针对中国邮政“融资 E”信贷业务在客户准入、授信评估与贷后管理方面的数智化转型需求，提出一套三阶段智能风控模型体系。第一阶段构建基于时频协同特征的客户准入模型，通过海量历史客户样本训练，模型在测试集 AUC 达到 0.848，F1-Score为 0.797，优于 GRU、TCN 等基线模型。第二阶段引入多模态额度评估模型，融合客户画像、行为序列及模型派生特征，构建的 DeepGBM 模型在测试集上取得 R2 为 0.95，均方误差为 2796.61。第三阶段提出贷后增量学习模型，通过在线反馈机制动态调整风险预测，召回率达到 0.87，AUC 达 0.98。研究验证了该风控体系在提升客户识别准确性与风险响应能力方面的显著优势，具有良好的实际推广价值。