算法—模型—智能体，层层递进的研发格局

建模样本处理能力

对先息后本类、等额类、不规则类样本进行分类处理；严格定义不同口径的全量、坏、好和灰样本；确保建模样本无风险边际蔓延。

建模衍生变量设计能力

通过对个人征信、税务、发票、流水、场景、第三方金融数据进行“时间＋产品＋状态＋值＋统计”的多维设计，形成 2 万余个具备可解释性且有 KS 表现的多维衍生变量，已产品化为变量衍算平台 VDC 的预装资产；同一五维方法也适用于快消、制药等行业的明细数据。

这些变量不仅量化评价借款人的还款能力与还款意愿，还从十五个维度细粒度刻画借款人贷前、贷中、贷后及营销响应行为的变化。

建模工具能力

所使用的建模工具源自摩根大通总行沿用 30 年的建模工具，并由 7 位博士及十余名硕士研究生在国内历时三年优化：在 1,000 余万样本上实践并标准化，涵盖 3,000 余个建模细节，加入 100 余个自主研发的统计学及机器学习算法，新旧版本经 100 余个项目验证。

依托这一工具体系，弘犀与 60 余家厂商及银行的 200 个团队同台 PK，在区分度、模型与策略稳定性、排序性、性能等技术指标上持续保持领先。

产品设计能力

在国内设计过 30 余个场景产品，在产品要素、业务流程与风控体系方面积累了完整方法论，数百个落地难题均在迭代优化中得到解决。

覆盖营销白名单、风控白名单、反欺诈、准入规则、主标尺模型、定额定价、实控人尽调、通用尽调、审批、合规、用信模型与策略、贷后预警、提款率模型、续贷模型、循环贷模型、贷后催收策略、保全、ABS 策略、客户分层、千人千面还款方式、主辅担保模式、营收核定、风险与额度博弈等。