1. 课程导论：风险暴露与A/B分流概念、XGBoost在风控中的价值、课程目标与前置知识
1.1 风险暴露：风控的核心度量
在信贷风控中，风险暴露（Exposure at Default, EAD） 是指借款人在违约时点尚未偿还的贷款余额。它是计算预期损失（EL = PD × LGD × EAD）的关键因子之一。准确预估风险暴露，直接影响风险定价、资本计提与拨备覆盖。
| 维度 | 说明 | 典型场景 |
|---|---|---|
| 表内暴露 | 已提用本金 + 利息 + 费用 | 信用卡已用额度、分期贷款余额 |
| 表外暴露 | 未提用额度中可能被使用的部分 | 信用卡未用额度、循环授信额度 |
| 预期暴露 | 基于行为评分预测的未来时点余额 | 额度使用率预测、资金流向预测 |
关键指标： 风险暴露的预测误差每降低 1%，在 100 亿资产池中可减少约 3000 万～5000 万的资本冗余或损失低估。
1.2 A/B分流：因果推断的基石
A/B 分流（A/B Split / Bucketing）是将用户群体随机划分为实验组（Treatment）与对照组（Control）的机制，用于评估风控策略、模型或额度调整的因果效应。在风控场景中，分流必须满足：
- 随机性：分流变量与用户风险特征无关。
- 稳定性：同一用户在实验期间只属于一个分组。
- 可回溯：分流日志可还原，支持事后归因。
实践要点： 风控 A/B 分流常采用 Hash 分桶 + 分层抽样 策略，确保高逾期客群在两组中分布均衡，避免辛普森悖论。
1.3 XGBoost在风控中的核心价值
XGBoost 凭借其梯度提升框架、正则化目标函数与列抽样机制，在风控领域成为结构化数据建模的默认首选。其核心优势体现在：
| 能力维度 | XGBoost 优势 | 风控场景收益 |
|---|---|---|
| 缺失值处理 | 内置稀疏感知算法，自动学习缺失方向 | 减少特征工程中缺失填充的偏差 |
| 非线性拟合 | 树模型天然捕捉交互与非线性关系 | 精准刻画额度使用率与还款行为的复杂模式 |
| 可解释性 | 特征重要性、SHAP 值、树结构可视化 | 满足监管对模型可解释性的要求 |
| 分布式训练 | 支持 GPU / 分布式集群 | 亿级样本量下的高效迭代 |
1.4 课程目标与学习路径
本课程旨在帮助学员掌握从数据到策略的全链路实践能力，具体目标如下：
- 理解原理：XGBoost 的数学原理、正则化机制与调参逻辑。
- 掌握分流：A/B 分流实验设计、随机化检验与效果评估方法。
- 实战建模：基于真实风控数据完成暴露预测模型的训练、评估与部署。
- 策略落地：将模型输出与分流框架结合，驱动风控策略迭代。
前置知识要求： 学员需具备 Python 编程基础、pandas/numpy 数据处理经验、基本的机器学习分类/回归概念。了解逻辑回归与决策树原理更佳。
1.5 课程内容概览
| 模块 | 核心内容 | 实践产出 |
|---|---|---|
| 基础篇（第1-5章） | 风险暴露定义、A/B分流原理、XGBoost基础 | 分流脚本、基线模型 |
| 进阶篇（第6-15章） | 特征工程、超参调优、SHAP解释、时间序列暴露 | 优化模型、特征重要性报告 |
| 实战篇（第16-25章） | 多模型对比、A/B实验平台对接、策略模拟 | 策略回测报告、部署方案 |
| 高阶篇（第26-30章） | 分布式训练、在线学习、监管合规 | 生产级流水线、合规文档 |
1.6 快速开始：环境准备与数据预览
在进入后续章节前，请确保完成以下环境配置：
# 推荐使用 Python 3.9+ 虚拟环境
pip install xgboost==2.0.3 pandas==2.1.4 numpy==1.26.2 scikit-learn==1.3.2 matplotlib==3.8.2 shap==0.44.0
# 验证安装
python -c "import xgboost; print(xgboost.__version__)"
数据说明： 本课程使用脱敏后的消费金融信贷数据集，包含 50 万样本、120+ 特征，覆盖额度使用率、还款行为、外部征信等维度。数据集将在第 2 章随代码仓库一并提供。