監管層面的原則：國家監管規定的客群不能放；
【資料圖】
公司層面的原則：老板說不能放的客群也不能放；
風控層面的原則：業務經驗、專家經驗、數據分析和模型認為風險高的不能放。
1. 監管層面
監管會約束機構禁止對未成年發放貸款，執行起來，準入規則就會強制要求用戶年齡大于等于 18 周歲。
學生貸也會有較多監管要求，因為學生群體大多沒什么穩定的經濟收入來源，按時還款的能力不足，容易滋生過度借貸和詐騙。
3. 公司層面
準入通常也會設定一個年齡上限，例如 60 歲。設定年齡上限往往是出于輿論的考慮，老年人貸后事故可能會更大，例如遇到催收反應過激。這一般并不在監管范疇，而是公司層面的原則。
高危地區也是如此，某些區域歷史上出現過集中詐騙，為了防止被團伙攻擊，在公司層面直接不對這些高危地區準入的做法也是存在的。
另外，公司也會規定同一申請人被拒絕一個月內不能再次申請借款。這是因為短時間內用戶的信息不會發生明顯變化，用戶的風險評估結果不會前后差異過大，前次被拒絕，再次評估往往還會被拒絕。而評估一個人是有成本的，低效地去重復查詢數據是不可取的。
4. 風控層面
根據行業經驗，制定欺詐類、黑名單類、多頭類、信用不良類的強規則是不言而喻的。
實際上，基于數據分析的規則制定是方便易行的。基于特征庫，挑選出一些風險區分度高的變量是一個單變量分析的過程。只要遵循三個指標，準確率、召回率和穩定性，就能找出有效可用的規則集。
準確率是說命中的人當中壞用戶占比要盡量高。
召回率指的是命中的壞用戶要足夠多，一條規則只找出了幾個人，即使都是壞人，也沒有意義。
穩定性當然很重要，命中的人數、命中的人當中壞用戶占比，都需要持續穩定。否則要頻繁跟蹤調整。
需要說明的是，模型也可以理解成一條規則，只不過它是將許許多多的弱變量組合成一個強變量。強變量用于規則，弱變量用于模型。
他們的本質都是將用戶分層，方便我們將用戶一分為二，將其通過或拒絕。
對于一些可變規則，應定期檢測規則的時效性，有些規則是經常需要更新的。另外還需要保密，尤其是反欺詐規則。