2. 信用风险基础
在进入概率校准与风险分层的建模实战之前，必须先建立一套统一的“风险语言”。信用风险建模中大量术语看似相近，实际含义、量纲与使用边界差异很大。如果概念混淆，后续的校准曲线、分层策略和业务阈值都会失去意义。本章围绕三个核心概念展开：违约概率（PD）、信用评分（Score）与风险分层（Risk Stratification），并说明它们之间的转换关系与业务落点。
一、核心原理：从“会不会违约”到“有多大概率违约”
信用风险的本质是交易对手在未来一定期限内未能按约定履行偿付义务的可能性。业界通常用“违约概率”来量化这一可能性。需要强调的是，PD 是一个概率值，取值在 0 到 1 之间，具有明确的时间窗口（如未来 12 个月）和违约定义（如逾期 90 天以上）。
信用评分则是 PD 的一种单调变换。评分本身不是概率，而是把概率映射到一个更易沟通、更易设阈值的整数区间，例如 300～850 分。评分越高，代表违约概率越低。二者关系可概括为：
Score = A - B × ln(PD / (1 - PD))
其中：
A、B 为刻度参数，决定评分区间与方向
PD/(1-PD) 为违约优势比（Odds）
评分越高 → PD 越低（方向由 B 的符号决定）风险分层则是在评分或 PD 基础上，按风险高低把客户划分为若干互斥且有序的等级，例如 A、B、C、D、E 五档。分层的目标是让同一层内风险尽量接近，不同层之间风险差异尽量显著，从而支撑差异化定价、额度管理和贷后监控。
二、方法流程：从数据到风险等级的标准化路径
一个规范的信用风险量化流程通常包含以下步骤，理解该流程有助于后续章节中校准与分层的位置判断：
- 定义违约：明确违约口径，如 M3+（逾期 90 天以上）、M4+ 或破产等，不同口径对应不同 PD。
- 构建样本：确定观察期与表现期，标注好坏样本，处理样本不平衡。
- 特征工程与建模：使用逻辑回归、梯度提升树等模型输出违约概率估计。
- 概率校准：将模型原始输出调整为接近真实发生率的 PD，常用 Platt 缩放、等渗回归等。
- 评分转换：按业务需要把 PD 映射为评分卡分数，确定基准分与 PDO。
- 风险分层：基于评分或 PD 切分等级，验证单调性与区分度。
- 策略应用：将等级接入审批、定价、额度、催收等环节。
其中，概率校准解决“概率准不准”，风险分层解决“排序好不好用”。二者目标不同，但都依赖前序步骤的严谨性。
三、常见术语与业务应用场景
下表汇总了信用风险中最常被混用的术语及其业务含义，建议作为团队沟通的统一口径：
| 术语 | 含义 | 典型取值/形式 | 业务用途 |
|---|---|---|---|
| PD | 违约概率 | 0～1 的小数 | 定价、资本计量、拨备 |
| Odds | 违约优势比 | PD/(1-PD) | 建模中间量、评分转换 |
| Score | 信用评分 | 整数区间，如 300～850 | 审批、额度、客户沟通 |
| PDO | 分数翻倍所需分值 | 如 20 分 | 评分卡刻度设计 |
| KS | 区分度指标 | 0～1，越大越好 | 模型排序能力评估 |
| AUC | ROC 曲线下面积 | 0.5～1 | 模型整体区分能力 |
| LGD | 违约损失率 | 0～1 | 预期损失计算 |
| EAD | 违约风险暴露 | 金额 | 预期损失计算 |
在业务场景中，这些概念直接对应具体动作。例如消费信贷审批中，评分低于某阈值直接拒绝；定价环节中，PD 越高则风险溢价越高；贷后管理中，风险等级下降会触发额度调降或提前催收。风险分层让策略从“一刀切”变为“分层施策”，既控制风险，也避免误伤优质客户。
四、误区与复盘：新手最容易踩的四个坑
在实际项目中，以下误区反复出现，值得在建模前就建立检查清单：
- 把评分当概率用：评分是序数刻度，不能直接当作违约率。若要用作定价，必须先校准为 PD。
- 忽略时间窗口：PD 必须绑定观察期与表现期，12 个月 PD 与 24 个月 PD 不可直接比较。
- 分层只看区分度：KS 高不代表各层 PD 单调。分层后必须检查每层实际违约率是否单调递增。
- 样本偏差未处理：拒绝推断缺失会导致 PD 被系统性低估，校准结果失真。
理解 PD、评分与风险分层三者的定义、转换关系与业务边界，是后续概率校准与分层实战的前提。只有在统一口径下，模型输出的数字才能真正转化为可执行的风险决策。