4. 样本时间窗口设计：观察期、表现期、回溯期的概念与选择
在风险归因模型训练中，样本的时间窗口设计直接决定了模型能否捕捉到风险特征与违约结果之间的因果延迟。一个完整的风控样本由三个时间窗口构成：观察期、表现期和回溯期。三者共同定义了“用哪段时间的特征去预测哪段时间的结果，以及样本从哪个历史起点开始选取”。
4.1 三个窗口的核心定义
| 窗口名称 | 英文术语 | 定义 | 作用 |
|---|---|---|---|
| 观察期 | Observation Window | 用于提取客户特征（X）的时间区间 | 提供模型输入变量，如收入、负债、历史逾期次数等 |
| 表现期 | Performance Window | 用于观测客户是否发生违约（Y）的时间区间 | 定义标签（好坏客户），通常以表现期内首次逾期天数≥M2为坏客户 |
| 回溯期 | Lookback Window | 从当前时间点向前追溯，确定样本起始点的历史区间 | 保证样本量充足，同时避免过时数据对模型的影响 |
关键原则：观察期必须完全在表现期之前，且两者之间不能有重叠。回溯期则决定了整个样本集的时间跨度起点。
4.2 时间窗口的典型结构
下图展示了一个标准的风控样本时间窗口布局。以“放款日”为锚点，观察期位于放款日之前，表现期位于放款日之后，回溯期则从更早的历史时间点开始，确保有足够多的历史样本可供筛选。
4.3 窗口长度的选择策略
窗口长度的选择没有固定公式，但存在行业通用的经验法则。下表总结了不同场景下的推荐窗口长度及选择依据。
| 窗口 | 推荐长度 | 选择依据 | 常见误区 |
|---|---|---|---|
| 观察期 | 6～12个月 | 覆盖客户完整的信贷行为周期，避免季节性偏差 | 观察期过短（<3个月）导致特征不稳定；过长（>24个月）引入过时行为 |
| 表现期 | 12～24个月 | 与产品期限匹配；信用贷通常12个月，抵押贷可延长至24个月 | 表现期过短导致坏样本未充分暴露；过长导致样本时效性差 |
| 回溯期 | 3～5年 | 保证样本量充足，同时避免经济周期变化带来的概念漂移 | 回溯期过长引入过时客群结构；过短导致样本量不足 |
注意：窗口长度并非越长越好。过长的表现期虽然能捕获更多违约事件，但会大幅压缩可用样本量，因为只有早期放款的客户才有足够长的表现期。实际项目中常采用“滚动窗口”策略来平衡样本量与时效性。
4.4 窗口设计的业务约束
在实际建模中，窗口设计受到以下业务因素的硬性约束：
- 产品期限：12期产品的表现期不宜超过15个月，24期产品可放宽至24～30个月。
- 数据存储周期：如果数据仓库只保留3年历史，回溯期最长只能设为3年。
- 监管要求：部分监管机构要求模型训练数据必须覆盖完整的经济周期（通常≥5年）。
- 样本量门槛：坏样本数需≥500～1000个，窗口设计必须保证足够的坏样本密度。
4.5 多窗口组合的实践案例
以下是一个典型的消费信贷风险模型窗口配置案例，展示了三个窗口如何协同工作：
4.6 窗口设计的常见陷阱与避坑指南
陷阱1：幸存者偏差 —— 只选取当前仍在还款的客户作为样本，忽略了已经结清或违约的客户。解决方案：回溯期必须包含所有历史放款客户，无论其当前状态如何。
陷阱2：时间穿越 —— 在观察期特征中使用了表现期之后才产生的数据。例如，用客户2023年的征信报告去预测2022年的违约。解决方案：严格按时间锚点切分，确保特征时间戳早于表现期起始日。
陷阱3：窗口长度不一致 —— 不同产品使用相同的窗口长度，导致模型对短期产品过拟合、对长期产品欠拟合。解决方案：根据产品期限动态调整表现期长度，通常设为产品期限的1.0～1.2倍。
4.7 窗口设计的决策流程
在实际项目中，建议按以下步骤确定三个窗口的长度：
- 确定产品期限（如12期、24期），设定表现期 = 产品期限 × 1.0～1.2。
- 评估数据可用性，检查数据仓库的历史深度，设定回溯期 ≤ 数据存储周期。
- 计算最小样本量，根据历史坏账率估算所需回溯期长度，确保坏样本数 ≥ 500。
- 设定观察期，通常为6～12个月，并验证特征在观察期内的稳定性（如PSI < 0.1）。
- 进行敏感性测试，分别尝试观察期6/9/12个月、表现期12/18/24个月，对比模型AUC和KS的差异，选择最优组合。
最佳实践：建议在模型开发初期就固定窗口设计，并在模型监控阶段持续验证窗口假设是否仍然成立。如果业务环境发生重大变化（如疫情、监管新政），需要重新评估窗口长度。