4. 校准的定义与目标
在金融建模中，一个模型能准确排序风险并不等于它能给出可信的概率。校准（Calibration）关注的正是后者：模型输出的概率值是否与真实世界的事件发生频率一致。若模型对1000个客户预测“违约概率为5%”，而实际约有50人违约，则说明该模型在这一概率区间上校准良好。校准的目标不是提升排序能力，而是让概率本身具备可解释、可依赖的数值含义。
一、核心原理：什么是良好校准
良好校准的严格定义是：对于所有预测概率为 p 的样本子集，真实事件发生率应等于 p。用条件概率表达为 P(Y=1 | p̂ = p) = p。这意味着模型不仅要在整体上接近真实违约率，还要在每个概率区间内都保持一致性。
校准通常通过校准曲线（Reliability Diagram）来观察。横轴为预测概率分箱，纵轴为实际发生频率。理想情况下所有点落在对角线上。若曲线位于对角线下方，说明模型高估风险；位于上方则说明低估风险。常见的校准偏差包括：
- 系统性高估：整体预测概率偏高，常见于样本不平衡或损失函数偏重召回。
- 系统性低估：整体预测概率偏低，常见于正则化过强或训练样本违约率偏低。
- 两端偏差：极端概率区间校准差，中间区间尚可，常见于逻辑回归尾部或树模型分段。
- 非单调偏差：校准曲线出现交叉或波动，说明模型在某些区间存在结构性误判。
关键判断：校准良好的模型，其预测概率可以直接作为决策输入；校准不良的模型，即使AUC很高，也不能直接用于定价、拨备或限额决策。
二、校准与区分度的区别
区分度（Discrimination）衡量模型将违约与非违约样本分开的能力，常用AUC、KS、Gini等指标。校准衡量的是概率数值的准确性。两者相互独立：一个模型可以区分度很高但校准很差，也可以区分度一般但校准良好。
| 维度 | 区分度 | 校准 |
|---|---|---|
| 核心问题 | 谁的风险更高？ | 风险到底有多高？ |
| 典型指标 | AUC、KS、Gini、Recall@K | Brier Score、校准曲线、ECE、MCE |
| 对样本比例敏感 | 较低 | 较高 |
| 决策用途 | 排序、筛选、优先级 | 定价、拨备、限额、资本计量 |
| 典型失效场景 | 样本极度不平衡时排序仍可 | 训练集与生产集违约率漂移 |
举例来说，某评分卡AUC达到0.82，但预测平均违约率为2%，实际违约率为5%。此时模型排序能力不错，但概率被系统性低估。若直接用于贷款定价，会导致风险溢价不足；若用于拨备计提，会低估预期损失。
三、校准在风险管理与决策中的价值
在金融风险管理中，概率数值直接进入经济决策。校准的价值体现在以下场景：
- 预期损失计量：预期损失 = PD × LGD × EAD。若PD校准偏差1个百分点，在千亿级资产组合上可能意味着数十亿的拨备差异。
- 风险定价：贷款利率需覆盖预期损失与资本成本。概率低估会导致定价过低，形成“逆向选择”。
- 限额与授信：审批阈值依赖概率绝对值。校准漂移会使原本应拒绝的客户被误放。
- 资本计量与压力测试：监管资本模型对PD校准有明确要求，校准不良会直接影响资本充足率。
- 决策阈值优化：在期望损失最小化框架下，最优阈值由概率与成本共同决定，概率不准则阈值失效。
实务提示：在模型上线前，应同时报告区分度指标与校准指标。若两者冲突，优先根据业务用途决定改进方向：排序场景优先区分度，定价与拨备场景优先校准。
四、常见误区与复盘
校准实践中存在若干高频误区，需要在模型开发与监控中反复复盘：
- 误区一：AUC高就等于模型好。区分度与校准独立，高AUC模型可能严重高估或低估概率。
- 误区二：训练集校准好，生产集一定好。样本漂移、客群变化、宏观周期都会导致校准偏移。
- 误区三：校准是一次性工作。校准需要持续监控，建议按月或按季度更新校准曲线与Brier Score。
- 误区四：所有区间用同一校准方法。尾部区间样本少，需采用等频分箱或平滑方法，避免过拟合。
- 误区五：忽略业务成本。校准目标应结合决策损失函数，而非单纯追求统计指标最优。
# 校准评估常用指标（伪代码）
brier_score = mean((y_true - y_prob) ** 2)
ece = sum(|bin_size/N| * |avg_prob_bin - avg_true_bin|)
mce = max(|avg_prob_bin - avg_true_bin|)
# 校准方法示例
# 1. Platt Scaling：逻辑回归拟合分数到概率
# 2. Isotonic Regression：单调回归，适合大样本
# 3. Beta Calibration：适合概率分布灵活场景
# 4. Temperature Scaling：常用于神经网络概率输出复盘要点：校准不良往往不是模型算法问题，而是样本代表性、标签定义、时间窗口或业务规则变化所致。发现校准漂移时，应先排查数据与业务原因，再考虑重新校准或重训模型。
总结而言，校准回答的是“概率是否可信”，区分度回答的是“排序是否有效”。在金融风险管理与决策中，两者缺一不可。良好校准使模型输出从抽象分数变为可执行的风险语言，是模型真正进入定价、拨备、限额与资本计量流程的前提。