3. 数据切片基础：数据源梳理、数据质量检查、切片维度定义（时间、产品、客户、区域）
数据切片是风险计量MRM（Model Risk Management）复盘的核心前置环节。切片质量直接决定后续风险因子归因、模型偏差分析和压力测试结论的可靠性。本章聚焦三大基础动作：数据源梳理、数据质量检查、切片维度定义，为后续章节的量化分析奠定数据底座。
3.1 数据源梳理
风险计量模型通常依赖多个异构数据源。梳理数据源时需明确：来源系统、数据粒度、更新频率、字段映射。下表列出典型MRM复盘场景中的主要数据源及其特征：
| 数据源 | 来源系统 | 典型粒度 | 更新频率 | 关键字段示例 |
|---|---|---|---|---|
| 交易流水 | 核心银行 / 交易系统 | 逐笔交易 | T+1 | 交易ID、金额、币种、对手方 |
| 客户主数据 | CRM / 客户信息平台 | 客户级 | 每日增量 | 客户ID、评级、行业、地区 |
| 产品参数 | 产品工厂 / 定价引擎 | 产品级 | 按需 | 产品代码、期限、利率、提前还款率 |
| 市场行情 | 彭博 / 路透 / 内部估值 | 日频 / 高频 | 实时或日终 | 收益率曲线、汇率、波动率 |
| 历史违约 | 风险数据集市 | 账户级 | 月度 | 违约日期、违约损失率、回收金额 |
3.2 数据质量检查
数据质量检查是切片前的“体检”环节。检查维度通常包括：完整性、准确性、一致性、时效性、唯一性。以下为MRM复盘场景中常见的数据质量问题及处理建议：
- 完整性缺失： 关键字段（如客户评级、产品期限）空值率超过5%，需回溯源系统补录或采用合理插值。
- 准确性异常： 交易金额为负、利率超出合理区间（如年化利率>100%），需标记为异常值并核查。
- 一致性冲突： 同一客户在不同系统中的行业分类不一致，需建立主数据映射规则。
- 时效性滞后： 市场行情数据延迟超过2个工作日，切片时需注明数据截止时间戳。
- 唯一性重复： 交易流水出现重复记录，需按交易ID去重并保留最新状态。
3.3 切片维度定义
切片维度是数据切片的“坐标轴”。在MRM复盘中，最常用的四个维度是：时间、产品、客户、区域。每个维度需定义清晰的层级结构和切片粒度。
3.3.1 时间维度
时间维度支持按日、周、月、季、年切片。在风险计量中，通常以“月末”或“季末”作为观察时点。需注意：时间切片必须对齐模型校准周期和监管报告基准日。
3.3.2 产品维度
产品维度按产品大类 → 产品子类 → 产品代码 三级展开。例如：
- 一级：对公贷款、零售贷款、债券、衍生品
- 二级：流动资金贷款、项目贷款、按揭、信用卡
- 三级：具体产品代码（如 L1001、M2003）
3.3.3 客户维度
客户维度按客户类型 → 行业 → 信用评级 分层。典型切片包括：
- 对公客户 vs. 零售客户
- 制造业、批发零售、房地产等行业
- 内部评级 AAA、AA、A、BBB 等
3.3.4 区域维度
区域维度按大区 → 省份/州 → 城市 划分。在跨境风险计量中，还需加入“国家/地区”层级，并关联主权评级。
以下SVG图展示四个切片维度及其层级关系，帮助理解多维切片的数据组织方式：
3.4 切片维度组合与数据立方体
在实际MRM复盘中，通常需要多维度组合切片，形成数据立方体（Data Cube）。例如：分析“2024年第一季度华东区制造业对公贷款的违约率变化”，需要同时按时间、区域、客户、产品四个维度切片。
以下SVG图展示多维切片组合后的数据立方体结构：
3.5 切片执行流程
数据切片执行建议按以下步骤进行，确保可重复、可审计：
- 步骤1： 确认切片维度组合（如时间+产品+区域），输出《切片规格说明书》。
- 步骤2： 从数据源提取原始数据，按维度字段进行关联和去重。
- 步骤3： 执行数据质量检查，生成质量报告并记录异常处理方式。
- 步骤4： 按维度层级进行聚合计算（SUM、AVG、COUNT等），生成切片数据集。
- 步骤5： 对切片结果进行合理性校验（如与总账核对、与历史趋势对比）。
- 步骤6： 输出切片数据表，并附上元数据说明（数据时间戳、版本号、处理人）。
3.6 切片输出规范
切片完成后，输出数据应包含以下字段结构（示例）：
-- 切片数据集字段规范（示例）
time_key VARCHAR(10) -- 时间维度键值，如 '2024-03-31'
product_l1 VARCHAR(20) -- 产品一级分类
product_l2 VARCHAR(20) -- 产品二级分类
customer_type VARCHAR(10) -- 客户类型：对公/零售
industry VARCHAR(20) -- 行业分类
region_l1 VARCHAR(10) -- 区域一级：大区
region_l2 VARCHAR(20) -- 区域二级：省份
exposure_amt DECIMAL(18,2) -- 风险敞口
pd_rate DECIMAL(8,6) -- 违约概率
lgd_rate DECIMAL(8,6) -- 违约损失率
rwa_amt DECIMAL(18,2) -- 风险加权资产
data_version VARCHAR(20) -- 数据版本号
create_time TIMESTAMP -- 切片生成时间
以上规范确保切片数据可直接用于后续的风险因子分解、模型偏差分析和压力测试场景生成。