2. 坏样本基础概念：什么是坏样本、坏样本的常见类型、坏样本标签的定义与标准化
在信贷风控与贷后催收（Collections）领域，坏样本是模型训练、策略制定和归因分析的基石。如果对坏样本的定义不统一、标签不标准，后续所有的分析结论都会产生偏差。本节从概念、类型、标签标准化三个层面建立统一认知。
2.1 什么是坏样本
坏样本（Bad Sample）是指在信贷生命周期中，借款人未能按照合同约定履行还款义务，或出现严重信用恶化、失联等风险事件，导致资金损失或催收成本急剧上升的样本。
从业务视角看，坏样本的核心特征包括：
- 资金损失：本金或利息无法收回，形成坏账。
- 行为异常：借款人主动失联、恶意逃废债、提供虚假信息。
- 时间逾期：超过合同约定的宽限期仍未还款。
关键认知： 坏样本不是静态的。同一笔借款在逾期第1天可能只是“逾期样本”，到逾期第90天才被定义为“坏样本”。因此，坏样本的定义必须与观察期、表现期挂钩。
2.2 坏样本的常见类型
根据风险成因和表现形态，坏样本主要分为以下三大类：
| 类型 | 核心特征 | 典型表现 | 对催收策略的影响 |
|---|---|---|---|
| 欺诈样本 | 主观恶意，无真实还款意愿 | 身份冒用、团伙骗贷、资料伪造、首期即逾期 | 需前置拦截，催收成功率极低，通常移交警方或委外 |
| 逾期样本 | 还款能力或意愿下降 | 短期逾期（1-30天）、中期逾期（31-90天）、长期逾期（90+天） | 按逾期阶段分层催收，早期可修复，后期进入法诉 |
| 失联样本 | 联系方式失效，无法触达 | 电话空号、停机、地址变更、紧急联系人无法接通 | 需启动失联修复，成本高，回收率低 |
实战提示： 三类坏样本经常交叉出现。例如，欺诈样本往往同时伴随失联；逾期样本中有一部分会逐渐演变为失联样本。在归因分析时，需要区分“主因”和“伴随现象”。
2.3 坏样本标签的定义与标准化
在数据科学项目中，坏样本必须转化为可计算的标签（Label）。标签定义的不一致是跨团队协作中最常见的冲突来源。标准化流程包含以下步骤：
- 确定表现期（Performance Window）：通常选择放款后3个月、6个月或12个月作为观察窗口。
- 设定坏样本阈值：例如“逾期天数≥90天”或“核销标记=1”。
- 排除不确定样本：表现期内未到期、提前结清、展期中的样本通常标记为“灰样本”或“中间样本”，不参与建模。
- 统一标签编码：坏样本=1，好样本=0，灰样本=-1或直接剔除。
以下是一个标准化的标签定义示例：
# 标准化坏样本标签逻辑（Python伪代码）
def define_bad_label(df, performance_months=6, bad_dpd=90):
"""
根据表现期和逾期天数定义坏样本标签
"""
df['label'] = 0 # 默认好样本
# 条件1：表现期内最大逾期天数 >= bad_dpd
bad_condition = df['max_dpd_in_performance'] >= bad_dpd
# 条件2：表现期内发生核销
write_off_condition = df['write_off_flag'] == 1
# 条件3：表现期内未失联且未提前结清（排除不确定样本）
valid_condition = (df['status_in_performance'] != 'early_settle') & (df['status_in_performance'] != 'not_due')
df.loc[bad_condition | write_off_condition, 'label'] = 1
df.loc[~valid_condition, 'label'] = -1 # 灰样本
return df
常见陷阱： 不同业务线（如消费贷、车贷、信用卡）对“坏”的定义可能不同。消费贷常用“逾期90天”，车贷可能用“逾期60天+车辆未找回”。跨产品建模时必须先做标签对齐，否则模型会学到错误的信号。
2.4 坏样本类型与标签标准化关系图
下图展示了坏样本的三大类型及其在标签标准化流程中的映射关系：
2.5 标签标准化常见问题与解决方案
| 问题 | 表现 | 解决方案 |
|---|---|---|
| 表现期不一致 | A团队用3个月，B团队用12个月 | 统一为6个月或12个月，并记录截断时间 |
| 逾期天数口径不同 | 部分用“实际逾期天数”，部分用“账单逾期天数” | 统一使用“最大逾期天数（max_dpd）” |
| 灰样本处理不当 | 将未到期样本直接归为好样本 | 单独标记为-1，建模时剔除或单独建模 |
| 核销与逾期重叠 | 同一笔借款同时满足核销和逾期90天 | 优先取核销标记，避免重复计数 |
最佳实践： 建议在数据仓库中建立统一的“坏样本标签表”，包含字段：
loan_id、label、label_version、performance_start_date、performance_end_date、bad_reason_code（欺诈/逾期/失联）。每次迭代只追加新版本，不覆盖历史标签。
通过本节的学习，你应该能够：
- 准确区分欺诈、逾期、失联三类坏样本的业务含义。
- 理解坏样本标签标准化对模型和策略的重要性。
- 独立编写标准化的坏样本标签定义代码。
- 识别并规避标签定义中的常见陷阱。