2. 样本构建基础概念：正样本与负样本定义、样本时间窗口、样本标签的定义与来源
在支付风控评分卡建模中，样本构建是决定模型上限的基石。本章将系统讲解正负样本的定义逻辑、样本时间窗口的划分方法，以及标签的来源与质量要求。理解这些基础概念，是后续进行特征工程与模型训练的前提。
2.1 正样本与负样本定义
在支付风控场景中，正样本与负样本的定义并非简单的“好”与“坏”，而是需要结合业务目标与风险容忍度进行精确界定。
| 样本类型 | 业务定义 | 典型标签值 | 示例场景 |
|---|---|---|---|
| 正样本（坏样本） | 发生明确风险事件的交易或用户 | 1 | 欺诈交易、盗刷、账户盗用、恶意套现 |
| 负样本（好样本） | 未发生风险事件的正常交易或用户 | 0 | 正常消费、合规转账、无争议交易 |
| 灰样本（不确定样本） | 无法明确判定风险状态的样本 | 剔除或单独建模 | 交易纠纷未结案、人工审核中、信息不足 |
实践要点：正样本的定义应遵循“宁可漏报，不可误报”原则。在样本构建初期，建议只将经过人工核实或系统确认的明确欺诈交易标记为正样本，避免将可疑但未确认的交易纳入，防止标签噪声。
2.2 样本时间窗口
样本时间窗口决定了模型观察期与表现期的长度，直接影响模型对风险行为的捕捉能力。支付风控中通常采用“观察期 + 表现期”的双窗口结构。
核心公式：样本时间窗口 = 观察期（特征采集期） + 表现期（标签观察期）
2.2.1 观察期长度选择
- 短期观察（7-30天）：适用于高频交易场景，如小额支付、扫码支付，特征变化快，需要快速响应。
- 中期观察（30-90天）：适用于常规电商交易、账户行为分析，能覆盖大部分用户行为模式。
- 长期观察（90-180天）：适用于大额交易、企业账户、跨境支付，需要积累足够的行为数据。
2.2.2 表现期长度选择
| 风险类型 | 推荐表现期 | 说明 |
|---|---|---|
| 即时欺诈 | 1-7天 | 盗刷、伪卡交易通常在交易后很快被发现 |
| 账户盗用 | 7-30天 | 用户发现账户异常需要一定时间 |
| 恶意套现 | 30-90天 | 套现行为往往需要多笔交易才能暴露 |
| 洗钱风险 | 90-180天 | 洗钱行为隐蔽，需要长期观察资金流向 |
常见陷阱：表现期过短会导致标签不完整（漏标），表现期过长则会导致样本时效性差、模型滞后。建议根据业务风险特征进行敏感性测试，选择最优窗口。
2.3 样本标签的定义与来源
标签是样本的“答案”，其质量直接决定模型的上限。支付风控中标签的来源可分为以下几类：
2.3.1 标签来源分类
| 来源类型 | 具体来源 | 可靠性 | 覆盖范围 |
|---|---|---|---|
| 系统自动标签 | 风控规则命中、反欺诈系统判定 | 高 | 全量交易 |
| 人工审核标签 | 风控审核团队判定、客服工单 | 最高 | 可疑交易子集 |
| 用户反馈标签 | 用户投诉、争议交易、退款申请 | 中高 | 用户主动反馈 |
| 外部数据标签 | 黑名单、征信机构、行业共享数据 | 中 | 外部数据覆盖 |
| 业务规则标签 | 逾期记录、异常行为模式 | 中 | 规则定义范围 |
2.3.2 标签定义原则
- 可观测性：标签必须在表现期内可被明确观测到，避免使用需要长期追溯才能确认的标签。
- 一致性：同一类风险事件的标签定义标准必须统一，避免不同审核人员或不同时期的标准差异。
- 时效性：标签的生成时间应与表现期对齐，避免使用表现期之后才产生的信息。
- 可解释性：每个标签都应能追溯到具体的风险事件或判定依据，便于模型迭代与审计。
2.3.3 标签质量评估指标
| 指标 | 定义 | 理想范围 |
|---|---|---|
| 标签覆盖率 | 有标签样本占总样本的比例 | > 95% |
| 标签准确率 | 标签与真实风险状态一致的样本比例 | > 99% |
| 标签一致性 | 同一事件在不同来源下的标签一致比例 | > 98% |
| 标签时效性 | 标签生成时间与表现期结束时间的差值 | < 7天 |
2.4 样本构建实战要点
样本构建检查清单：
- ✅ 正样本定义是否与业务风险目标一致？
- ✅ 观察期是否覆盖了足够的特征行为？
- ✅ 表现期是否足够长以确认风险状态？
- ✅ 标签来源是否可靠且可追溯？
- ✅ 灰样本是否已合理剔除或单独处理？
- ✅ 样本时间窗口是否考虑了业务季节性？