1. 课程导论：坏样本归因的定义、在信贷风控中的重要性、课程整体框架与学习目标

1.1 什么是坏样本归因？

在信贷风控领域，坏样本归因是指对已发生逾期或违约的客户样本进行系统性分析，识别导致其信用恶化的核心驱动因素，并将这些因素量化为可解释、可干预的策略规则的过程。它不仅仅是“找出谁逾期了”，更是回答“为什么逾期”以及“如何避免下一次逾期”。

坏样本归因与传统的“坏账统计”有本质区别，下表对比了两者的关键差异：

1.2 在信贷风控中的重要性

坏样本归因是连接数据建模与业务策略的桥梁。其重要性体现在以下三个层面：

1. 模型迭代的基石： 归因结果直接指导特征工程方向，帮助建模团队发现被忽略的强预测变量，避免模型陷入“过拟合历史坏样本”的陷阱。
2. 策略优化的依据： 通过归因定位高风险的客群画像与行为模式，风控策略团队可以精准调整准入规则、额度策略、定价策略及催收策略。
3. 监管合规的要求： 在《商业银行互联网贷款管理暂行办法》等监管框架下，金融机构必须对风控决策提供可解释的归因报告，确保模型公平性与透明度。

1.3 课程整体框架

本课程共分为四大模块，层层递进，从理论到实战：

1.4 学习目标

完成本课程后，学员应具备以下核心能力：

• 目标一： 掌握坏样本归因的完整方法论，能够独立设计归因分析框架。
• 目标二： 熟练使用逻辑回归、XGBoost、SHAP等工具构建可解释的逾期预测模型。
• 目标三： 能够将归因结果转化为具体的风控策略规则（如拒绝规则、额度调整规则、催收优先级规则）。
• 目标四： 具备策略上线后的监控与迭代能力，形成“归因→策略→监控→再归因”的闭环。

1.5 课程适用人群