3. 样本定义基础：好样本、坏样本、拒绝样本、未知样本；逾期天数（DPD）与账龄（MOB）的概念
在额度模型构建中，样本定义是决定模型能否准确区分风险等级的核心前提。如果好坏样本的定义出现偏差，后续所有特征工程、模型训练与额度策略都会建立在错误的基础上。本节将系统讲解四种样本类型以及两个关键时间维度指标。
3.1 四种样本类型
根据客户在观察期内的表现，可将样本划分为以下四类：
| 样本类型 | 英文术语 | 定义 | 典型标记 |
|---|---|---|---|
| 好样本 | Good | 在观察期内按时还款或仅发生轻微逾期（如 DPD < 30），信用表现良好 | 0 |
| 坏样本 | Bad | 在观察期内发生严重逾期（如 DPD ≥ 90）、核销、欺诈或死亡等不良事件 | 1 |
| 拒绝样本 | Reject | 在申请阶段被风控策略拒绝，未进入授信流程，因此无法观察到后续还款表现 | — |
| 未知样本 | Unknown / Indeterminate | 已授信但观察期不足，或逾期状态介于好坏之间（如 DPD 30~89），无法明确归类 | — |
关键原则：建模时通常只使用好样本和坏样本进行训练；拒绝样本需通过拒绝推断（Reject Inference）技术补充；未知样本应予以剔除或单独处理，避免污染模型。
3.2 逾期天数（DPD）
逾期天数（Days Past Due, DPD）是衡量客户还款延迟程度的核心指标。它表示客户超过应还款日（Due Date）后仍未还款的天数。
- DPD = 0：正常还款，未发生逾期。
- DPD = 1~29：轻度逾期，通常视为好样本边界。
- DPD = 30~89：中度逾期，常被归为未知样本。
- DPD ≥ 90：严重逾期，通常定义为坏样本。
- DPD ≥ 180：核销（Write-off），明确坏样本。
行业惯例：多数消费金融与信用卡场景以 DPD ≥ 90 作为坏样本的硬性标准；部分高风险产品可能收紧至 DPD ≥ 60。具体阈值需结合业务逾期回收率与监管要求确定。
3.3 账龄（MOB）
账龄（Month on Book, MOB）指从贷款发放或账户开立之日起，到当前观察时点所经过的月份数。它用于统一不同放款时间客户的观察窗口长度。
| 账龄阶段 | MOB 范围 | 常见用途 |
|---|---|---|
| 早期 | MOB 1~3 | 观察首期还款行为，识别早期欺诈 |
| 中期 | MOB 4~12 | 评估稳定还款能力，构建行为评分 |
| 成熟期 | MOB 13~24 | 判断长期信用风险，用于额度调整 |
| 晚期 | MOB > 24 | 分析全生命周期损失，用于模型验证 |
注意：样本定义必须同时指定 观察点（Observation Point） 和 表现期（Performance Window）。例如：“以放款后 MOB 12 为观察点，观察未来 6 个月内是否出现 DPD ≥ 90”。表现期过短会导致坏样本识别不足，过长则样本时效性下降。
3.4 样本定义与时间轴关系
下图展示了样本定义在时间轴上的完整逻辑：
3.5 样本定义决策流程
在实际建模中，样本定义通常遵循以下步骤：
- 确定观察点：选择放款后第几个 MOB 作为特征截断时点。
- 确定表现期长度：通常为 6~12 个月，确保坏样本充分暴露。
- 设定坏样本阈值：根据业务容忍度选择 DPD ≥ 30 / 60 / 90。
- 标记样本：将表现期内达到坏样本阈值的客户标记为 1，其余正常客户标记为 0。
- 剔除未知样本：移除表现期不足或 DPD 处于模糊区间的样本。
- 处理拒绝样本：通过拒绝推断方法（如扩张法、Heckman 模型）补充样本。
最佳实践：建议在建模前先进行 样本稳定性分析，对比不同 MOB 与 DPD 阈值下的好坏样本比例，确保定义既符合业务逻辑，又能产生足够的坏样本量（通常要求坏样本占比 > 3%）。
3.6 常见样本定义误区
- 误区一：将 DPD = 0 作为唯一好样本标准。实际上，允许 DPD 1~29 的客户进入好样本，可增加样本量且不影响模型区分度。
- 误区二：忽略表现期长度对坏样本识别的影响。表现期过短（如 3 个月）会导致大量潜在坏样本被误标为好样本。
- 误区三：直接删除拒绝样本而不做推断，导致模型产生样本选择偏差（Sample Selection Bias），低估真实风险。
- 误区四：将未知样本强行归入好样本或坏样本，造成标签噪声，降低模型性能。
3.7 样本定义与额度策略的关联
样本定义直接影响额度模型的输出与策略应用：
| 样本定义 | 对额度模型的影响 | 策略调整方向 |
|---|---|---|
| 坏样本阈值过严（DPD ≥ 180） | 坏样本量少，模型区分度不足 | 适当放宽额度，但需加强贷后监控 |
| 坏样本阈值过松（DPD ≥ 30） | 坏样本量多，模型过于保守 | 收紧额度，可能误杀优质客户 |
| 表现期过短（3 个月） | 坏样本识别滞后，模型高估客户质量 | 降低初始额度，增加动态调整频率 |
| 拒绝样本未处理 | 模型仅适用于已授信人群，泛化能力差 | 对新客使用更保守的额度策略 |
建议：在额度模型开发初期，先进行 样本定义敏感性分析，测试不同 DPD 阈值与 MOB 组合下的模型 AUC 与 KS 值，选择最优定义后再进入正式建模流程。