1. 课程导论：贷后预警的业务背景、特征漂移的定义与危害、XGBoost在漂移检测中的优势
1.1 贷后预警的业务背景
在信贷全生命周期中，贷后管理是风险控制的核心环节。当贷款发放后，借款人的还款能力与意愿会随时间动态变化。贷后预警系统旨在通过持续监控借款人的行为特征、交易模式及外部数据，在风险暴露前发出信号，从而降低不良贷款率（NPL）与拨备成本。
典型的贷后预警流程包含以下关键步骤：
- 数据采集：整合行内交易流水、征信报告、多头借贷、设备指纹、社交网络等数据源。
- 特征工程：构建反映还款能力（如收入负债比）、还款意愿（如逾期历史）、行为稳定性（如夜间交易占比）的特征。
- 模型评分：使用机器学习模型（如XGBoost、LightGBM）计算实时风险评分。
- 阈值判定：根据评分分布与业务容忍度设定预警阈值，触发人工催收或策略调整。
- 效果闭环：通过A/B测试与回捞分析持续优化模型与阈值。
业务痛点：贷后模型上线后，随着宏观经济、客群结构、欺诈手段的变化，模型输入特征的统计分布（均值、方差、缺失率等）会发生偏移，导致模型预测能力衰减。传统的人工监控报表难以实时捕捉这种“特征漂移”，亟需自动化检测手段。
1.2 特征漂移的定义与危害
特征漂移（Feature Drift） 是指模型训练时所依赖的特征分布，在线上推理阶段发生了显著且持续的变化。它不同于概念漂移（Concept Drift，即特征与标签的关系发生变化），特征漂移更关注输入侧的数据质量与分布稳定性。
| 漂移类型 | 定义 | 贷后场景示例 |
|---|---|---|
| 数值型特征漂移 | 连续特征的均值、方差、分位数发生偏移 | 借款人月均收入从8000元降至6000元（经济下行期） |
| 类别型特征漂移 | 离散特征的类别分布或频次发生变化 | 职业分布中“自由职业”占比从10%升至30% |
| 缺失率漂移 | 特征缺失比例显著上升或下降 | 征信查询次数缺失率从5%飙升至40%（数据源中断） |
| 相关性漂移 | 特征之间的相关结构发生变化 | 收入与负债比的相关性由-0.3变为0.1（客群异化） |
特征漂移带来的业务危害可归纳为以下四点：
- 模型性能下降：AUC、KS等指标持续走低，坏账识别能力减弱。
- 误判成本增加：正常客户被误判为高风险（增加催收成本），高风险客户被漏过（增加坏账损失）。
- 策略失效：基于旧分布制定的额度、利率、催收策略不再适用。
- 合规风险：模型输出不稳定可能导致监管问责或客户投诉。
常见误区：并非所有分布变化都是漂移。季节性波动（如春节前后消费激增）属于正常业务周期，应通过时间序列分解或滑动窗口基线进行区分。特征漂移检测的目标是识别“非周期性、持续性”的分布变化。
1.3 XGBoost在漂移检测中的优势
XGBoost（eXtreme Gradient Boosting）作为一种梯度提升树模型，在特征漂移检测任务中展现出独特优势。其核心思想是：将漂移检测转化为一个二分类问题——区分“训练期样本”与“线上近期样本”。如果模型能够有效区分这两类样本，则说明特征分布发生了显著漂移。
下表对比了XGBoost与传统漂移检测方法的差异：
| 方法 | 检测粒度 | 对非线性关系的敏感性 | 可解释性 | 计算效率 |
|---|---|---|---|---|
| 统计检验（KS/PSI） | 单特征 | 低 | 高 | 高 |
| 密度估计（KDE） | 单特征 | 中 | 中 | 中 |
| 孤立森林 | 多特征 | 中 | 低 | 高 |
| XGBoost（本课程方法） | 多特征+交互 | 高 | 高（SHAP） | 高 |
XGBoost在漂移检测中的三大核心优势：
- 自动捕捉特征交互：贷后场景中，单一特征漂移可能不明显，但多个特征的联合分布变化（如“收入下降+负债上升”）才是风险信号。XGBoost的树结构天然能学习到高阶交互，比单变量统计检验更敏感。
- 内置正则化防过拟合：通过gamma、lambda、alpha等参数控制树复杂度，避免模型过度拟合训练期的噪声，从而更准确地识别真正的分布偏移。
- 可解释性输出：结合SHAP（SHapley Additive exPlanations）值，可以定位到具体哪些特征、在哪些取值区间发生了漂移，为业务干预提供明确方向。
课程预告：本章后续将深入讲解如何利用XGBoost构建漂移检测模型，包括样本构造、特征选择、阈值设定与SHAP解释。你将学会一套从数据监控到业务干预的完整闭环方案。