4. B卡核心概念
贷后行为评分B卡（Behavior Scorecard）与申请评分A卡最大的区别在于：A卡回答“这个人未来会不会违约”，B卡回答“这个已经放款的客户，接下来会不会变坏”。因此，B卡建模的每一个核心概念，都围绕“时间”和“变化”展开。理解这些概念，是后续样本设计、特征工程和风险分层策略落地的基础。
一、核心原理：B卡是在时间轴上刻画“行为轨迹”
行为评分卡的本质，是把客户在放款后的还款、消费、查询、额度使用等行为，映射为一个反映未来风险的概率分数。它依赖三个基本要素：观察期、表现期和违约定义。三者共同构成一个“观察—表现”窗口，决定了模型到底在预测什么。
- 观察期（Observation Period）：用于提取特征的时间窗口，通常为放款后3～12个月。此期间客户的行为数据被加工成特征，如近6个月最大逾期天数、额度使用率均值等。
- 表现期（Performance Period）：用于定义标签的时间窗口，通常为观察期结束后的6～12个月。此期间客户是否发生违约，决定其标签为0或1。
- 违约定义（Default Definition）：表现期内满足何种条件算“坏客户”。常见口径包括逾期天数（DPD）、逾期金额、五级分类等。
关键点：观察期与表现期不能重叠。若重叠，特征中会混入“未来信息”，导致模型在训练集上表现虚高，上线后迅速失效。这是B卡建模最常见的致命错误之一。
二、方法流程：从滚动率到账龄分析，确定观察期与表现期
观察期和表现期并非拍脑袋决定，而是通过滚动率分析和账龄分析量化得出。滚动率回答“坏客户从哪个阶段开始不可逆”，账龄分析回答“风险在放款后多久趋于稳定”。
- 滚动率分析：统计不同逾期状态（如M0、M1、M2、M3）在下一期的迁移概率，找出“一旦进入就极难回退”的状态，作为违约定义的分界点。
- 账龄分析：按放款月份分组，观察各账龄（MOB）下的逾期率变化，确定风险暴露的成熟期。
- 确定观察期：选择行为特征已充分表现、且与未来违约相关性高的窗口。
- 确定表现期：选择违约率已充分暴露、且不再显著上升的窗口。
下面是一个典型的滚动率分析结果示例，用于辅助确定违约定义的分界点：
状态迁移矩阵（示例）
下期M0 下期M1 下期M2 下期M3+
本期M0 96.5% 2.8% 0.5% 0.2%
本期M1 62.1% 25.4% 8.7% 3.8%
本期M2 31.2% 22.5% 28.6% 17.7%
本期M3 12.4% 10.8% 18.3% 58.5%
结论：进入M3后，回退到M0的概率仅12.4%，且继续恶化概率高，
因此可将违约定义设为“表现期内出现M3+”。
账龄分析则通常以表格或曲线呈现，用于判断表现期长度。例如：
| 账龄（MOB） | 累计逾期率（M3+） | 风险是否成熟 |
|---|---|---|
| MOB3 | 1.2% | 否 |
| MOB6 | 2.8% | 接近成熟 |
| MOB9 | 3.5% | 基本成熟 |
| MOB12 | 3.7% | 成熟 |
| MOB18 | 3.8% | 成熟 |
从表中可见，M3+累计逾期率在MOB9后趋于平稳，因此表现期设为9～12个月较为合理。若表现期过短，坏样本不足；过长，则模型时效性下降。
三、风险分层：把连续分数变成可执行的策略
B卡输出的是连续分数，但业务需要的是可执行的分层策略。风险分层的核心是排序能力和单调性：分数越高（或越低），风险应单调变化。常见分层方式包括：
- 等频分箱：按分数排序后等分，保证每层样本量接近，适合策略均衡。
- 等距分箱：按分数区间等分，简单直观，但可能某层样本过少。
- 决策树分箱：基于风险差异自动切分，分层更贴合业务。
分层后需验证每层的坏账率、提升度（Lift）和累计捕获率。例如，将客户分为A～E五层，A层为低风险，E层为高风险，策略上可对E层降额、冻结或加强催收。
实战提示：风险分层不是越细越好。层数过多会导致策略复杂、监控困难；层数过少则区分度不足。通常5～10层是较优区间，且每层样本占比不宜低于5%。
四、案例与误区复盘：一个真实的B卡建模场景
某消费金融公司希望构建B卡，用于放款后6个月的风险预警。初始方案设定观察期为放款后1～6个月，表现期为7～12个月，违约定义为“表现期内出现M2+”。模型上线后，KS约0.32，但三个月后KS降至0.18。复盘发现两个核心问题：
- 观察期过短：放款后1～3个月行为数据稀疏，很多客户尚未形成稳定还款模式，特征噪声大。
- 违约定义过松：M2+在表现期内捕获的坏样本仅占最终坏样本的60%，大量客户在更晚账龄才恶化，导致标签不完整。
调整方案：观察期改为放款后3～9个月，表现期改为10～18个月，违约定义改为“表现期内出现M3+”。重新训练后，KS提升至0.41，且分层单调性明显改善。这个案例说明：观察期、表现期和违约定义三者必须联动调整，不能孤立优化。
常见误区：直接用A卡的违约定义套用到B卡。A卡关注“申请时点未来是否违约”，B卡关注“放款后未来是否恶化”，两者的时间窗口和风险阶段完全不同。混用会导致标签错位，模型失效。
五、核心概念速查清单
| 概念 | 定义 | 典型取值 | 作用 |
|---|---|---|---|
| 观察期 | 提取行为特征的时间窗口 | 3～12个月 | 生成特征 |
| 表现期 | 定义标签的时间窗口 | 6～12个月 | 生成标签 |
| 违约定义 | 表现期内满足何种条件算坏 | M3+、M2+、五级分类 | 确定标签口径 |
| 滚动率 | 逾期状态间的迁移概率 | 状态迁移矩阵 | 确定违约分界点 |
| 账龄分析 | 按放款月份观察逾期率变化 | MOB曲线 | 确定表现期长度 |
| 风险分层 | 将连续分数映射为策略层级 | 5～10层 | 策略落地 |
掌握以上概念后，B卡建模的样本设计就有了清晰的边界：在正确的时间窗口内，用正确的违约定义，提取正确的行为特征，最终输出可分层、可执行的风险分数。这是贷后风险管理的起点，也是后续所有策略迭代的基石。