做過模型的童鞋都知道，建模就是流水線的工種。在整個流水線中，我們梳理了有兩個模型"最"需要注意的內容，分別是"最關鍵"與“最容易犯錯"。這兩個問題自然也是各位新手建模童鞋，更應該了解清楚的內容。
最關鍵的一part，模型的特徵篩選；
最容易犯錯的一part，是模型的特徵回溯。
首先提到特徵，講得淺白點就是描述某個客觀事物的表象。比如風控模型使用的特徵，常常包含特徵有：徵信、消費支付、多頭借貸、設備類等特徵。
先說這裡的第一個"最"，最關鍵的特徵篩選。目前，整體特徵篩選的流程如下：
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
俗話說：數據決定了模型的上限，而模型只是逼近這個上限。下圖表示為模型開發階段和模型上線調用階段的數據的使用邏輯。
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
在特徵篩選中，只要把握好了模型中最重要的幾類篩查指標就能做好80%的特徵篩選工作，比如變量描述統計（缺失率/唯一值/分布佔比）、變量穩定性PSI、變量區分度IV，以及各個指標的篩選閾值等。關於這幾類模型指標如何篩選，我們有內容將會詳細講解。
說完第一個最，再來談談第二個最：模型最容易犯錯—模型的特徵回溯。
先搞懂啥是特徵回溯。因為模型是在現在的時間點開發的，而回溯特徵是在樣本設計階段之後的過程，所以常常需要追溯到它歷史數據發生違約前的時間點，這樣的特徵才是有效特徵。
既然存在數據回溯，就會發生數據穿越問題。所謂的數據穿越就是常常說的，用帶有y特徵的x去預測y（俗稱用y預測x）這個內容也是很多做模型的同學，最常常容易犯的問題。舉例說明，比如逾期次數，催收次數去預測逾期等。
那如何避免數據穿越呢？這裡給大家提供常用的方法：
一點是觀察點的使用（避免特徵的統計時點出現在表現期）。
一般使用客戶的三要素+觀察點去進行回溯。特徵的統計時點一定要在樣本的觀察點之前，否則就會出現數據穿越現象（借用客戶未來的信息預測未來）。
更多詳細內容，有興趣的童鞋可關註：
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
...
~原創文章
