1. 课程导论：贷后风控的重要性、特征筛选在模型生命周期中的位置、LightGBM在特征筛选中的优势
1.1 贷后风控：信贷生命线的守门人
贷后管理是信贷全流程中持续时间最长、数据密度最高、风险暴露最集中的阶段。一笔贷款发放后，借款人的还款能力、还款意愿、外部经济环境均会动态变化。贷后风控的核心目标是在资产存续期内，提前识别风险信号、精准定位逾期客户、优化催收策略、最大化回收率。
贷后风控的三大关键任务：
- 早期预警：在客户首次逾期前，通过行为数据捕捉还款能力下降的征兆。
- 逾期分群：对已逾期客户按风险等级、失联概率、还款意愿进行分层，匹配差异化催收策略。
- 回收预测：预测不同账龄、不同渠道下的最终回收金额，指导核销与资产转让决策。
行业数据：据头部消费金融公司统计，贷后模型每提升 5% 的早期预警准确率，可降低 12%-18% 的最终损失率。特征质量直接决定模型效果上限。
1.2 特征筛选在模型生命周期中的位置
一个完整的贷后风控模型生命周期包含以下阶段：
| 阶段 | 核心任务 | 特征筛选角色 |
|---|---|---|
| 业务理解 | 定义逾期标签、催收策略、业务规则 | 确定特征筛选的业务方向 |
| 数据采集与清洗 | 整合还款、交易、通讯、多头借贷等数据 | 原始特征池构建 |
| 特征工程 | 衍生变量、分箱、缺失处理、异常截断 | 生成候选特征集 |
| 特征筛选 | 剔除冗余、噪声、低预测力特征 | 核心环节：降维、去噪、提升泛化 |
| 模型训练与调参 | LightGBM/XGBoost 训练、交叉验证 | 输入高质量特征子集 |
| 模型评估与监控 | KS、AUC、PSI、特征稳定性 | 反馈特征退化信号 |
| 部署与迭代 | 上线、A/B测试、月度重训 | 持续特征更新 |
特征筛选处于特征工程与模型训练之间的关键枢纽。未经筛选的特征集通常包含：
- 高度相关特征（如近 3 天、近 7 天、近 15 天的还款次数）导致多重共线性，降低模型可解释性。
- 噪声特征（如单次异常大额消费）引入过拟合风险。
- 稀疏特征（如特定渠道的极低频行为）对树模型分裂贡献极低，却增加计算开销。
1.3 LightGBM 在特征筛选中的核心优势
在贷后风控场景中，特征维度常达到数百甚至上千，且包含大量类别型、缺失型、偏态分布变量。LightGBM 相比传统方法（卡方检验、IV 值、随机森林）具备以下不可替代的优势：
| 维度 | 传统方法（IV/卡方/相关系数） | LightGBM 特征筛选 |
|---|---|---|
| 非线性关系 | 仅捕捉线性或单调关系 | 自动捕捉高阶交互与非线性模式 |
| 缺失值处理 | 需预先填充或剔除 | 原生支持缺失值分裂方向学习 |
| 类别特征 | 需独热编码或 WOE 转换 | 原生支持类别特征，无需展开 |
| 计算效率 | 逐特征计算，高维时耗时 | 基于直方图的单次训练即可输出重要性 |
| 特征重要性类型 | 单一统计量 | 提供 gain、split、cover 等多维度重要性 |
| 过拟合控制 | 无内置正则化 | leaf-wise 生长 + 正则化参数，筛选更稳健 |
实操建议：在贷后场景中，建议优先使用 LightGBM 的
gain 重要性（基于分裂带来的信息增益）进行特征排序，它对连续型行为特征（如近 30 天消费金额标准差）的区分能力远优于 split 重要性。
1.4 为什么贷后风控特别需要 LightGBM 特征筛选？
贷后数据具有鲜明的行业特性，这些特性恰好与 LightGBM 的优势高度匹配：
- 高稀疏性：大部分客户在大部分时间正常还款，逾期行为是稀疏事件。LightGBM 的直方图算法对稀疏梯度天然高效。
- 强时效性：贷后特征随时间衰减快（如近 7 天通话次数 vs 近 90 天通话次数）。LightGBM 训练速度快，支持快速迭代特征集。
- 多源异构：还款流水、GPS 轨迹、通讯录、电商消费等特征量纲差异极大。LightGBM 对特征缩放不敏感，无需标准化。
- 业务可解释需求：监管要求贷后模型必须可解释。LightGBM 的 feature importance 可直接输出 Top N 特征，配合 SHAP 可满足合规审计。
1.5 本课程学习路径
本课程将围绕 LightGBM 特征筛选的完整实操链路展开，覆盖从数据预处理、候选特征生成、多维度重要性评估、阈值选择、到最终特征子集验证的全流程。每章均提供可复用的 Python 代码与贷后业务案例。
前置要求：建议读者具备 Python 基础、pandas/numpy 数据处理经验，了解基本的决策树与梯度提升概念。无需精通 LightGBM 底层原理，课程会同步讲解关键参数与业务含义。