1. Champion 模型概述
1.1 什么是 Champion 模型
Champion 模型（冠军模型）是指在信用评分体系中，经过严格对照实验验证后，被选定为生产环境部署的最优评分模型。它代表当前业务周期内，在区分能力、稳定性、可解释性和业务合规性等维度上综合表现最佳的模型版本。
在信用评分卡开发的生命周期中，数据科学家通常会同时构建多个候选模型（Challenger 模型），通过系统化的对照实验，最终确定一个 Champion 模型进入生产。这一过程确保了模型选型的科学性和可追溯性。
核心定义： Champion 模型 = 在对照实验中胜出并进入生产部署的评分模型。它并非永久固定，而是随着数据分布变化和建模技术进步，在后续迭代中被新的 Champion 替代。
1.2 对照实验的目的与价值
对照实验（Champion/Challenger 实验）是信用评分模型选型的核心方法论。其目的和价值体现在以下四个层面：
| 维度 | 目的 | 价值 |
|---|---|---|
| 模型选型 | 在多个候选模型中识别最优者 | 避免主观偏好，用数据驱动决策 |
| 风险控制 | 验证新模型是否优于当前生产模型 | 降低模型替换带来的未知风险 |
| 合规审计 | 提供模型选型的量化证据链 | 满足监管对模型可解释性的要求 |
| 持续优化 | 建立模型迭代的标准化流程 | 形成模型版本管理的闭环机制 |
实践要点： 对照实验不是一次性活动。建议每 6-12 个月启动一轮 Champion/Challenger 实验，以应对客群分布漂移和宏观经济变化。
1.3 在信用评分中的典型应用场景
Champion 模型对照实验在信用评分领域覆盖了从申请评分到行为评分的全生命周期。以下列出四个最典型的应用场景：
- 申请评分卡（Application Scorecard）
对新申请客户进行信用风险评估，Champion 模型决定是否批准、授信额度及利率定价。 - 行为评分卡（Behavior Scorecard）
对存量客户进行贷中监控，Champion 模型用于额度管理、风险预警和交叉销售。 - 催收评分卡（Collection Scorecard）
对逾期客户进行催收优先级排序，Champion 模型优化催收资源配置。 - 反欺诈评分卡（Fraud Scorecard）
识别申请或交易环节的欺诈风险，Champion 模型与规则引擎协同工作。
1.4 Champion 模型与 Challenger 模型的关系
在对照实验框架中，Champion 模型与 Challenger 模型构成一对动态竞争关系。下表总结了二者的核心差异：
| 对比维度 | Champion 模型 | Challenger 模型 |
|---|---|---|
| 状态 | 当前生产部署 | 实验候选，未上线 |
| 数据时效 | 基于历史开发样本 | 可使用更新数据 |
| 算法复杂度 | 通常为逻辑回归（可解释性优先） | 可尝试 GBDT、XGBoost 等复杂算法 |
| 评估标准 | 需同时满足区分度、稳定性和业务约束 | 主要关注区分度提升幅度 |
| 替换条件 | 被 Challenger 显著超越且通过压力测试 | 需在多个时间窗口验证稳定性 |
常见误区： 不要因为 Challenger 模型在 AUC 上高出 0.01 就立即替换 Champion。必须综合评估 PSI（群体稳定性指标）、变量可解释性、以及业务规则兼容性。一个不稳定的“高精度”模型可能比稳定的低精度模型带来更大的风险损失。
1.5 对照实验的典型评估指标
在信用评分 Champion 模型对照实验中，以下五项指标构成核心评估框架：
- KS（Kolmogorov-Smirnov）：衡量模型区分好客户与坏客户的能力，通常要求 ≥ 0.3。
- AUC（Area Under ROC Curve）：ROC 曲线下面积，反映模型整体排序能力，通常要求 ≥ 0.75。
- Gini 系数：与 AUC 等价，Gini = 2×AUC - 1，通常要求 ≥ 0.5。
- PSI（Population Stability Index）：衡量模型评分分布随时间的变化，通常要求 ≤ 0.1。
- 业务约束指标：包括通过率、坏账率、定价区间等，需满足业务方预设阈值。
经验阈值参考： 当 Challenger 模型的 KS 比 Champion 提升超过 0.02，且 PSI 保持在 0.1 以内时，通常认为 Challenger 具备替换潜力。但最终决策仍需结合业务场景和监管要求综合判断。