风控模型开发验证报告 — 20261022-104051-f654

00 模型概要信息

项目	内容
模型名称	exp_20261022-104051-f654
开发完成日期	2026-10-22
模型开发人员	（人工填写）
模型开发人员邮件地址	（人工填写）
模型验证人员	（人工填写）
模型验证人员邮件地址	（人工填写）
模型应用环节	preloan_approval
模型应用频率	（人工填写）
模型开发背景及业务用途描述	Local MVP full pipeline run.
模型适用产品/客户描述	（人工填写）
模型重开发原因（如有）	—
模型拟监控频率	（人工填写）
模型路线	LightGBM
目标变量	flag_30
实验 ID	20261022-104051-f654

待补充：模型开发/验证人员、应用频率、产品描述等字段需人工补填。

01 模型设计

建模数据样本窗口

项目	内容
切分方式	外部 data_flag 划分（TRAIN 内 6/4 随机开发/测试，VALI 跨时间，PSI 时点）
开发样本(Train)窗口	2025-01-01 ~ 2025-04-19
预留验证样本窗口	2025-01-01 ~ 2025-04-19
跨时间验证样本窗口	2025-04-19 ~ 2025-05-25
PSI时点样本窗口	2025-05-26 ~ 2025-06-30

模型好坏定义

项目	内容
目标变量	flag_30
坏样本(BAD=1)占比	22.06%
好样本(BAD=0)占比	—
不确定样本	本流程要求目标变量已预计算为 0/1 二值，不确定样本请在上游合并口径

样本排除规则

序号	排除规则	说明
1	credit_no	主键/时间/口径字段，不入模
2	apply_dt	主键/时间/口径字段，不入模
3	flag_30 为空	排除 0 行

滚动率分析

待补充：滚动率分析（M0→M6+ 状态迁移矩阵）需要逾期状态口径数据，当前流程目标变量为上游已计算的二值标签，暂未生成。

待补充：表现窗口及坏账率分析、模型细分定义需结合业务口径人工补充。

02 数据流

开发时点 — 样本排除

类别	样本数
全部样本	30000
排除：目标变量为空	0
排除后样本	30000

注：按照01模型设计的排除规则统计；当前流程的排除项为目标变量缺失。

总体样本概况

数据集	样本量	好样本	坏样本	坏样本率	占比
全部样本	30000	23383	6617	22.06%	100.00%
开发样本	10801	8453	2348	21.74%	36.00%
测试样本	7199	5635	1564	21.73%	24.00%
训练+测试样本	18000	14088	3912	21.73%	60.00%
跨时间验证样本	6000	4624	1376	22.93%	20.00%
PSI时点样本	6000	4671	1329	—	20.00%

开发/预留验证样本交叉统计

类别	开发+预留样本数	开发样本数	开发占比	预留验证样本数	预留验证占比
好	14088	8453	60.00%	5635	40.00%
坏	3912	2348	60.02%	1564	39.98%
合计	18000	10801	60.01%	7199	39.99%

细致变量分析（预分箱口径，开发样本）

变量	IV	缺失率	取值集中度	最大相关系数
risk_score_v2	0.8649	0.00%	0.94%	0.9986
risk_score	0.8647	0.00%	0.91%	0.9986
bh_a001	0.8426	0.00%	0.15%	0.9298
ScoreCust2	0.7972	0.00%	1.13%	0.9952
ScoreCust2_v2	0.7822	0.00%	1.14%	0.9952
bh_a009	0.6312	0.00%	1.73%	0.8070
avg_tnr	0.4431	0.00%	1.92%	0.6947
cust_seg2	0.3983	0.00%	30.86%	0.6662
query_cnt_3m	0.3363	0.00%	16.53%	0.5822
income_grade	0.2791	0.00%	31.12%	0.5458
repay_amt_6m_grade	0.2509	0.00%	27.69%	0.5342
tenure_m	0.1431	0.00%	5.50%	0.3328
card_usage_ratio	0.1234	0.00%	1.69%	0.3613
rare_field	0.1128	96.32%	0.76%	0.0812
bank_997_cnt_3m	0.0587	0.00%	34.62%	0.2757
edu_level	0.0013	0.00%	42.13%	—
region_code	0.0012	0.00%	20.63%	—
flag_special	0.0000	0.00%	95.41%	0.0380

