表现期和观察期 信托观察期是什么意思呀

评分卡模型是一个"预测"模型，预测的对象是未来一段时间的违约的概率。（1）未来（2）—段时间（3）违约预测需要的信息是当前及过去一段时间的信息。两个要素：（1）当前及过去（2）一段时间假设我们基于今天某批申请者的信息来建立评分卡模型预测未来一约概率，这是不可能的，因为我们没有开"上帝之眼"，不知道这批违约行为。所以，只能拿那些己经有了完整的表现期的历史申请数据来做模型。假设今天是2017-4-16,那么2016-4-16的申请者（并且是成功放贷的）的一年表现期已经知道表现期为2016-4-16~2017-4-16，那么观察期就是2016-4-16以及之前的一段时间的窗口。

 

- 观察期：构造特征的时间窗口。就是时间轴左侧，主要是用来生成用户特征的时间区间，不宜太长也不宜太短，一般为1年到3年左右 - 观察点：这个点并是一个具体的时间点，而是一个时间区段，表示的是客户申请贷款的时间，用来搜集那些用来建模的客户样本，在该时间段申请的客户会是我们用来建模的样本 - 表现期：定义好坏标签的时间窗口，如果在该窗口触发坏定义，就是坏样本，反之就是好样本。时间区段，一般是6月到1年左右，一般最常用的是定义为坏样本的指标有：M3+逾期、M3以内逾期中定义为失联、欺诈、身份盗用等情况，这些需要看自身业务情况而定

补充说明： 1.观察点的设计： 观察点的设计有额外的讲究，其中涉及到一个Mob的概念。而所谓Mob，全称month on book，等于观察点减去贷款发放时间。所以，观察点的设计在于贷款发放时间往后推Mob期，Mob的长短关系到模型的观察期以及观察期生成的时间切片变量。

2.观察期过长或过短的影响： - 一个过长的观察期，可能会导致客户不在你的mob内，大批样本无法进入模型 - 一个过短的观察期，则会导致样本无法生成足够多有效的时间切片变量

3.时间切片变量： - 时间区段的行为变量，例如过去3个月平均消费金额、过去6个月消费平均次数等

 

举例说明

假如，现在我们的模型表现期为1年，观察期为1年，观察点为什么时候呢？也就是说当我们有一个客户在2018-1-1号来申请贷款，贷款机构需要用现有的模型对该申请人进行一个申请评分，评估他未来表现期内触发坏样本属性的概率，那么该模型采用的客户样本是什么时候申请进件的？ 答案：因为上面定义的表现期是1年，那么往前推一年，观察点大概为2017-1-1号左右某段时间区间，因为观察期也是1年，所以再往前推1年（即观察期：2016-1-1到2017-1-1），利用这1年(即：2016-1-1到2017-1-1)所有观察点内申请人一些信息建立模型的观察变量，然后再往后推一年（即表现期：2017-1-11到2018-1-1），所有在观察点内的申请人在这一年时间内(即2017-1-11到2018-1-1)的表现情况来定义违约。然后来训练出一个模型。对2018-1-1号的申请人进行评分。所以申请评分卡模型有着天然的滞后性，需要不断的对其模型进行监控。