📚 课程目录第2章样本构建基础

2. 样本构建基础：正负样本定义、样本时间窗口设计与标签确定

样本构建是支付风控模型的地基。如果样本定义不准确、时间窗口错位或标签噪声过高，后续无论特征工程多精妙、模型多复杂，最终上线效果都会大打折扣。本章从三个核心维度展开：正负样本的业务定义、样本时间窗口（观察期、表现期、评估期）的设计原则，以及标签确定的实操方法。

在支付风控场景中，正样本通常代表“坏样本”（欺诈、盗刷、违规交易），负样本代表“好样本”（正常交易）。但“坏”的定义需要结合业务规则和风险容忍度进行量化。

样本类型	业务定义	常见标签来源	典型例子
正样本（坏样本）	经核实存在欺诈、盗刷、洗钱、套现等风险行为的交易或账户	用户投诉、风控人工审核、黑名单、司法协查、逾期记录	用户反馈“未授权交易”且核实属实；账户被用于批量虚假交易
负样本（好样本）	正常、合规、无风险争议的交易或账户	历史正常交易流水、无投诉记录、通过反欺诈验证	用户日常消费、工资入账、正常转账
灰样本（不确定样本）	无法在表现期内确认风险状态，或存在争议但未定性的样本	未完结的投诉、临时冻结但未确认欺诈、模型预测高但人工未核实	用户发起争议但尚未提供证据；系统拦截但用户未申诉

实操建议： 正样本定义不宜过宽（如将“疑似风险”直接标为正样本），否则会引入大量噪声；也不宜过窄（如只采用司法判决结果），否则正样本量过少，模型难以学习。建议以“人工核实确认”或“用户明确反馈且证据确凿”作为正样本的黄金标准。

时间窗口是样本构建中最容易被忽视但影响最大的环节。一个完整的样本单元由三个时间窗口组成：

  核心原则： 观察期必须在表现期之前，且两者不能有重叠。特征只能来自过去，标签只能来自未来。

以下是一个典型的支付交易级样本时间窗口设计示例：

标签确定是样本构建中最耗时、最需要人工介入的环节。以下是四种主流的标签确定方法：

常见陷阱： 不要将“模型预测为高风险”直接作为正样本标签，这会导致标签与特征产生循环依赖（Label Leakage）。正样本必须来自独立于模型的外部事实。

将上述三个基础要素整合，一个完整的样本构建流程如下：

  案例提示： 某支付平台构建盗刷模型时，将“用户投诉且核实为未授权交易”作为正样本，观察期设为交易前7天，表现期设为交易后30天。结果发现约15%的投诉发生在交易后15~30天，若表现期只设7天，会漏掉大量正样本，导致模型召回率严重偏低。