4. 标签定义与目标变量：违约标签定义、连续风险评分目标、二分类与多分类场景

在风险定价模型中，标签（Label）与目标变量（Target Variable）是模型学习的核心依据。标签定义的质量直接决定模型能否准确区分“好客户”与“坏客户”，进而影响定价策略的公平性与盈利性。本章系统梳理违约标签的常见定义方式、连续风险评分目标的构造逻辑，以及二分类与多分类场景下的标签设计要点。

4.1 违约标签定义

违约标签通常基于客户在观察期之后的还款表现进行定义。不同业务场景对“违约”的界定存在差异，常见定义方式包括：

4.2 连续风险评分目标

除了二分类违约标签，部分风险定价模型使用连续风险评分作为目标变量，以更精细地刻画客户的违约概率或预期损失。常见构造方法包括：

• 违约概率（PD）平滑估计：利用逻辑回归、生存分析或贝叶斯方法，将二分类标签转化为0~1之间的连续概率值。
• 损失率（LGD）或预期损失（EL）：结合违约损失率与违约概率，构造连续数值目标，适用于风险定价中的利率与额度决策。
• 风险评分卡转换：将原始违约概率通过评分卡公式映射为整数分数（如300~850分），便于业务解释与监管合规。

4.3 二分类与多分类场景

根据业务需求，风险定价模型可设计为二分类或多分类任务。下表对比两种场景的核心差异：

4.4 标签定义与目标变量关系图

下图展示了从原始数据到最终目标变量的完整流程，以及二分类与多分类场景下的标签映射关系：

4.5 标签定义与目标变量选择决策流程

在实际项目中，标签定义与目标变量的选择应遵循以下决策流程，以确保训练集与验证集的划分科学合理：

1. 确定表现期窗口：根据业务周期，选择6个月、12个月或24个月作为表现期，确保违约事件有足够时间暴露。
2. 选择违约定义规则：结合逾期天数、滚动率或最终损失，定义“坏客户”标准。
3. 判断目标变量类型：若仅需审批决策，使用二分类标签；若需差异化定价或催收，考虑多分类或连续目标。
4. 验证标签稳定性：在训练集与验证集上分别统计违约率，确保分布一致，避免时间偏移导致模型失效。
5. 记录标签版本：每次调整标签定义或表现期，均需记录版本号，便于模型回溯与监管审计。

4.6 代码示例：标签构造与目标变量生成

以下Python代码展示了如何基于原始还款数据构造二分类违约标签，并生成连续风险评分目标：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

# 模拟原始还款数据
data = pd.DataFrame({
    'customer_id': range(1000),
    'max_dpd': np.random.choice([0, 5, 15, 30, 60, 90, 120], 1000),  # 最大逾期天数
    'loan_amount': np.random.uniform(1000, 50000, 1000),
    'observation_date': pd.date_range('2023-01-01', periods=1000, freq='D')
})

# 定义违约标签：逾期 >= 60天 为坏客户
data['default_flag'] = (data['max_dpd'] >= 60).astype(int)

# 构造连续风险评分目标：使用违约概率的平滑估计
# 此处使用简单的逻辑变换作为示例
data['risk_score'] = 1 / (1 + np.exp(-0.05 * (data['max_dpd'] - 30)))

# 划分训练集与验证集（按时间顺序）
data_sorted = data.sort_values('observation_date')
train_data = data_sorted.iloc[:800]
valid_data = data_sorted.iloc[800:]

print(f"训练集违约率: {train_data['default_flag'].mean():.3f}")
print(f"验证集违约率: {valid_data['default_flag'].mean():.3f}")