在风控领域中，一般先对长清单（long list）的变量进行IV值筛选，优先排除高 度相关、趋势异常、解释不易及容易偏移者。经过筛选后的变量集合称为短清单（short list），这个清单即模型的候选变量。在建立模型时可利用顺向进入法（forward selection，也称向前法）、反向排除法（backward elimination，也称向后法）及逐步回归 法（stepwise）等方法选出效果最佳的变量组合。 向前法、向后法、逐步法是线性回归中常用变量选择的方法，在逻辑回归中也可以使用。如 果有同学不清楚可以自行查阅，这里由于篇幅原因就不具体介绍了。

在变量筛选的方法中，常见的有以下几种：

A: 逐步法（Stepwise Selection）：逐步法是一种结合向前选择和向后消除的方法。它在每一步既可以加入新的变量，也可以移除已经加入的变量，直到模型达到某种最优标准。

B: 向前法（Forward Selection）：向前法从一个空模型开始，逐步加入变量，每次选择对模型改进最大的变量，直到没有显著的变量可以加入为止。

C: 向后法（Backward Elimination）：向后法从一个包含所有变量的完整模型开始，逐步移除不显著的变量，每次移除对模型影响最小的变量，直到所有剩余变量都显著为止。

D: 综合法：综合法通常指的是结合多种变量选择方法，可能包括逐步法、向前法和向后法等，以达到最优的变量选择效果。

根据上述描述，正确答案是：

A: 逐步法
B: 向前法
C: 向后法
D: 综合法

这些方法都是常见的变量筛选方法，每种方法都有其优缺点，具体选择哪种方法应根据实际情况和数据特征来决定。