4. 坏客户定义方法
在信用评分模型中，“坏客户”并不是一个道德判断，而是一个业务口径。它决定了模型学习的目标，也决定了通过率、拒绝率、额度策略和贷后管理动作。坏客户定义一旦变化，同一批客户的标签会改变，模型的KS、AUC、排序能力也会随之变化。因此，坏客户定义必须与产品类型、账期结构、风险偏好和监管要求匹配。
一、核心原理：坏客户定义是“风险事件+时间窗口”的组合
任何坏客户定义都可以拆成三个要素：风险事件、观察期、表现期。风险事件是“发生了什么”，例如逾期超过30天、形成坏账、被核销、被起诉；观察期是“用多长时间的数据判断准入”；表现期是“放款后观察多久来判断好坏”。坏客户定义的本质，是在表现期内捕捉到指定风险事件的客户。
常用风险事件包括：逾期天数（DPD）、逾期金额、逾期次数、坏账、核销、法律诉讼、强制执行、担保代偿等。不同事件对应不同严重程度和不同适用场景。例如，DPD30通常用于消费信贷早期预警，DPD90更接近监管不良口径，核销和法律诉讼则属于更严重的损失类事件。
关键结论：坏客户定义不是越严越好。定义过严，坏样本太少，模型无法学习；定义过松，好客户被误判，业务规模受损。目标是在可解释、可执行、可监控的前提下，让坏样本比例与业务风险偏好匹配。
二、常用坏客户界定标准与适用场景
下面列出六类常用标准，并给出典型口径、优缺点和适用场景。实际项目中，通常采用“主定义+辅助定义”的方式，例如主定义用DPD30，辅助定义用DPD60或核销，用于稳健性检验。
| 界定标准 | 典型口径 | 优点 | 局限 | 适用场景 |
|---|---|---|---|---|
| 逾期天数 | DPD30、DPD60、DPD90 | 口径统一、易监控、与催收联动强 | 不同账期产品不可直接比较 | 消费贷、信用卡、现金贷 |
| 逾期金额 | 逾期本金≥X元或逾期比例≥Y% | 能区分小额拖欠与大额风险 | 阈值主观，易受额度影响 | 大额分期、经营贷 |
| 逾期次数 | 表现期内逾期≥2次或≥3次 | 捕捉习惯性拖欠 | 对偶发逾期不敏感 | 循环授信、信用卡 |
| 坏账 | 逾期180天以上或认定损失 | 接近会计损失口径 | 滞后性强，样本成熟慢 | 贷后损失预测、拨备 |
| 核销 | 已核销或已转让 | 损失明确，标签干净 | 核销政策影响大，样本少 | 资产组合分析、回收模型 |
| 法律诉讼 | 被起诉、强制执行、失信 | 严重程度高，欺诈关联强 | 覆盖率低，流程长 | 反欺诈、高风险名单 |
选择标准时，要问三个问题：第一，该事件是否在表现期内能稳定观察到；第二，该事件是否与业务损失强相关；第三，该事件是否会被运营策略人为改变。例如，催收力度加大后，DPD30可能下降，但DPD90未必同步下降，这说明定义需要结合催收策略复盘。
三、方法流程：从业务目标到标签落地
坏客户定义不是拍脑袋，而是一个可复现的流程。建议按以下步骤执行：
- 明确业务目标：是预测首次逾期、严重逾期还是最终损失？目标不同，事件不同。
- 确定表现期：现金贷常用3～6期，信用卡常用6～12期，房贷常用12～24期。表现期必须覆盖大部分风险暴露。
- 选择主定义：通常用DPD30或DPD60作为主定义，兼顾样本量和风险区分度。
- 设置辅助定义：用DPD90、核销、诉讼做稳健性检验，避免主定义偶然性。
- 定义灰样本：将未到期、无足够表现期、展期、重组客户单独标记，不直接归入好坏。
- 标签回溯与监控：定期检查坏样本率、迁移率和定义稳定性。
示例：某现金贷产品坏客户定义配置
表现期：放款后6期
主定义：DPD30及以上
辅助定义：DPD60、DPD90、核销
灰样本：表现期不足、展期、重组、未到期
排除样本：测试单、内部员工、欺诈已确认
标签：坏=1，好=0，灰=不参与训练实操建议：如果坏样本率低于3%，可以考虑放宽到DPD15或DPD30；如果坏样本率高于20%，需要检查是否把“短期拖欠但最终还款”的客户误判为坏客户。坏样本率没有绝对标准，但通常建模样本中坏样本占比在5%～15%之间较易训练稳定模型。
四、案例与场景：不同产品的定义差异
场景一：信用卡。信用卡有循环额度，客户可能长期最低还款。若只用DPD30，会漏掉“长期拖欠但未达30天”的风险。因此常用“DPD30或连续2期逾期”作为坏客户定义，并辅以逾期次数。
场景二：大额经营贷。客户逾期金额可能很大，但逾期天数很短。此时仅看DPD30会低估风险。可定义“DPD30或逾期本金≥5万元”为坏客户，兼顾严重程度和金额暴露。
场景三：汽车金融。车辆抵押物会改变催收行为，客户可能在逾期后快速还款。若表现期太短，坏客户定义不稳定。通常表现期设为12期，主定义用DPD60，辅助用DPD90和核销。
场景四：反欺诈。法律诉讼、强制执行、失信名单属于强风险信号，但覆盖率低。它们不适合作为主定义，适合作为规则拦截或辅助标签，用于识别团伙欺诈和恶意逃废债。
五、误区与复盘：坏客户定义常见的五个坑
- 误区一：把“逾期”等同于“坏”。短期逾期可能只是忘记还款，不代表最终损失。必须结合天数和金额。
- 误区二：表现期不足就建模。表现期未覆盖风险暴露期，坏样本被低估，模型会高估好客户比例。
- 误区三：忽略灰样本。展期、重组、未到期客户直接归为好客户，会污染标签。
- 误区四：定义随策略变化而不复盘。催收、减免、展期政策会改变坏客户分布，需定期回溯。
- 误区五：只用一个定义。单一DPD30可能偶然性大，建议主定义+辅助定义交叉验证。
复盘要点：坏客户定义一旦确定，应在模型开发、验证、监控全流程保持一致。若中途修改定义，必须重新训练模型并评估迁移影响。否则，模型上线后会出现“离线指标好、线上表现差”的典型问题。
总结来看，坏客户定义是信用评分的地基。逾期天数、逾期金额、逾期次数、坏账、核销、法律诉讼各有适用边界。实践中应以业务目标为起点，以表现期为约束，以主定义+辅助定义+灰样本为结构，确保标签可解释、可复现、可监控。只有这样，后续的观察期与表现期设计、特征工程和模型评估才有可靠基础。