📚 课程目录第2章坏样本定义与分类

2. 坏样本定义与分类

在贷后预警策略中，坏样本的定义是风险计量的起点。定义口径的差异会直接导致模型训练标签、策略评估指标和归因结论的偏差。本节从三个维度对坏样本进行系统拆解：逾期天数界定、损失性质分类、风险成因分类。

逾期天数（Days Past Due, DPD）是坏样本最基础的量化标尺。不同机构对 M 段的划分略有差异，但行业通用标准如下：

逾期阶段	DPD 范围	常见业务定义	预警策略关注点
M0	1–29 天	逾期初期，尚未进入催收核心池	行为预警、早期触达、还款意愿试探
M1	30–59 天	进入催收名单，通常为人工催收起点	失联修复、还款能力评估、策略分流
M2+	≥60 天	严重逾期，部分机构定义为不良	委外催收、核销准备、损失计提

  关键校准点： 部分消费金融公司将 M2 定义为 60–89 天，M3 为 90+ 天。在跨机构对比或联合建模时，必须统一 DPD 口径，否则坏样本标签会引入系统性偏差。

下图展示了从正常到 M2+ 的逾期演进路径，以及各阶段对应的预警干预窗口：

从损失确定性角度，坏样本可划分为两类：

损失类坏样本（Loss Bad）：已确认无法收回或回收成本超过本金，通常对应核销、呆账、诉讼终结等状态。这类样本标签确定性高，是模型训练的首选正样本。
风险类坏样本（Risk Bad）：当前处于逾期状态但尚未核销，未来可能转为损失也可能回款。例如 M2 账户中部分客户后续全额还款。这类样本标签存在“右删失”问题，归因时需谨慎。

实践建议： 在贷后预警策略中，建议同时保留两类标签。损失类用于模型训练和策略复盘，风险类用于实时预警和催收分流。两者结合可以更完整地刻画风险全貌。

从风险成因角度，坏样本可归为欺诈与信用两大类别。这一分类对预警策略的归因方向至关重要：

欺诈类坏样本（Fraud Bad）：借款人通过伪造资料、冒用身份、团伙骗贷等手段获取贷款，从申请阶段即无真实还款意愿。典型特征包括：首期逾期、多头借贷、设备关联异常、申请信息矛盾。
信用类坏样本（Credit Bad）：借款人身份真实、申请时具备还款意愿，但因失业、疾病、经营失败等客观原因丧失还款能力。典型特征包括：前期还款正常、后期突发逾期、与外部征信恶化同步。

下图展示了欺诈类与信用类坏样本在逾期行为曲线上的典型差异：

归因陷阱： 部分坏样本同时具备欺诈与信用特征，例如“信用良好的借款人被中介诱导骗贷”。此时需要结合设备指纹、关系网络、通话记录等多维数据做交叉归因，避免单一标签导致策略误判。

将上述三个维度整合，可以得到一个完整的坏样本分类矩阵，用于指导预警策略的标签定义和归因分析：