注：共 18 个候选变量，按 IV 降序展示前 18 个；集中度 = 最大频次取值样本数 ÷ 非空样本数；相关性为皮尔逊（仅数值变量），完整数据见 variable_detail.json。

03 单变量分析（细分箱）

risk_score — IV 0.8674，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 519.5]	2555	2414	141	5.52%	1.5593
2	(519.5, 564.5]	3183	2752	431	13.54%	0.5730
3	(564.5, 600.5]	2574	1946	628	24.40%	-0.1500
4	(600.5, 643.5]	1752	1060	692	39.50%	-0.8545
5	(643.5, inf]	737	281	456	61.87%	-1.7651

risk_score_v2 — IV 0.8628，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 518.5]	2511	2372	139	5.54%	1.5561
2	(518.5, 563.5]	3131	2711	420	13.41%	0.5839
3	(563.5, 602.5]	2766	2096	670	24.22%	-0.1404
4	(602.5, 643.5]	1653	993	660	39.93%	-0.8725
5	(643.5, inf]	740	281	459	62.03%	-1.7717

bh_a001 — IV 0.7941，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 280.0500030517578]	3941	3641	300	7.61%	1.2153
2	(280.0500030517578, 332.75]	3801	3050	751	19.76%	0.1205
3	(332.75, 367.75]	1739	1159	580	33.35%	-0.5887
4	(367.75, 394.25]	756	392	364	48.15%	-1.2068
5	(394.25, inf]	564	211	353	62.59%	-1.7956

ScoreCust2_v2 — IV 0.7932，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 507.5]	1649	1574	75	4.55%	1.7629
2	(507.5, 544.5]	3158	2794	364	11.53%	0.7571
3	(544.5, 583.5]	3802	2912	890	23.41%	-0.0956
4	(583.5, 606.5]	1295	802	493	38.07%	-0.7944
5	(606.5, inf]	897	371	526	58.64%	-1.6301

ScoreCust2 — IV 0.7925，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 508.5]	1706	1626	80	4.69%	1.7309
2	(508.5, 545.5]	3198	2825	373	11.66%	0.7437
3	(545.5, 579.5]	3393	2613	780	22.99%	-0.0720
4	(579.5, 604.5]	1527	973	554	36.28%	-0.7177
5	(604.5, inf]	977	416	561	57.42%	-1.5800

bh_a009 — IV 0.6036，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 6.3500001430511475]	902	433	469	52.00%	-1.3608
2	(6.3500001430511475, 8.050000190734863]	1648	1057	591	35.86%	-0.6996
3	(8.050000190734863, 9.25]	1640	1183	457	27.87%	-0.3298
4	(9.25, 11.449999809265137]	3422	2855	567	16.57%	0.3355
5	(11.449999809265137, inf]	3189	2925	264	8.28%	1.1241

avg_tnr — IV 0.4376，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.149999976158142]	926	474	452	48.81%	-1.2334
2	(2.149999976158142, 3.350000023841858]	961	609	352	36.63%	-0.7328
3	(3.350000023841858, 4.450000047683716]	1258	903	355	28.22%	-0.3474
4	(4.450000047683716, 7.3500001430511475]	4230	3391	839	19.83%	0.1157
5	(7.3500001430511475, inf]	3426	3076	350	10.22%	0.8925

cust_seg2 — IV 0.3733，4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	2056	1867	189	9.19%	1.0094
2	(3.5, 4.5]	3333	2822	511	15.33%	0.4279
3	(4.5, 5.5]	3330	2505	825	24.77%	-0.1703
4	(5.5, inf]	2082	1259	823	39.53%	-0.8558

