📚 课程目录第1章坏样本定义与精算场景

1. 坏样本定义与精算场景

在精算建模中，坏样本（Bad Sample）是指那些在特定业务场景下触发负面结果、产生经济损失或偏离正常风险预期的观测个体。坏样本的定义直接决定了模型的目标变量（Target），是特征工程与模型训练的起点。

不同精算场景下的坏样本定义存在显著差异，下表归纳了三种核心场景的坏样本特征：

场景	坏样本定义	典型表现	损失类型
欺诈检测	故意提供虚假信息或利用系统漏洞获取不当利益的行为	身份冒用、伪造材料、团伙骗保	直接赔付损失 + 调查成本
信用违约	借款人未能按合同约定履行还款义务	逾期 90 天以上、核销、破产	本金损失 + 催收费用
理赔欺诈	投保人或受益人故意制造或夸大保险事故以骗取赔款	虚构事故、夸大损失、延迟报案	超额赔付 + 法律风险

关键认知：坏样本不是静态标签。同一笔业务可能同时涉及欺诈与违约，精算模型需要根据业务目标明确"坏"的归因方向，避免标签混淆导致模型失效。

坏样本归因的核心目标是：从大量业务数据中识别出导致样本变"坏"的关键驱动因素，并将其转化为可量化的特征变量，提升模型的区分能力与业务可解释性。

归因目标可拆解为三个层次：

  业务价值公式：

  坏样本归因价值 = 减少的损失成本 + 提升的审批效率 + 降低的误拒率

坏样本归因不是纯技术动作，它直接服务于精算业务的三个核心环节：

以下 SVG 展示了坏样本归因在精算模型中的整体定位与价值链路：

在实际项目中，精算师容易陷入以下误区，需在特征工程阶段提前规避：

陷阱	表现	后果	应对策略
标签污染	将"未逾期"样本全部标记为好样本，忽略其中潜在的欺诈行为	模型低估欺诈风险	引入多标签体系，区分违约与欺诈
幸存者偏差	仅使用已结案理赔数据建模，忽略未决案件	坏样本率被低估	纳入截断数据，使用生存分析框架
时间穿越	用未来信息（如最终赔付金额）定义当前坏样本	特征与目标因果倒置	严格按时间窗口划分特征与标签
归因混淆	将相关关系直接当作因果关系	特征可解释性差，业务无法落地	引入因果推断方法辅助归因

实战提醒：坏样本定义阶段至少需要业务方、风控方、建模方三方对齐。定义文档必须包含：标签窗口长度、排除规则、特殊标记逻辑。任何定义变更都需要版本控制，否则后续特征工程将失去基准。

在特征工程阶段，我们需要用指标衡量归因效果。以下三个指标是精算建模中的常用基准：

以下 SVG 展示了坏样本归因特征工程的核心流程，从原始数据到可建模特征：

坏样本定义是精算建模的"地基工程"。定义错误，后续所有特征工程与模型训练都会偏离业务目标。本章明确了欺诈、违约、理赔欺诈三种场景下的坏样本特征，建立了归因目标的三层结构，并通过量化指标与流程图为后续章节的特征工程实战打下基础。

  下一阶段准备：在进入特征工程之前，请确保你的坏样本定义文档已包含：标签窗口长度、排除规则、特殊标记逻辑、版本号。这是所有特征工程工作的唯一基准。