2. 基础概念
在风控建模中，模型效果的上限往往不取决于算法有多复杂，而取决于时间维度上的样本组织是否正确。很多团队在离线指标上表现优异，上线后却迅速衰减，根源通常不是模型过拟合，而是样本窗口、观察期与表现期的定义与业务真实决策时点不一致。本节将把这些术语还原为可落地的工程定义。
一、核心原理：用“时间三明治”理解样本结构
任何一个风控训练样本，本质上都由三段连续时间构成：观察期用于采集特征，表现期用于确定标签，样本窗口则是这两者按业务节奏滚动形成的整体集合。可以把它理解为一块“时间三明治”：
- 观察期（Observation Window）：从某个时间点向前回溯的一段时间，用于计算用户在该期间的行为、额度、逾期、设备等特征。例如“申请日前180天内的支用次数”。
- 表现期（Performance Window）：从观察期结束（或申请时点）开始向后的一段时间，用于观察是否发生坏账、逾期、欺诈等目标事件。例如“放款后90天内是否逾期30天以上”。
- 样本窗口（Sample Window）：所有样本的观察起点与表现终点所覆盖的整体时间范围。它决定了模型“见过”的历史跨度，也决定了训练集与验证集如何切分。
关键关系：样本窗口 = 观察期 + 表现期 + 滚动步长。若表现期未结束就纳入样本，标签会被“污染”，这是风控建模中最隐蔽也最致命的数据泄漏之一。
二、方法流程：从业务时点到可训练样本
把业务问题转化为训练样本，通常遵循以下流程：
- 确定决策时点：例如授信审批时点、支用申请时点、贷后调额时点。所有特征只能使用该时点之前的信息。
- 定义观察期长度：根据业务周期与特征稳定性选择，常见为30/90/180/360天。短期行为用短窗口，长期信用用长窗口。
- 定义表现期长度：与风险定义匹配。M1（逾期30天）常用60～90天表现期，M3（逾期90天）常用120～180天。
- 滚动生成样本：按固定步长（如每月）滑动观察起点，形成多个时间切片。
- 切分训练与验证：按时间先后切分，而非随机切分，确保验证集来自“未来”。
下面是一个典型的样本生成参数配置示例：
sample_config:
decision_point: "application_date" # 决策时点
observation_window: 180 # 观察期：180天
performance_window: 90 # 表现期：90天
label_definition: "dpd30_plus" # 标签：逾期30天以上
sample_start: "2023-01-01"
sample_end: "2024-06-30"
step: "monthly" # 按月滚动
split:
train: "2023-01 ~ 2024-01"
valid: "2024-02 ~ 2024-04"
oot: "2024-05 ~ 2024-06"三、时间切分与跨时间验证
时间切分指按时间顺序将样本划分为训练集、验证集和跨时间验证集（OOT，Out-of-Time）。随机切分会让同一用户、同一事件同时出现在训练和验证中，导致指标虚高。跨时间验证则要求验证集完全来自训练集之后的时间段，模拟模型上线后面对“未来客户”的真实场景。
| 切分方式 | 数据来源 | 优点 | 风险 |
|---|---|---|---|
| 随机切分 | 同一时间段随机抽样 | 样本量大、指标稳定 | 时间泄漏，高估效果 |
| 时间切分 | 按时间先后划分 | 贴近上线真实场景 | 后期样本可能不足 |
| 跨时间验证（OOT） | 训练期之后独立时间段 | 检验模型时效性与稳定性 | 需预留足够表现期 |
| 滚动验证 | 多组时间切片滚动训练 | 评估多周期稳健性 | 计算与工程成本高 |
实践建议：至少保留一个完整的OOT时间段，且OOT的表现期必须已经结束。若OOT的KS或AUC相比训练集下降超过20%，应优先排查时间切分与特征时效问题，而不是急于调参。
四、案例与常见误区复盘
某消费信贷团队曾用“申请日前90天”作为观察期、“放款后30天”作为表现期，样本窗口覆盖2023年全年。模型在随机切分下AUC为0.82，但上线后首月AUC跌至0.68。复盘发现两个问题：其一，随机切分导致同一用户多次申请同时进入训练与验证；其二，表现期仅30天，大量样本在观察期末端尚未成熟，标签被错误标记为“好客户”。
调整方案如下：
- 将表现期延长至90天，并剔除表现期未结束的样本；
- 按申请月份滚动生成样本，训练集截至2024年1月，验证集为2024年2～4月，OOT为2024年5～6月；
- 对观察期特征增加“截至决策时点”的强校验，禁止使用未来支用与还款记录。
调整后OOT的AUC为0.76，虽然低于原随机切分指标，但与上线表现基本一致，模型迭代方向也因此变得可信。
三个高频误区：① 表现期未结束就纳入样本，造成标签泄漏；② 用随机切分替代时间切分，导致指标虚高；③ 观察期与表现期重叠，特征中混入未来信息。任何一项都会让离线评估失去参考价值。
理解这些基础概念后，后续的窗口设计、标签定义与验证策略才有共同语言。样本窗口不是简单的日期范围，而是业务决策节奏在数据上的投影；观察期与表现期的边界，决定了模型究竟在“学什么”和“预测什么”。