2. PD模型核心概念：违约概率(PD)定义、违约认定标准、观察期与表现期、样本窗口设计
在信用评分卡（Scorecard）与PD（Probability of Default）模型开发中，理解核心概念是构建可靠模型的前提。本章将系统阐述违约概率的定义、违约认定标准、观察期与表现期的划分逻辑，以及样本窗口设计的工程实践。
2.1 违约概率(PD)定义
违约概率（Probability of Default, PD）是指借款人在未来特定时间窗口内发生违约的可能性，通常以0到1之间的数值表示。在巴塞尔协议框架下，PD是内部评级法（IRB）的核心输入参数之一。
| 维度 | 说明 |
|---|---|
| 数学定义 | P(违约 | 当前信息集) = 借款人在表现期内发生违约的概率 |
| 业务含义 | 反映客户信用风险水平，用于授信决策、定价、准备金计提 |
| 模型输出 | 通常为0~1之间的连续值，经校准后映射到评级等级 |
| 时间属性 | 必须明确时间窗口（如12个月PD、生命周期PD） |
工程要点：PD模型输出的不是"是否违约"的二元结果，而是违约的可能性。模型训练时使用0/1标签，但推理时输出概率值。在Serving阶段，需要将模型输出的原始分数通过逻辑函数或校准曲线转换为PD值。
2.2 违约认定标准
违约认定标准是PD模型开发的基石。不同的违约定义会直接影响样本标签、模型性能和业务应用。常见的违约认定标准包括：
- 逾期天数标准：最常见的方式，如逾期≥90天（DPD90+）或逾期≥60天（DPD60+）
- 五级分类标准：贷款五级分类中的"次级"、"可疑"、"损失"类视为违约
- 监管定义：巴塞尔协议规定违约包括逾期超过90天、债务人破产、债务重组等情形
- 业务自定义：部分机构将核销、代偿、法律催收等状态纳入违约定义
- 观察期：用于提取借款人特征的时间窗口。模型从该窗口内的历史行为、交易、征信等数据中计算特征变量。
- 表现期：用于观察借款人是否发生违约的时间窗口。模型预测的是表现期内的违约概率。
- 时间间隔：观察期结束点与表现期开始点之间的间隔，通常为0或1个月。
- 观察期长度：通常6~24个月，取决于数据可用性和业务周期
- 表现期长度：通常12个月，与巴塞尔协议对齐；短期产品可用6个月
- 样本间隔：滚动窗口时相邻样本的间隔，通常为1个月或3个月
- 样本去重：同一客户在多个窗口出现时，需考虑样本独立性
- 幸存者偏差：只选择表现期结束时仍在账的客户，忽略已结清或核销客户。应包含所有在观察时点有余额的客户。
- 时间穿越：使用表现期内的数据计算特征。特征必须严格来自观察期，不能包含未来信息。
- 样本重叠：滚动窗口中同一客户多次出现，导致样本非独立。建议使用客户级去重或调整样本权重。
- 窗口长度不一致：不同产品的表现期长度不同，导致PD定义不一致。建议统一为12个月PD。
| 违约标准 | 适用场景 | 优缺点 |
|---|---|---|
| DPD90+ | 银行零售信贷、信用卡 | 标准统一，与监管对齐；但可能滞后 |
| DPD60+ | 消费金融、现金贷 | 更敏感，适合短期产品；但违约率偏高 |
| 五级分类 | 对公信贷、项目融资 | 综合性强；但主观性较大 |
| 核销/代偿 | 助贷、担保业务 | 确定性高；但样本量可能不足 |
避坑提示：同一机构内不同产品线使用不同的违约标准时，PD模型不能混用标签。建议在模型开发前统一违约认定标准，并在模型监控阶段持续验证标准的一致性。
2.3 观察期与表现期
观察期（Observation Window）和表现期（Performance Window）是时间序列建模的核心概念，决定了模型"看什么"和"预测什么"。
典型设计：观察期12个月（如2022年1月~2022年12月），表现期12个月（如2023年1月~2023年12月）。观察期结束时点（2022年12月31日）为"观察时点"，表现期内发生违约的样本标记为1，否则为0。
2.4 样本窗口设计
样本窗口设计决定了训练数据集的时间范围和质量。合理的窗口设计需要平衡样本量、时效性和稳定性。
2.4.1 窗口类型
| 窗口类型 | 描述 | 适用场景 |
|---|---|---|
| 固定窗口 | 选取一个固定的观察期和表现期，如2019年观察+2020年表现 | 样本量充足、业务稳定 |
| 滚动窗口 | 多个连续时间窗口，如每月一个观察-表现对 | 样本量不足、需要增加样本 |
| 混合窗口 | 结合固定和滚动，如多个固定窗口拼接 | 兼顾时效性和样本量 |
2.4.2 窗口设计关键参数
工程实践：在Serving阶段，模型需要实时计算当前观察期特征，并预测未来表现期的PD。因此，生产环境中的观察期长度必须与训练时一致，且特征计算逻辑必须完全对齐。
2.5 样本窗口设计避坑指南
常见问题与解决方案：
2.6 小结
本章涵盖了PD模型开发的核心时间概念：违约概率的定义、违约认定标准的选择、观察期与表现期的划分，以及样本窗口设计的工程方法。这些概念直接决定了模型训练数据的质量和模型在Serving阶段的预测准确性。在实际项目中，建议在模型开发初期就与业务方确认违约标准，并严格按照时间窗口逻辑构建样本数据集。