4. 数据准备：额度定价巡检所需的数据源、数据清洗、特征工程基础

额度定价巡检的数据准备是PSI监控的基石。数据质量直接决定PSI计算的准确性，进而影响定价策略调整的可靠性。本节从数据源、清洗规则、特征工程三个层面构建巡检数据基础。

4.1 数据源全景

额度定价巡检需要整合三类核心数据源，覆盖客户、产品、市场三个维度：

4.2 数据清洗核心规则

原始数据必须经过严格清洗才能进入PSI计算管道。以下为额度定价场景下的关键清洗规则：

• 缺失值处理：关键定价字段（利率、额度、期限）缺失率超过5%时，需回溯数据源；低于5%时，使用同客群中位数填充。
• 异常值截断：利率超过同期LPR×4倍、额度超过客群均值±3σ的记录，标记为异常并截断至边界值。
• 重复记录去重：同一客户ID在同一时间切片内出现多条授信记录时，保留最新一条，或按“额度最大”原则合并。
• 时间一致性校验：放款日期不得晚于当前快照日期，授信额度不得为负，利率不得为0或空。
• 客群过滤：剔除测试客户、内部员工、已结清且无余额的休眠账户，避免稀释分布。

# 示例：Python数据清洗伪代码
import pandas as pd
import numpy as np

def clean_pricing_data(df, snapshot_date):
    # 1. 过滤测试与休眠客户
    df = df[df['customer_type'] == '正常']
    df = df[df['balance'] > 0]
    
    # 2. 缺失值填充（利率用同客群中位数）
    df['interest_rate'] = df.groupby('risk_level')['interest_rate']\
                            .transform(lambda x: x.fillna(x.median()))
    
    # 3. 异常值截断（利率上限为LPR*4）
    lpr = 3.45  # 示例LPR值
    df['interest_rate'] = df['interest_rate'].clip(upper=lpr * 4)
    
    # 4. 时间一致性校验
    df = df[df['loan_date'] <= snapshot_date]
    df = df[(df['credit_limit'] > 0) & (df['interest_rate'] > 0)]
    
    return df

4.3 特征工程基础

PSI计算所需的特征并非原始字段，而是经过工程化处理的派生变量。以下为额度定价巡检中必须构建的三大类特征：

1. 定价区间特征：将连续利率离散化为定价档位（如LPR-50bp、LPR、LPR+50bp、LPR+100bp等），每个档位对应一个PSI计算桶。
2. 额度使用率特征：已用额度/授信额度，反映客户实际资金需求与定价敏感度，常作为PSI分层维度。
3. 风险分层特征：基于征信评分或内部评级，将客户分为低、中、高三档，用于交叉分析定价分布偏移是否由客群结构变化引起。

4.4 特征工程输出清单

完成特征工程后，应输出以下标准化字段供PSI计算使用：