📚 课程目录第2章风控模型基础概念

2. 风控模型基础概念

在构建风控模型之前，必须清晰界定信用风险与欺诈风险的本质差异，并理解评分卡与机器学习模型各自的适用场景。本章将建立这些核心概念，为后续数据准备奠定业务逻辑基础。

2.1 信用风险 vs 欺诈风险

信用风险与欺诈风险是风控领域的两大支柱，其驱动因素、数据特征和建模目标截然不同。

对比维度	信用风险	欺诈风险
核心定义	借款人因还款能力或意愿不足，未能按期偿还本息的可能性	用户通过虚假身份、盗用账户、伪造资料等手段非法获利的恶意行为
时间窗口	中长期（通常 3-12 个月以上）	短期（申请瞬间、交易发生时或首期还款前）
数据特征	收入、负债、征信历史、职业稳定性等强金融属性变量	设备指纹、IP 地址、行为轨迹、操作频率、社交图谱等行为变量
样本分布	坏样本率通常 1%-10%，相对稳定	坏样本率极低（0.1%-2%），且攻击模式快速演变
建模目标	预测未来违约概率（PD）	识别当前或即将发生的欺诈攻击
模型更新频率	季度或半年度	周级甚至天级

  关键认知： 信用风险模型关注“能不能还、愿不愿还”；欺诈风险模型关注“是不是本人、是不是真实意图”。两者在数据准备阶段的标签定义、时间窗口切分和样本采样策略上存在根本差异。

2.2 评分卡模型

评分卡（Scorecard）是信用风险领域最经典的建模范式，以逻辑回归为基础，将模型输出映射为整数分数，具备强可解释性和监管合规性。

核心算法： 逻辑回归（Logistic Regression） + 证据权重（WOE）编码 + 分数刻度（Scaling）
输出形式： 整数分数（如 300-850 分），分数越高代表信用越好
优势： 可解释性极强、监管认可度高、变量贡献度透明
局限： 线性假设、特征交互需手动构造、对非线性模式拟合能力有限

数据准备要点： 评分卡要求特征经过 WOE 分箱转换，因此原始连续变量必须进行分箱处理，且分箱边界需保持业务含义。缺失值在评分卡中通常作为独立分箱处理，而非直接填充。

2.3 机器学习模型在风控中的应用

机器学习模型（XGBoost、LightGBM、神经网络等）在欺诈检测和复杂信用场景中表现突出，能够自动捕捉高阶特征交互和非线性关系。

模型类型	典型算法	风控应用场景	数据准备特殊要求
树模型	XGBoost, LightGBM, CatBoost	欺诈评分、贷中预警、反套现	类别变量需 Label Encoding；缺失值可保留；对异常值相对鲁棒
神经网络	MLP, TabNet, 图神经网络	设备指纹关联、团伙欺诈识别	需标准化/归一化；缺失值需填充；对数据量要求高
集成模型	Stacking, Blending	高精度信用评分、多模型融合	需划分独立验证集；基模型特征需保持一致性

常见误区： 机器学习模型并非万能。在样本量不足、特征噪声大或需要向监管解释拒绝原因的场景下，评分卡仍是更稳妥的选择。数据准备阶段必须根据最终部署的模型类型反向设计特征工程策略。

2.4 风控模型技术选型决策流程

下图展示了从业务问题到模型选型的标准化决策路径，帮助数据准备团队提前锁定特征工程方向。

2.5 信用风险与欺诈风险的数据特征对比

下图直观展示两类风险在数据维度上的核心差异，帮助数据准备团队在特征工程阶段做出针对性设计。

2.6 核心概念总结

概念	一句话定义	数据准备核心关注点
信用风险	借款人未来违约的可能性	征信变量、收入负债、稳定性指标、WOE分箱
欺诈风险	恶意用户非法获利的即时行为	设备指纹、行为轨迹、实时特征、样本不平衡处理
评分卡模型	基于逻辑回归的可解释性分数体系	特征分箱、WOE转换、分数刻度映射
机器学习模型	自动学习复杂模式的预测模型	特征编码、归一化、缺失值策略、验证集划分

  本章核心结论： 数据准备不是通用的“洗数据”流程，而是必须与风险类型（信用/欺诈）和模型类型（评分卡/机器学习）深度绑定的定制化工程。在开始任何数据清洗之前，先回答三个问题：① 我们解决的是信用问题还是欺诈问题？② 最终部署需要强可解释性吗？③ 样本量和特征维度支持哪种模型复杂度？这三个答案将直接决定数据准备的整个技术路线。