3、时序数据特性：时间序列的平稳性、趋势与季节性、自相关性在信用数据中的体现
信用额度定价依赖历史行为数据，而信用数据本质上是时间序列。如果忽略时序特性，直接使用随机切分或简单回归，会导致严重的未来信息泄露和参数估计偏差。本节从平稳性、趋势与季节性、自相关性三个核心维度，剖析信用数据的时间结构。
3.1 平稳性：信用评分模型的基础假设
平稳时间序列的统计性质（均值、方差、自协方差）不随时间推移而变化。在信用场景中，弱平稳（二阶平稳）是大多数统计模型（如逻辑回归、线性判别）的前提。
| 平稳性类型 | 定义 | 信用数据中的典型表现 | 对定价的影响 |
|---|---|---|---|
| 严平稳 | 联合分布不随时间平移改变 | 极少见，仅适用于极短窗口（如日内交易） | 过于严格，实际中几乎无法满足 |
| 弱平稳 | 均值、方差为常数，自协方差仅与滞后阶数有关 | 稳定客群的月还款率、账户余额波动 | 逻辑回归系数可解释，样本外泛化稳定 |
| 非平稳 | 均值或方差随时间变化（含趋势、季节、随机游走） | 逾期率随经济周期上升、授信额度逐年增长 | 模型失效，需差分或引入时间虚拟变量 |
关键提示： 信用额度定价中，拒绝率和违约率通常是非平稳的。直接使用原始序列建模会导致“伪回归”——两个无关变量因共同趋势而呈现虚假相关。
3.2 趋势与季节性：信用行为中的可预测成分
信用数据的时间模式可分解为三个成分：趋势（Trend）、季节性（Seasonal）、残差（Residual）。理解这些成分有助于设计合理的样本切分策略。
- 趋势成分：
- 长期趋势： 客户信用分随年龄增长缓慢上升；授信额度随收入增长线性递增。
- 周期趋势： 宏观经济扩张/收缩导致整体逾期率呈U型波动（周期3-7年）。
- 季节性成分：
- 月度季节： 信用卡消费在春节、双十一、圣诞前后激增；还款日在发薪日（每月10-15日）后集中。
- 季度季节： 企业贷款在季末冲量，个人贷款在年初（奖金发放）和开学季（教育贷）出现高峰。
- 残差成分： 突发事件（如疫情、政策调整）导致的不可预测波动，通常表现为异常值。
实践建议： 在时序样本切分时，必须保留完整的季节周期。例如，若数据包含12个月，训练集应至少覆盖连续12个月，测试集取后续3-6个月，避免“跨季节”切分导致分布偏移。
3.3 自相关性：信用行为的时间依赖结构
自相关性（Autocorrelation）衡量当前观测值与历史观测值之间的线性依赖程度。信用数据中，自相关性普遍存在且强度较高，是时序样本切分必须处理的核心问题。
3.3.1 信用数据中的自相关来源
- 行为惯性： 上月逾期客户本月继续逾期的概率显著升高（自相关系数可达0.6-0.8）。
- 账户生命周期： 新开户客户前3个月行为波动大，老客户行为模式稳定，形成长记忆性。
- 政策滞后： 风控策略调整后，客户反应通常延迟1-2个账期，导致残差自相关。
- 数据采集频率： 月度汇总数据天然存在相邻月份的相关性（如消费金额、余额）。
3.3.2 自相关函数（ACF）与偏自相关函数（PACF）
| 指标 | 定义 | 信用场景解读 | 切分影响 |
|---|---|---|---|
| ACF | 序列与其滞后序列的相关系数（含间接路径） | 滞后1阶ACF高（>0.5）说明“近朱者赤”效应强 | 随机切分会破坏时间依赖，导致训练/测试集高度相似 |
| PACF | 剔除中间滞后影响后的直接相关系数 | 滞后1-2阶PACF显著，说明AR(2)过程主导 | 需使用滚动窗口或膨胀窗口切分，保留自回归结构 |
常见陷阱： 如果忽略自相关性，使用随机切分（如80%训练/20%测试），相邻月份的数据会同时出现在训练集和测试集中，导致模型“看到未来”，测试AUC虚高0.05-0.15。这是信用额度定价中最隐蔽的过拟合来源。
3.4 信用数据时序特性的综合影响
将平稳性、趋势/季节性和自相关性综合起来，信用额度定价的样本切分必须遵循以下原则：
- 时间顺序不可逆： 训练集时间必须早于测试集时间，禁止随机打乱。
- 保留完整季节周期： 训练集至少包含12个月（或4个季度）的完整数据。
- 考虑自相关滞后： 若ACF在滞后k阶仍显著，训练集与测试集之间应保留至少k个时间单位的“缓冲期”。
- 检测非平稳性： 使用ADF检验或KPSS检验确认序列是否平稳，非平稳时需差分或引入时间趋势项。