1. 催收业务概述

1.1 催收行业现状

中国消费信贷市场在过去十年经历了爆发式增长，截至2024年末，个人消费信贷余额已突破55万亿元人民币。伴随信贷规模的扩大，逾期与不良资产规模同步攀升，催收行业面临前所未有的挑战与转型压力。

当前行业正从"劳动密集型"向"技术密集型"加速转型。监管层面，《个人信息保护法》《互联网金融逾期债务催收自律公约》等法规持续收紧，对催收行为的合规性、数据使用的合法性提出了更高要求。在此背景下，基于机器学习的智能催收模型成为降本增效、合规经营的核心抓手。

1.2 催收策略与模型的关系

催收策略的本质是"在正确的时间，用正确的方式，对正确的客户，施加正确的催收力度"。模型在其中扮演着"决策大脑"的角色，将策略从经验驱动升级为数据驱动。

催收策略与模型的协同关系可以概括为以下四个层次：

1. 分层策略层： 模型输出客户的"还款意愿"和"还款能力"评分，将案件划分为高、中、低风险等级，对应不同的催收通道（短信、AI外呼、人工外呼、法务函等）。
2. 时机策略层： 模型预测客户在特定时间点（如发薪日、账单日后3天）的接听概率和还款概率，优化外呼时机与频次。
3. 话术策略层： 模型识别客户的行为特征（如是否阅读短信、是否点击还款链接），动态推荐最有效的沟通话术与施压点。
4. 资源分配层： 模型评估每笔案件的"预期回收价值"与"催收成本"，将有限的人力资源优先分配给高价值案件。

1.3 特征筛选在催收模型中的核心价值

在催收建模实践中，特征筛选（Feature Selection）是决定模型上限的关键环节。催收数据通常包含数百甚至上千个原始字段，经过衍生后特征维度可达数千维。不加筛选地使用全部特征，会导致以下问题：

特征筛选的核心价值体现在以下四个维度：

• 提升模型泛化能力： 剔除冗余和噪声特征，迫使模型聚焦于真正与还款行为强相关的核心变量，降低过拟合风险。
• 加速模型训练与推理： 特征维度从数千维压缩至数十维或数百维，LightGBM的训练速度可提升5-10倍，推理延迟降低至微秒级。
• 增强业务可解释性： 筛选后的特征集通常包含10-30个核心变量，业务团队可以逐一理解每个特征对还款概率的影响方向与幅度。
• 保障合规与公平性： 在筛选阶段即可剔除种族、性别、地域等敏感特征，从源头避免模型歧视，满足监管对"可解释、可追溯、可审计"的要求。

1.4 本教程的学习路径

本教程将围绕"催收LightGBM特征筛选"这一主题，从理论到实战，系统性地讲解以下核心内容：

• 特征工程基础： 催收场景下的原始数据清洗、缺失值处理、异常值检测、时间窗口特征构造。
• 特征筛选方法论： 过滤法（方差阈值、相关系数、IV值）、包裹法（递归特征消除）、嵌入法（LightGBM内置特征重要性）。
• LightGBM专项优化： 基于LightGBM的增益型特征筛选、早停法特征选择、SHAP值辅助筛选。
• 实战案例： 从真实催收数据集出发，完整演示特征筛选全流程，并提供可复用的Python代码。
• 模型评估与迭代： 特征筛选后的模型效果验证、稳定性监控、线上A/B测试方案。