3. SQL基础回顾：SELECT、WHERE、JOIN、GROUP BY、HAVING、ORDER BY等核心语法

在信用评分模型A/B测试中，SQL是数据提取、特征加工与效果评估的核心工具。无论是计算坏账率、对比实验组与对照组，还是生成PSM匹配样本，都离不开SQL的精准操作。本节将系统回顾SQL最常用的六大核心语法，并结合信用评分场景给出实战示例。

3.1 SELECT & FROM：数据检索基础

SELECT 用于指定要查询的字段，FROM 指定数据来源表。在信用评分项目中，通常从用户主表、交易流水表、逾期标签表中提取数据。

-- 提取申请用户ID、年龄、收入等级与最终逾期标签
SELECT 
    user_id,
    age,
    income_level,
    is_default_90dpd
FROM credit_application
WHERE application_date BETWEEN '2024-01-01' AND '2024-06-30';

3.2 WHERE：条件过滤

WHERE 用于在数据提取阶段过滤行记录。在A/B测试中，常用来筛选实验组、对照组或特定时间窗口的数据。

-- 筛选A/B测试中的实验组用户（策略A）
SELECT 
    user_id,
    credit_score,
    loan_amount
FROM credit_application
WHERE experiment_group = 'treatment_A'
  AND application_date >= '2024-03-01'
  AND loan_amount BETWEEN 5000 AND 50000;

3.3 JOIN：多表关联

信用评分建模通常需要将用户基本信息、交易行为、历史逾期记录合并到一张宽表中。JOIN 是实现多表关联的核心操作。

-- 将用户主表与交易流水表、逾期标签表关联
SELECT 
    a.user_id,
    a.age,
    a.income_level,
    b.total_trans_amount,
    c.is_default_90dpd
FROM credit_user a
LEFT JOIN (
    SELECT user_id, SUM(trans_amount) AS total_trans_amount
    FROM transaction_record
    WHERE trans_date >= '2024-01-01'
    GROUP BY user_id
) b ON a.user_id = b.user_id
LEFT JOIN default_label c ON a.user_id = c.user_id
WHERE a.application_date >= '2024-01-01';

3.4 GROUP BY & HAVING：分组聚合与过滤

GROUP BY 按指定字段分组，配合聚合函数（COUNT、SUM、AVG、MAX、MIN）计算每组的统计值。HAVING 用于对聚合后的结果进行过滤，与 WHERE 的区别在于 HAVING 作用于分组后。

-- 按收入等级分组，计算各组的平均信用分与坏账率
SELECT 
    income_level,
    COUNT(*) AS user_count,
    AVG(credit_score) AS avg_credit_score,
    SUM(CASE WHEN is_default = 1 THEN 1 ELSE 0 END) * 1.0 / COUNT(*) AS bad_rate
FROM credit_user
WHERE application_date >= '2024-01-01'
GROUP BY income_level
HAVING COUNT(*) >= 100  -- 只保留样本量足够的组
ORDER BY bad_rate DESC;

3.5 ORDER BY：排序输出

ORDER BY 对最终结果集按指定字段排序，ASC 升序（默认），DESC 降序。在信用评分A/B测试中，常用于输出风险最高的用户列表或按实验组排序对比。

-- 输出信用分最低的100个用户，用于人工审核
SELECT 
    user_id,
    credit_score,
    income_level,
    is_default
FROM credit_user
WHERE application_date >= '2024-01-01'
ORDER BY credit_score ASC, is_default DESC
LIMIT 100;

3.6 核心语法执行顺序

理解SQL各子句的逻辑执行顺序，对写出高效、正确的查询至关重要。以下是SQL查询的完整执行顺序：

3.7 信用评分A/B测试综合查询示例

将上述语法综合运用，完成一个典型的A/B测试效果评估查询：对比实验组（新评分模型）与对照组（旧评分模型）在相同时间窗口内的逾期率差异。

-- A/B测试效果评估：实验组 vs 对照组逾期率对比
SELECT 
    experiment_group,
    COUNT(*) AS total_users,
    SUM(is_default_90dpd) AS default_count,
    ROUND(SUM(is_default_90dpd) * 100.0 / COUNT(*), 2) AS bad_rate_pct,
    AVG(credit_score) AS avg_score,
    AVG(loan_amount) AS avg_loan
FROM credit_ab_test
WHERE test_date BETWEEN '2024-04-01' AND '2024-06-30'
  AND experiment_group IN ('treatment', 'control')
GROUP BY experiment_group
HAVING COUNT(*) >= 500
ORDER BY bad_rate_pct ASC;