1. 坏样本定义与分类
1.1 什么是坏样本
在贷后管理语境下，坏样本是指借款人在贷款存续期内出现实质性信用恶化或行为异常，导致贷款本息无法按合同约定正常回收的客户记录。坏样本是贷后预警模型的核心训练标签，也是风险策略迭代的基准依据。
核心定义公式： 坏样本 = 逾期天数 ≥ 阈值（通常 M3+） ∪ 失联确认 ∪ 欺诈确认 ∪ 死亡确认
坏样本的判定直接影响风险计提、催收策略、核销决策和模型校准。若定义过宽，会误伤正常客户、增加催收成本；若定义过窄，会遗漏真实风险、导致损失后知后觉。
1.2 坏样本的常见类型
根据风险成因和表现形态，坏样本可划分为以下四种核心类型：
| 类型 | 核心特征 | 典型表现 | 贷后影响等级 |
|---|---|---|---|
| 逾期 | 还款行为违约，本金/利息未按时足额偿还 | M1（1-30天）、M2（31-60天）、M3+（61天以上） | 高（随逾期天数递增） |
| 失联 | 借款人无法通过预留联系方式触达 | 电话空号/关机、地址无效、紧急联系人无法接通 | 极高（回收概率断崖式下降） |
| 欺诈 | 借款申请或还款过程中存在主观欺骗行为 | 身份冒用、资料伪造、团伙骗贷、交易异常 | 极高（通常零回收） |
| 死亡 | 借款人因疾病、意外等原因身故 | 死亡证明、户籍注销、继承人不愿/无力代偿 | 中高（视担保和保险情况） |
策略提示： 四种坏样本类型在预警系统中应设置不同的响应优先级。欺诈和失联类样本需要触发即时冻结和紧急催收流程；逾期类样本可按账龄阶梯式升级策略；死亡类样本需联动核保和理赔通道。
1.3 坏样本在贷后管理中的重要性
坏样本是贷后管理的核心锚点，其重要性体现在以下四个维度：
- 模型训练基石： 坏样本标签是贷后预警模型、催收评分卡、失联预测模型的唯一正样本来源。样本质量直接决定模型区分度和稳定性。
- 策略调优依据： 通过分析坏样本的分布特征（如行业、地区、产品、渠道），可以针对性调整准入规则、额度策略和催收策略。
- 损失计量基准： 坏样本的认定时点和认定标准直接影响拨备计提、不良率统计和资本充足率计算。
- 风险文化传导： 清晰统一的坏样本定义有助于风控、业务、催收、合规团队对齐风险语言，减少跨部门沟通损耗。
1.4 坏样本分类的实操要点
在实际贷后运营中，坏样本的判定需要结合业务规则和数据验证双重机制：
- 逾期类： 以还款计划表为基准，按自然日计算逾期天数。注意节假日顺延、宽限期等特殊规则。
- 失联类： 需经过至少3种不同渠道（电话、短信、外访、社交）在7天内均无法触达，方可标记为失联。
- 欺诈类： 必须有明确的欺诈证据链（如设备指纹冲突、人脸比对失败、联系人关系异常），避免误判。
- 死亡类： 需获取官方死亡证明或户籍注销记录，并核实继承人信息。
常见误区： 部分机构将“逾期M1”直接等同于坏样本，导致预警模型过度敏感、催收资源浪费。建议将坏样本的认定阈值设置在M3+（逾期61天以上），同时将M1-M2作为“关注样本”单独管理。
1.5 坏样本标签的生命周期管理
坏样本标签不是一成不变的，需要建立动态更新机制：
| 阶段 | 操作 | 更新频率 | 责任方 |
|---|---|---|---|
| 初始认定 | 根据逾期/失联/欺诈/死亡规则首次打标 | 实时/每日 | 贷后运营系统 |
| 复核确认 | 人工或规则引擎二次校验，排除误标 | 每周 | 风控策略团队 |
| 状态变更 | 如客户还款、恢复联系、欺诈申诉成功，需降级或移除坏样本标签 | 实时 | 催收/客服团队 |
| 模型回标 | 将最终确认的坏样本标签回写至模型训练数据集 | 每月 | 模型开发团队 |
通过严格的坏样本定义与分类管理，贷后预警系统才能获得干净、一致、可追溯的训练标签，从而输出高精度的风险预警信号，为后续的催收策略、额度调整和资产组合管理提供可靠决策依据。