1.特征相关
1.1 样本
无论是进行数据分析还是模型训练，都需要数据集，这一般被称为样本。以德国信用卡数据为例，其提供了20个属性共1000个实例，最后一列表示类别，这种数据集在风控算法中作为模型训练的样本使用。
1.2 特征
还是以德国信用卡数据集为例，这一样本包含了20个信贷相关属性，包括13个类别属性和7个数值型属性，这20个属性一般会被称为特征。
从中取部分特征说明如下：
| 分类 | 属性名称 | 取值范围 | 列名 |
|---|---|---|---|
| 基本信息数据 | 年龄 | age | |
| 基本信息数据 | 房产状态 | A151 : 租房 A152 : 自己的 A153：免租房 |
housing |
| 信用数据 | 现有支票账户的状态 | A11 : … < 0 A12：0 <= … < 200 A13 : … >= 200 A14 : 没有支票账户 |
account_status |
| 信用数据 | 财产状况 | A121：房地产 A122：建房协会储蓄协议/人寿保险 A123：汽车或其他 A124：未知/无属性 |
property |
1.3 标签
标签也属于样本的一部分，这是我们用来训练和预测的结果。以德国信用卡数据集为例，标签表示用户的真实逾期情况，1表示good，2表示bad。
2.账龄
账龄在信贷行业中，指的是多期的贷款从放款开始经历的时间段，英文Month on Book，简写是MOB
- MOB0：放款日至当月月底，观察时间点为放款当月月末
- MOB1：放款后第二个月，观察时间点为第二个月月末
- MOB2：放款后第三个月，观察时间点为第三个月月末
MOB的最大值取决于信贷产品期限，如果是12期产品，那么该资产的生命周期是12期，MOB最大到MOB12
3.逾期
逾期的概念包括以下几种：
- 逾期天数（Days Past Due，DPD）：
- 实际还款日与应还款日的相差天数
- 例如，每月1日为还款日，那么10日为逾期9天，11日为逾期10天。若客户在15日还款， 则逾期天数为14，记为DPD14
- 首期逾期天数（First Payment Deliquency，FPD）：
- 分期产品中第一期实际还款日与 应还款日的相差天数
- 例如，2024年5月1日放款的订单，共12期，第一期还款时间为6月1日，若实际还款时间为6月2日，则首期逾期天数为1，记为FPD1
- 逾期期数：贷款产品中客户的逾期期数，也指将逾期天数按区间划分后的逾期状态。 通常以 30 天为区间划分，用英文字母M表示
- ♦ M0：当前未逾期
- ♦ M1：逾期1期，或逾期1～30日
- ♦ M2：逾期2期，或逾期31～60日
- ♦ M3：逾期3期，或逾期61～90日
- 依此类推，M3+表示逾期3期以上，或逾期天数为91天及以上，和DPD90+含义 一致
- 逾期率：分为订单逾期率和金额逾期率。订单逾期率是指逾期订单数与总放款订单数 的比值
- M1逾期率表示逾期1期的订单数与总订单数的比值，DPD30+逾期率表示逾期 30天以上的订单数与总订单数的比值
- 金额逾期率是指逾期金额与总放款金额的比值