3. 分群与分段的基本概念
在信用风险建模中，分群与分段是贯穿数据准备、特征工程、模型开发与策略部署的核心动作。很多团队在沟通时把“分群、分段、分层、客群、池化”混用，导致需求理解偏差、模型口径不一致、上线后策略冲突。本节先把术语边界厘清，再说明它们在建模流程中的位置与区别。
一、核心术语辨析：五个概念不是同义词
先给出一个可操作的区分框架：分群强调“把总体切成若干具有业务或统计差异的群体”；分段强调“在某一维度上按阈值切分，形成连续区间或离散段位”；分层强调“按层级或优先级组织，通常用于抽样、验证或策略叠加”；客群是分群结果的业务化表达，偏静态标签；池化则是把多个小群体合并建模，以解决样本不足或提升稳定性。
| 术语 | 核心动作 | 典型维度 | 主要目的 | 常见输出 |
|---|---|---|---|---|
| 分群 | 按业务/统计差异切分总体 | 渠道、产品、客群类型、风险等级 | 差异化建模与策略 | 群体标签、子模型 |
| 分段 | 按阈值切分连续变量 | 账龄、逾期天数、评分、收入 | 单调性、可解释性、策略阈值 | 区间段、WOE分箱 |
| 分层 | 按层级/优先级组织 | 抽样层、验证层、策略层 | 控制偏差、叠加规则 | 层级编号、优先级 |
| 客群 | 业务化命名群体 | 新客、老客、白领、小微 | 沟通与运营 | 客群名称、标签 |
| 池化 | 合并小群体共同建模 | 相似风险特征群体 | 提升样本量、稳定性 | 合并池、共享模型 |
记忆口诀：分群看“谁和谁不一样”，分段看“从哪到哪算一档”，分层看“谁先谁后”，客群看“怎么称呼”，池化看“谁和谁可以一起建模”。
二、核心原理：分群与分段在建模流程中的关系
分群与分段不是并列关系，而是先后配合、互相校验的关系。典型建模流程如下：
- 业务理解与总体定义：明确授信对象、产品、时间窗口，形成初始客群。
- 探索性分群：按渠道、产品、区域、客群类型做初步切分，观察坏样本率与特征分布差异。
- 变量分段：对连续变量做分箱，检验单调性、IV与WOE稳定性。
- 分群与分段交叉验证：检查同一分段在不同分群中是否方向一致，避免辛普森悖论。
- 池化决策：对样本量不足或表现相似的群体合并，形成最终建模池。
- 模型开发与策略部署：按最终分群/池化结果开发子模型或统一模型，并映射到策略阈值。
关键原则是：分群决定“建几个模型”，分段决定“变量怎么进模型”，池化决定“能不能少建几个模型”。三者顺序错乱，常见后果是分段阈值在某个小群里过拟合，或分群过细导致模型无法收敛。
三、案例/场景：消费贷新客与老客的分群分段实战
假设某消费贷产品要开发申请评分卡，总体包含新客与老客。若直接全量建模，会发现“历史逾期次数”对新客缺失严重，对老客却极强。此时应：
- 分群：按“新客/老客”切分为两个群体，分别观察坏样本率与特征可用性。
- 分段：对“年龄”做分段，如18-25、26-35、36-45、46+，检验各段坏样本率是否单调。
- 分层：在验证时按时间分层，确保跨时间稳定性。
- 池化：若新客中“学生”与“年轻白领”样本都很少且表现接近，可池化为“年轻新客池”共同建模。
分群示例（伪代码）：
group = CASE
WHEN customer_type = '新客' AND age <= 25 THEN '年轻新客'
WHEN customer_type = '新客' AND age > 25 THEN '成熟新客'
WHEN customer_type = '老客' AND history_overdue = 0 THEN '老客无逾期'
ELSE '老客有逾期'
END
分段示例（年龄分箱）：
age_bin = CASE
WHEN age BETWEEN 18 AND 25 THEN 'A18_25'
WHEN age BETWEEN 26 AND 35 THEN 'A26_35'
WHEN age BETWEEN 36 AND 45 THEN 'A36_45'
ELSE 'A46_PLUS'
END场景结论：新客与老客应分群建模；年龄分段可作为共同变量；学生与年轻白领可池化。这样既保留差异，又避免模型碎片化。
四、误区与复盘：常见五个坑
- 误区一：把分群当分段。例如把“评分650以上”叫分群，其实这是分段结果，不是业务群体。
- 误区二：分群过细。每个群体样本不足，模型方差大，上线后频繁抖动。
- 误区三：忽略分段单调性。仅看IV高就入模，导致策略阈值不可解释。
- 误区四：池化前不做相似性检验。把坏样本率差异大的群体合并，模型被大群体主导。
- 误区五：分层与分群混用。分层用于抽样和验证，分群用于建模，二者目的不同。
复盘建议：每次分群/分段后，输出一张“群体-样本量-坏样本率-主要特征”对照表，并做跨时间验证。若某群体样本占比低于5%且坏样本率无显著差异，优先考虑池化。
总结来看，分群是战略层面的切分，分段是战术层面的切分，分层是流程层面的组织，客群是沟通层面的命名，池化是工程层面的合并。理解它们的关系与区别，才能在信用风险建模中做到既差异化又稳定，既精细又不碎片化。