query_cnt_3m — IV 0.3273，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	550	288	262	47.64%	-1.1863
2	(0.5, 2.5]	2750	1875	875	31.82%	-0.5188
3	(2.5, 3.5]	1785	1384	401	22.46%	-0.0422
4	(3.5, 5.5]	3012	2492	520	17.26%	0.2861
5	(5.5, inf]	2704	2414	290	10.72%	0.8382

rare_field — IV 0.2831，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, -0.05299999937415123]	188	148	40	21.28%	0.0813
2	(-0.05299999937415123, 0.3699999898672104]	58	38	20	34.48%	-0.5852
3	(0.3699999898672104, 1.0099999904632568]	89	80	9	10.11%	0.9578
4	(1.0099999904632568, 1.324500024318695]	26	19	7	26.92%	-0.2285
5	(1.324500024318695, inf]	36	22	14	38.89%	-0.7751

income_grade — IV 0.2791，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1211	743	468	38.65%	-0.8187
2	(3.5, 4.5]	2510	1766	744	29.64%	-0.4165
3	(4.5, 5.5]	3361	2689	672	19.99%	0.1057
4	(5.5, 6.5]	2503	2150	353	14.10%	0.5258
5	(6.5, inf]	1216	1105	111	9.13%	1.0171

repay_amt_6m_grade — IV 0.2509，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1647	1047	600	36.43%	-0.7242
2	(3.5, 4.5]	2268	1634	634	27.95%	-0.3342
3	(4.5, 5.5]	2991	2384	607	20.29%	0.0870
4	(5.5, 6.5]	2286	1944	342	14.96%	0.4567
5	(6.5, inf]	1609	1444	165	10.25%	0.8883

tenure_m — IV 0.1702，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	696	414	282	40.52%	-0.8970
2	(2.5, 10.5]	1179	891	288	24.43%	-0.1516
3	(10.5, 53.5]	7715	6046	1669	21.63%	0.0062
4	(53.5, 58.5]	647	568	79	12.21%	0.6917
5	(58.5, inf]	564	534	30	5.32%	1.5982

card_usage_ratio — IV 0.1589，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.107999999076128]	922	854	68	7.38%	1.2495
2	(0.107999999076128, 0.3381499946117401]	3589	2904	685	19.09%	0.1635
3	(0.3381499946117401, 0.6137499809265137]	4440	3434	1006	22.66%	-0.0532
4	(0.6137499809265137, 0.7716499865055084]	1309	925	384	29.34%	-0.4018
5	(0.7716499865055084, inf]	541	336	205	37.89%	-0.7869

bank_997_cnt_3m — IV 0.0804，4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	3447	2899	548	15.90%	0.3849
2	(0.5, 1.5]	3739	2928	811	21.69%	0.0028
3	(1.5, 2.5]	2224	1655	569	25.58%	-0.2133
4	(2.5, inf]	1391	971	420	30.19%	-0.4429

edu_level — IV 0.0013，4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	大专	3260	2574	686	21.04%	0.0414
2	本科	4550	3555	995	21.87%	-0.0076
3	硕士及以上	1405	1081	324	23.06%	-0.0761
4	高中及以下	1586	1243	343	21.63%	0.0066

region_code — IV 0.0012，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	其他	2119	1657	462	21.80%	-0.0038
2	华东	2156	1685	471	21.85%	-0.0063
3	华北	2119	1682	437	20.62%	0.0668
4	华南	2179	1701	478	21.94%	-0.0116
5	西南	2228	1728	500	22.44%	-0.0408

flag_special — IV 0.0000，1 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, inf]	10801	8453	2348	21.74%	0.0000

