4. 时间序列切分法：基于放款时间戳的严格时序切分

在金融信贷场景中，时间序列切分是防止未来信息泄露最有效的手段。与随机切分不同，该方法严格依据放款时间戳将样本划分为训练集、验证集和测试集，确保模型在训练时只能看到“过去”的数据，而评估时面对的是“未来”的真实表现。

4.1 为什么需要时序切分？

信贷数据天然具有时间依赖性：宏观经济、客群质量、风控策略都会随时间变化。如果使用随机切分，模型可能“偷看”到未来的样本分布，导致在线上部署时性能大幅衰减。

4.2 时序切分的核心原则

4.3 三种主流时序切分策略

根据业务场景和数据量，通常采用以下三种切分方式：

1. 固定时间点切分：设定一个明确的时间阈值（如2023-06-30），之前为训练集，之后为测试集。适用于业务稳定、数据量充足的场景。
2. 滚动窗口切分：使用固定长度的时间窗口（如6个月）不断向前滚动，生成多组训练/验证对。适用于需要评估模型时间稳定性的场景。
3. 时间序列交叉验证：类似滚动窗口，但每次保留窗口后的固定时间段作为验证集。适用于小样本或需要精细调参的场景。

4.4 时序切分流程详解

以下 SVG 展示了基于放款时间戳的严格时序切分完整流程：

4.5 代码实现：基于放款时间戳的切分

以下代码展示了如何在 Python 中实现严格的时序切分：

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

def time_based_split(df, time_col='loan_date', test_size=0.2, val_size=0.15):
    """
    基于放款时间戳的严格时序切分
    
    Parameters:
    -----------
    df : DataFrame
        包含放款时间戳的样本数据
    time_col : str
        放款时间戳列名
    test_size : float
        测试集占比
    val_size : float
        验证集占比
    
    Returns:
    --------
    train_df, val_df, test_df : 切分后的三个数据集
    """
    # 确保时间列是datetime类型
    df = df.copy()
    df[time_col] = pd.to_datetime(df[time_col])
    
    # 按时间升序排序
    df = df.sort_values(time_col).reset_index(drop=True)
    
    # 计算切分点
    n = len(df)
    test_cutoff = int(n * (1 - test_size))
    val_cutoff = int(n * (1 - test_size - val_size))
    
    # 严格按时间顺序切分
    train_df = df.iloc[:val_cutoff].copy()
    val_df = df.iloc[val_cutoff:test_cutoff].copy()
    test_df = df.iloc[test_cutoff:].copy()
    
    # 输出时间范围检查
    print(f"训练集时间范围: {train_df[time_col].min()} ~ {train_df[time_col].max()}")
    print(f"验证集时间范围: {val_df[time_col].min()} ~ {val_df[time_col].max()}")
    print(f"测试集时间范围: {test_df[time_col].min()} ~ {test_df[time_col].max()}")
    
    return train_df, val_df, test_df

# 使用示例
# train, val, test = time_based_split(loan_data, time_col='loan_date')

4.6 时序切分 vs 随机切分：对比分析

4.7 常见陷阱与避坑指南

• 陷阱1：特征计算使用了未来信息 —— 例如计算“用户历史逾期次数”时使用了放款日之后的数据。解决方案：特征工程必须在每个样本的放款时间戳处截断。
• 陷阱2：时间戳精度不足 —— 如果只精确到“月”或“日”，同一天内的放款顺序可能混乱。解决方案：使用精确到秒的时间戳，并确保排序稳定。
• 陷阱3：跨时间窗口的用户重复 —— 同一用户在训练集和测试集都有放款记录。解决方案：按用户ID分组后，以用户首次放款时间作为切分依据。
• 陷阱4：时间窗口长度选择不当 —— 测试集窗口太短导致评估不稳定。解决方案：确保测试集至少包含3个月的数据，且样本量不少于5000笔。

4.8 实战案例：某消费金融公司的时序切分实践

某头部消费金融公司在开发额度定价模型时，最初使用随机切分，模型离线AUC达到0.87。上线后实际AUC仅为0.71，额度定价偏差导致坏账率上升15%。

改用严格的时序切分后：

• 训练集：2022-01-01 至 2023-03-31（15个月，约120万笔）
• 验证集：2023-04-01 至 2023-06-30（3个月，约25万笔）
• 测试集：2023-07-01 至 2023-09-30（3个月，约25万笔）

模型离线AUC降至0.79，但上线后实际AUC稳定在0.76～0.78之间，与离线评估高度一致。额度定价的坏账率控制在预期范围内，模型迭代效率提升3倍。