2. 信用评分基础
在进入KS、AUC与Gini的实战计算之前，必须先建立一套共同的业务语言。信用评分模型不是单纯的机器学习练习，它服务于授信审批、额度定价、贷后监控与资本计量。若对“风险”“违约”“评分卡”“评估环节”的理解不一致，后续所有指标都会失去解释力。本节把信用评分的地基拆成四块：信用风险的本质、违约定义的口径、评分卡的类型、以及模型开发流程中评估环节的定位。
一、信用风险的本质：不是“坏客户”，而是“不确定性带来的损失”
信用风险通常指交易对手未能按约定履行偿付义务，导致债权人发生经济损失的可能性。在零售信贷中，它表现为借款人逾期、拖欠甚至不还款；在对公业务中，还涉及评级迁移、违约相关性和回收率。对评分模型而言，关键不是给客户贴“好人/坏人”标签，而是估计未来一段时间内发生违约的概率，并据此排序。
信用风险具有三个对建模有直接影响的特征：
- 滞后性：今天放款，风险可能在6个月、12个月甚至更久后才暴露，因此需要定义“表现期”。
- 不对称性：少数违约客户造成大部分损失，模型不能只看准确率，必须关注排序能力与尾部识别。
- 样本偏差：被拒绝的客户没有表现，直接用通过样本建模会引入“拒绝推断”问题。
二、违约定义：口径决定标签，标签决定模型
违约定义是评分卡开发中最容易被忽视、却最致命的环节。同一个客户，按“逾期30天”算违约还是按“逾期90天”算违约，标签完全不同，模型学到的规律也不同。常见口径包括：
| 口径类型 | 典型定义 | 适用场景 | 对模型的影响 |
|---|---|---|---|
| 监管口径 | 逾期90天以上、或核销、或重组 | 资本计量、监管报送 | 标签严格，正样本少，模型偏保守 |
| 业务口径 | 逾期30天以上（M1+） | 审批、早期预警 | 正样本多，区分度更敏感 |
| 滚动率口径 | 从M0滚动到M3+ | 贷后监控、催收策略 | 更贴近风险迁移过程 |
| 损失口径 | 实际发生本金损失 | 定价、拨备 | 样本极少，需结合回收率 |
定义违约时还要同时确定三个要素：观察期（用多长的历史行为做特征）、表现期（未来多久内观察是否违约）、观察时点（以哪一天作为切分）。例如“观察期12个月、表现期6个月、观察时点2024-01-01”，意味着用2023年全年行为预测2024年上半年是否逾期30天以上。
三、评分卡类型：从A卡到F卡，评估目标各不同
评分卡按生命周期阶段划分，常见有A、B、C三卡，部分机构还扩展出F卡、反欺诈卡等。不同类型对应不同的标签定义和评估重点：
- A卡（申请评分卡）：用于新客户审批，标签通常是“未来6/12个月是否逾期30天以上”，评估重点是排序能力和通过率下的坏账率。
- B卡（行为评分卡）：用于存量客户管理，基于还款、消费、额度使用等行为，标签多为“未来3/6个月是否违约”，评估重点是监控与额度调整。
- C卡（催收评分卡）：用于逾期客户，预测“能否收回”或“回收金额”，评估重点从排序转向回收率与成本收益。
- F卡（反欺诈评分卡）：预测申请欺诈概率，标签是“是否确认为欺诈”，样本极度不平衡，评估需关注召回率与误杀成本。
无论哪类评分卡，评估指标的选择都取决于业务决策点。A卡关注通过/拒绝阈值附近的区分度，B卡关注风险迁移的稳定性，C卡关注回收排序。KS、AUC、Gini是通用排序指标，但解读时必须结合具体卡类型和阈值策略。
四、模型开发流程与评估环节定位
一个完整的评分卡开发流程通常包括：业务理解、数据准备、特征工程、样本设计、模型训练、模型评估、校准与分箱、上线部署、监控迭代。评估环节不是最后一步，而是贯穿始终的质量门禁。
业务理解 → 数据准备 → 特征工程 → 样本设计
→ 模型训练 → 模型评估 → 概率校准 → 评分映射
→ 上线部署 → 监控与迭代
评估环节的定位可以从三个层次理解：
- 离线评估：在训练集、验证集、时间外样本上计算KS、AUC、Gini，判断排序能力与稳定性。这是本节后续章节的核心。
- 业务评估：把分数映射为通过率、坏账率、审批成本，回答“这个模型能不能赚钱”。
- 上线监控：跟踪PSI、KS衰减、分数分布迁移，判断模型是否失效。
五、案例场景：同一批客户，不同违约定义下的评估差异
假设某消费金融公司有10万申请客户，观察期12个月，表现期6个月。若按“逾期30天以上”定义违约，正样本约8%；若按“逾期90天以上”定义，正样本约3%。同一模型在两种标签下的KS可能相差5到10个百分点。原因在于：30天口径包含更多“短期困难但最终还款”的客户，模型更容易区分；90天口径更接近真实损失，但样本少、噪声大。
因此，在报告KS、AUC、Gini时，必须同时说明：样本口径、违约定义、观察期与表现期、训练/验证/时间外切分方式。否则指标不可比，也无法复盘。