📚 课程目录第1章课程导论

1. 课程导论：贷后预警坏样本分析的定义、重要性、在信贷风控全生命周期中的位置

贷后预警坏样本分析，是指在信贷资产进入贷后管理阶段后，针对已触发预警信号、并最终确认为不良资产（如逾期 M3+、核销、损失）的样本，进行系统性归因、特征挖掘与模式识别的数据分析过程。其核心目标是从“已发生的坏账”中逆向推导出预警规则的有效性、缺失的预警信号以及风险演变的路径。

  关键定义拆解：
  坏样本： 最终进入不良状态的客户或资产，是分析的对象。
预警信号： 贷后监控系统中触发的各类规则（如：首次逾期、多头借贷激增、联系异常等）。
分析： 对坏样本的预警历史、行为轨迹、外部数据进行深度挖掘，寻找共性规律。

在信贷风控体系中，贷前与贷中环节主要解决“准入”与“授信”问题，而贷后环节则直接关系到资产质量与最终损失。坏样本分析是贷后风控的“复盘”与“迭代”引擎，其重要性体现在以下四个维度：

维度	核心价值	具体说明
规则有效性验证	量化预警规则的命中率与准确率	识别哪些预警规则是“噪音”，哪些是“真信号”，为规则调优提供数据支撑。
风险模式发现	挖掘新型欺诈或共债风险特征	通过坏样本的共性行为（如特定时间段交易、特定渠道申请），发现贷前模型未能捕捉的风险。
催收策略优化	指导差异化催收资源分配	分析不同坏样本的失联速度、还款意愿，制定更精准的催收策略（如：早期介入 vs. 委外处理）。
损失率预估	提升拨备计提与资产定价精度	基于历史坏样本的回收率分布，优化预期信用损失（ECL）模型，减少财务波动。

行业经验： 一个成熟的贷后预警体系，其坏样本分析报告应能回答三个问题：
1. 哪些预警规则在坏样本中“集体沉默”？
2. 坏样本从“正常”到“预警”再到“不良”的平均路径时长是多少？
3. 是否存在未被现有规则覆盖的“预警盲区”？

贷后预警坏样本分析并非孤立存在，它处于信贷风控闭环的“反馈与迭代”环节，连接着贷后监控与贷前/贷中策略优化。以下 SVG 图展示了其在全生命周期中的核心位置：

一个完整的贷后预警坏样本分析项目通常遵循以下标准化流程，确保分析结果可落地、可验证：

⚠️ 常见误区： 许多分析团队只关注“命中率”，而忽略了“预警时效性”。一个规则虽然命中率高，但如果总是在客户逾期后才触发，则对贷后预警毫无价值。坏样本分析必须同时评估规则的“提前预警天数”。

为了量化分析效果，以下指标是贷后预警坏样本分析报告中必须包含的：