3. Challenger 模型定义
Challenger 模型（挑战者模型）是风控模型迭代体系中的“新方案”或“候选方案”。它被设计用来与当前线上运行的 Champion 模型进行对比验证，以评估其性能提升、稳定性或业务适配性。Challenger 模型并非直接上线，而是通过严格的离线与在线实验，证明其优于或至少不差于 Champion 模型后，才能晋升为新的 Champion。
3.1 Challenger 模型的设计目的
- 性能突破：引入新特征、新算法或新数据源，追求更高的区分度（如 KS、AUC）或更低的坏账率。
- 稳定性增强：针对 Champion 模型在特定客群或时间窗口上的波动，设计更鲁棒的 Challenger 模型。
- 业务适配：响应业务策略调整（如新客群、新产品线），使模型更贴合当前业务场景。
- 合规与公平性：满足监管要求，降低模型对敏感特征的依赖，提升可解释性与公平性。
实践提示：Challenger 模型的设计应始终围绕“可验证的改进”展开。避免为了“新”而“新”，每个改动点都应有明确的假设与可量化的评估指标。
3.2 Challenger 模型与 Champion 模型的核心区别
| 对比维度 | Champion 模型 | Challenger 模型 |
|---|---|---|
| 角色定位 | 当前线上生产环境中的最优模型 | 待验证的候选模型，尚未上线 |
| 设计目标 | 维持稳定、可靠的业务表现 | 探索性能提升、稳定性优化或业务适配 |
| 数据范围 | 使用全量线上数据，持续监控 | 使用历史离线数据或小流量在线数据 |
| 评估方式 | 线上实时指标（通过率、坏账率、PSI） | 离线指标（KS、AUC、Lift） + 在线 A/B 测试 |
| 迭代频率 | 低，仅在 Challenger 胜出后更新 | 高，可同时开发多个版本并行验证 |
| 风险等级 | 低，经过长期验证 | 中高，需通过实验证明其安全性 |
3.3 Challenger 模型的生命周期
- 假设提出：基于 Champion 模型的不足或业务新需求，提出改进假设。
- 模型开发：在离线环境中完成特征工程、算法选择、参数调优。
- 离线验证：使用历史数据回测，确保 Challenger 模型在关键指标上显著优于 Champion。
- 在线实验：通过 Champion-Challenger 实验框架，分配小流量进行 A/B 测试。
- 评估决策：综合离线与在线结果，决定是否将 Challenger 晋升为新的 Champion。
关键原则：Challenger 模型的生命周期中，“可回退”是核心设计思想。一旦在线实验出现异常，应能立即切回 Champion 模型，确保业务连续性。
3.4 Champion vs Challenger 对比流程
下图展示了 Champion 模型与 Challenger 模型在对比实验中的典型流程与决策节点：
3.5 Challenger 模型设计中的常见误区
避坑指南：
- 过度拟合历史数据：Challenger 模型在离线回测中表现优异，但上线后因数据分布偏移导致效果骤降。应使用时间序列交叉验证或对抗验证来缓解。
- 忽略业务约束：模型性能提升可能以牺牲业务可解释性或计算效率为代价。Challenger 模型的设计需兼顾业务落地成本。
- 单一指标导向：仅关注 KS 或 AUC 的提升，而忽略了模型稳定性（PSI）、公平性（EO）等维度。Challenger 模型应进行多维度评估。