创始人介绍
赖以涵
Lai Yihan · Cloudy
有一种判断力，不来自课本，
而是在一次次的问：
「这个人，还得了吗？」
之后，慢慢长出来的。
向下阅读
Lai Yihan · Cloudy
有一种判断力，不来自课本，
而是在一次次的问：
「这个人，还得了吗？」
之后，慢慢长出来的。
我在头部租赁做了很多年，那里问的是：这个客户的钱，会通过什么路径还不上？ 出来之后才发现，外面几乎所有人——从银行到租赁—— 问的都是另一个问题：这个客户，够不够格？
两种问法碰在一起，我才意识到那道裂缝有多深。 景气好时看不出差异；银行开始下沉、市场开始内卷， 差距就全写在 ROE 上了。 这不是优化的问题，是方法论根本就不是同一件事。 微函树从这里开始——把那套在头部租赁被验证过的因果逻辑， 做成任何一家公司都能用的系统。
国内 TOB 风控的模型，大多是零售模型的移植——把相关性逻辑搬过来， 把不相干的变量凑成一个分数。零售客户行为模式简单，这套勉强跑得通； 企业经营模式复杂，违约走的是因果链条，不是画像相似度。 用选美逻辑预测因果机制，模型当然不准。
懂指标不难，难的是懂「为什么」—— 为什么阈值在这里，为什么路径会在这个节点断。 零售模型分类的是客群，我们分类的是违约行为因子本身。 知道了为什么，模型才能被校准，而不只是被套用。
从头部机构出来后，我一次又一次重新组建团队。 四面八方不同的文化背景，语言不统一，磨合的成本有时比业务本身还高。 非标项目强调效率，偏偏最后还有风管会集体决策这一关。 多少好案子，就在那个会议室门口悄悄走掉了。
我们的利率比银行高，但客户选我们，靠的就是效率。 这让我逐渐明白：效率本身就是风控的一部分。 风险越低才能决策越快，越快才能守住定价空间。 两者从来不是取舍，而是同一件事。
我开始追求用系统化、标准化、数字化，
去解决传统组织架构无法解决的问题——
效率，以及难以规模化的困境。
同样输出评级模型，只是分类的对象不同。正向筛选找的是「像好客户的人」；我们这套系统针对违约因子分类，问的是这笔钱会不会在存续期内还不上——锁定银行看漏的灰度客群。
所有方法论都应该先在真实案件中被验证，再被提炼成框架。顺序不能反过来。
系统可以识别九成的模式，但那一成的例外，依然需要有真正判断力的人。两者缺一不可。
任何一个单独的数据源都可以被包装。只有跨越多个信息来源的交叉验证，才能逼近真实。
审贷、尽调、贷后，接触到第一批跨越违约路径的案件。开始理解： 问题不在报告怎么写，而在哪些信号被忽略了。
大量的民营企业客户，信息不透明，财报失真，但违约的路径却出奇地相似。 开始系统性地整理：那些路径长什么样子。
开始把多年的叙事判断，往可量化的方向整理。 违约路径的雏形，在一个个真实案件里慢慢浮现。
同年起，与深度参与过头部租赁评级模型建设的资深风控专家们合作—— 在那套沉淀了二十余年的底层框架基础上， 进一步系统化、数字化，服务融资租赁行业。