注：统计全部候选变量的自动分箱明细（初分组），按 IV 降序展示前 18 个变量，共 18 个；完整数据见 feature_report.json。

04 单变量分析（粗分箱）

risk_score — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 519.5]	2555	2414	141	5.52%	1.5593
2	(519.5, 564.5]	3183	2752	431	13.54%	0.5730
3	(564.5, 600.5]	2574	1946	628	24.40%	-0.1500
4	(600.5, 643.5]	1752	1060	692	39.50%	-0.8545
5	(643.5, inf]	737	281	456	61.87%	-1.7651

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（5.52% → 61.87%），WOE 单调下降（1.5593 → -1.7651），符合风控分箱预期。IV=0.8674，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(643.5, inf]）为极高风险区间：坏率高达 61.87%，策略上应重点管控

avg_tnr — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.149999976158142]	926	474	452	48.81%	-1.2334
2	(2.149999976158142, 3.350000023841858]	961	609	352	36.63%	-0.7328
3	(3.350000023841858, 4.450000047683716]	1258	903	355	28.22%	-0.3474
4	(4.450000047683716, 7.3500001430511475]	4230	3391	839	19.83%	0.1157
5	(7.3500001430511475, inf]	3426	3076	350	10.22%	0.8925

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（48.81% → 10.22%），WOE 单调上升（-1.2334 → 0.8925），符合风控分箱预期。IV=0.4376，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.149999976158142]）为极高风险区间：坏率高达 48.81%，策略上应重点管控

cust_seg2 — 4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	2056	1867	189	9.19%	1.0094
2	(3.5, 4.5]	3333	2822	511	15.33%	0.4279
3	(4.5, 5.5]	3330	2505	825	24.77%	-0.1703
4	(5.5, inf]	2082	1259	823	39.53%	-0.8558

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（9.19% → 39.53%），WOE 单调下降（1.0094 → -0.8558），符合风控分箱预期。IV=0.3733，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 4 箱（(5.5, inf]）为极高风险区间：坏率高达 39.53%，策略上应重点管控

query_cnt_3m — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	550	288	262	47.64%	-1.1863
2	(0.5, 2.5]	2750	1875	875	31.82%	-0.5188
3	(2.5, 3.5]	1785	1384	401	22.46%	-0.0422
4	(3.5, 5.5]	3012	2492	520	17.26%	0.2861
5	(5.5, inf]	2704	2414	290	10.72%	0.8382

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（47.64% → 10.72%），WOE 单调上升（-1.1863 → 0.8382），符合风控分箱预期。IV=0.3273，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 0.5]）为极高风险区间：坏率高达 47.64%，策略上应重点管控

income_grade — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1211	743	468	38.65%	-0.8187
2	(3.5, 4.5]	2510	1766	744	29.64%	-0.4165
3	(4.5, 5.5]	3361	2689	672	19.99%	0.1057
4	(5.5, 6.5]	2503	2150	353	14.10%	0.5258
5	(6.5, inf]	1216	1105	111	9.13%	1.0171

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（38.65% → 9.13%），WOE 单调上升（-0.8187 → 1.0171），符合风控分箱预期。IV=0.2791，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 38.65%，策略上应重点管控

repay_amt_6m_grade — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1647	1047	600	36.43%	-0.7242
2	(3.5, 4.5]	2268	1634	634	27.95%	-0.3342
3	(4.5, 5.5]	2991	2384	607	20.29%	0.0870
4	(5.5, 6.5]	2286	1944	342	14.96%	0.4567
5	(6.5, inf]	1609	1444	165	10.25%	0.8883

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（36.43% → 10.25%），WOE 单调上升（-0.7242 → 0.8883），符合风控分箱预期。IV=0.2509，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 36.43%，策略上应重点管控

tenure_m — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	696	414	282	40.52%	-0.8970
2	(2.5, 10.5]	1179	891	288	24.43%	-0.1516
3	(10.5, 53.5]	7715	6046	1669	21.63%	0.0062
4	(53.5, 58.5]	647	568	79	12.21%	0.6917
5	(58.5, inf]	564	534	30	5.32%	1.5982

