果发生别的情况，会怎样」。

我个人的理解是：因果推断 = 数据 + 假设 + 反事实推理。

举个例子：

• 相关：打伞的人越多，下雨的概率越大。
• 因果：打伞不会导致下雨，下雨才是打伞的原因。

在风控里，这个区别太重要了。你想想看，如果模型把「打伞」当成「下雨」的原因，那晴天里看到有人打伞，模型就会预测要下雨——这不就乱套了吗？

1.3 为什么风控需要因果？

我总结了三个最直接的原因：

1. 干预决策的需要
   风控的本质是做决策：批不批？提不提额？催不催收？
   每个决策都是一个「干预」。因果推断能告诉你干预的效果。
2. 避免辛普森悖论
   我在项目中遇到过：整体上看，某个特征跟逾期正相关，但分到每个子群体里，却是负相关。
   如果不做因果分析，你根本发现不了这种「反转」。
3. 模型的可解释性
   监管越来越严，你不能只说「模型说拒就拒」。你得解释：为什么这个用户会被拒？是哪个因素导致的？
   因果推断天然提供这种解释能力。

1.4 从相关到因果的思维转变

这个转变，说起来简单，做起来难。我把它拆成三个层次：

层次	传统思维（相关）	因果思维
第一层	看到 A 和 B 一起出现	问：A 是否导致 B？
第二层	用 A 预测 B	问：改变 A，B 会变吗？
第三层	追求预测精度	追求干预效果

举个例子：

• 相关思维：「用户点击了广告 → 用户申请了贷款 → 用户逾期了。所以点击广告的用户风险高。」
• 因果思维：「用户点击广告，可能是因为他本来就缺钱。缺钱才是逾期的原因，点击广告只是结果。所以，屏蔽广告并不能降低逾期率。」

你看，同样的数据，不同的思维，得出的结论完全不同。

1.5 因果推断的核心框架

下面这张图，是我自己总结的因果推断在风控中的落地框架：

1.6 一个简单的代码示例

为了让你更直观地理解「相关 vs 因果」，我写个简单的 Python 模拟：

import numpy as np
import pandas as pd

# 模拟数据：10000个用户
np.random.seed(42)
n = 10000

# 真实因果结构：
# 收入 → 逾期（负相关）
# 收入 → 凌晨登录（负相关）
# 所以：凌晨登录和逾期正相关，但这是虚假相关

income = np.random.normal(5000, 1500, n)  # 收入
overdue_prob = 1 / (1 + np.exp(-(income - 5000) / 1000))  # 逾期概率，收入越高逾期越低
overdue = np.random.binomial(1, overdue_prob)

late_night_login_prob = 1 / (1 + np.exp(-(5000 - income) / 800))  # 收入越低越容易凌晨登录
late_night_login = np.random.binomial(1, late_night_login_prob)

# 计算相关性
corr_login_overdue = np.corrcoef(late_night_login, overdue)[0, 1]
corr_income_overdue = np.corrcoef(income, overdue)[0, 1]

print(f"凌晨登录与逾期的相关系数: {corr_login_overdue:.3f}")
print(f"收入与逾期的相关系数: {corr_income_overdue:.3f}")
# 输出：
# 凌晨登录与逾期的相关系数: 0.152
# 收入与逾期的相关系数: -0.487

看到了吗？凌晨登录和逾期正相关（0.152），但收入才是真正的因（-0.487）。

如果你只看相关，就会误以为「凌晨登录导致逾期」。但因果分析告诉你：是低收入同时导致了凌晨登录和逾期。

1.7 小结

这一章，我们聊了：

• 因果推断是什么——回答「如果……会怎样」
• 风控为什么需要因果——干预决策、避免悖论、可解释性
• 从相关到因果的思维转变——三个层次，一个框架

我个人觉得，因果推断最大的价值不是给你一个「更好的模型」，而是给你一个更清醒的头脑。让你在做决策时，能问出那个关键问题：

「这个关系，是真的因果，还是只是相关？」

下一章，我们会深入因果推断的数学基础——DAG（有向无环图）和 do-算子。到时候我会用实际案例，带你一步步构建因果图。

---

公众号:蓝海资料掘金营，微信deep3321