4、回放验证的数据准备：历史评分数据、决策结果数据、实际表现数据的三表对齐

回放验证的核心在于将三个独立数据源——历史评分数据、决策结果数据、实际表现数据——按照统一的主键进行精确对齐。三表对齐的质量直接决定回放验证结论的可靠性。任何对齐偏差都会导致评分与表现之间的因果关系扭曲，使验证结果失去参考价值。

4.1 三表数据定义与字段清单

在开始对齐之前，必须明确每个数据表的业务含义、时间窗口和关键字段。下表列出了三表的核心字段及其在回放验证中的用途：

4.2 三表对齐的流程与步骤

三表对齐不是简单的SQL JOIN操作，而是一个包含数据清洗、时间窗口校验、样本筛选的工程流程。建议按以下步骤执行：

1. 主键统一与去重：检查每个表中申请编号的唯一性，去除重复记录。对于存在多条评分记录的申请，保留审批时点最近的一条。
2. 时间窗口校验：确保评分日期早于决策日期，决策日期早于表现期开始日期。剔除时间顺序异常的数据。
3. 样本范围锁定：仅保留在评分时点后至少经过一个完整表现期的申请。例如，使用12个月表现期时，评分日期必须距今超过12个月。
4. 决策结果归类：将决策结果分为“通过组”和“拒绝组”。通过组用于验证评分区分能力，拒绝组用于推断拒绝样本的违约率。
5. 表现标签生成：根据实际表现数据生成二分类违约标识（0/1），并计算连续型表现指标（如逾期天数、损失金额）。
6. 最终对齐校验：检查对齐后数据集的缺失率、异常值、分布一致性，输出对齐报告。

4.3 三表对齐的SVG流程图

下图展示了从三个独立数据源到对齐数据集的完整流程，包含关键校验节点：

4.4 拒绝样本的推断与对齐处理

回放验证中，拒绝样本没有实际表现数据，这是三表对齐必须解决的核心难题。常用的处理方法包括：

• 拒绝推断法：利用通过样本的评分-表现关系，通过统计模型（如Heckman校正、扩展逻辑回归）推断拒绝样本的违约概率。
• 随机通过法：在审批时随机通过一部分拒绝样本（通常为5%~10%），获取其真实表现数据，用于校准拒绝推断模型。
• 外部数据法：使用征信机构提供的跨机构违约标签，补充拒绝样本的表现信息。

4.5 对齐后的数据质量检查清单

完成三表对齐后，建议按以下清单进行数据质量检查，确保回放验证的输入数据可靠：

4.6 三表对齐的常见避坑指南

根据实际项目经验，以下三个问题最容易导致三表对齐失败：

• 时间窗口错位：表现期开始日期不应早于决策日期。部分业务系统中，表现期数据可能包含审批前的历史逾期记录，必须通过时间过滤剔除。
• 多版本评分覆盖：同一个申请可能被多个评分模型版本打分。回放验证必须锁定验证目标版本，排除其他版本的评分记录。
• 决策结果变更：部分申请在审批后可能发生决策变更（如从通过改为拒绝）。对齐时应使用最终决策结果，并记录变更日志。