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（40.52% → 5.32%），WOE 单调上升（-0.8970 → 1.5982），符合风控分箱预期。IV=0.1702，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 40.52%，策略上应重点管控

card_usage_ratio — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.107999999076128]	922	854	68	7.38%	1.2495
2	(0.107999999076128, 0.3381499946117401]	3589	2904	685	19.09%	0.1635
3	(0.3381499946117401, 0.6137499809265137]	4440	3434	1006	22.66%	-0.0532
4	(0.6137499809265137, 0.7716499865055084]	1309	925	384	29.34%	-0.4018
5	(0.7716499865055084, inf]	541	336	205	37.89%	-0.7869

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（7.38% → 37.89%），WOE 单调下降（1.2495 → -0.7869），符合风控分箱预期。IV=0.1589，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(0.7716499865055084, inf]）为极高风险区间：坏率高达 37.89%，策略上应重点管控

bank_997_cnt_3m — 4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	3447	2899	548	15.90%	0.3849
2	(0.5, 1.5]	3739	2928	811	21.69%	0.0028
3	(1.5, 2.5]	2224	1655	569	25.58%	-0.2133
4	(2.5, inf]	1391	971	420	30.19%	-0.4429

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（15.90% → 30.19%），WOE 单调下降（0.3849 → -0.4429），符合风控分箱预期。IV=0.0804，该变量区分度偏弱但可用。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 4 箱（(2.5, inf]）为高风险区间：坏率高达 30.19%，可作为拒绝或重点风控策略的阈值参考

注：统计入模变量经合并调整后的最终分箱明细（开发样本口径）。当前流程细/粗分箱由同一自动分箱算法直接产出。

05 变量筛选

项目	内容
筛选优先级	黑名单 > 白名单 > 自动规则
IV 下限	0.02
缺失率上限	0.8
集中度上限	0.9
相关性上限(皮尔逊)	0.7
PSI 上限	0.25
重要性 Top-K	80
黑名单	无
白名单	无

候选变量 18，成功分箱 18，入模 9

变量	白名单	入模	IV	缺失率	集中度	IV门槛	相关性	PSI	剔除原因
risk_score	—	Y	0.8674	PASS	PASS	PASS	PASS	0.0010
ScoreCust2	—	N	0.7925	PASS	PASS	PASS	FAIL	0.0019	与 risk_score 相关>0.7
cust_seg2	—	Y	0.3733	PASS	PASS	PASS	PASS	0.0005
income_grade	—	Y	0.2791	PASS	PASS	PASS	PASS	0.0009
bh_a001	—	N	0.7941	PASS	PASS	PASS	FAIL	0.0006	与 risk_score 相关>0.7
bh_a009	—	N	0.6036	PASS	PASS	PASS	FAIL	0.0007	与 risk_score 相关>0.7
bank_997_cnt_3m	—	Y	0.0804	PASS	PASS	PASS	PASS	0.0010
avg_tnr	—	Y	0.4376	PASS	PASS	PASS	PASS	0.0010
repay_amt_6m_grade	—	Y	0.2509	PASS	PASS	PASS	PASS	0.0007
tenure_m	—	Y	0.1702	PASS	PASS	PASS	PASS	0.0015
query_cnt_3m	—	Y	0.3273	PASS	PASS	PASS	PASS	0.0002
card_usage_ratio	—	Y	0.1589	PASS	PASS	PASS	PASS	0.0004
rare_field	—	N	0.2831	FAIL	PASS	—	—	—	缺失率>0.8
flag_special	—	N	0.0000	PASS	FAIL	—	—	—	集中度>0.9
edu_level	—	N	0.0013	PASS	PASS	FAIL	—	—	IV<0.02
region_code	—	N	0.0012	PASS	PASS	FAIL	—	—	IV<0.02
risk_score_v2	—	N	0.8628	PASS	PASS	PASS	FAIL	0.0013	与 risk_score 相关>0.7
ScoreCust2_v2	—	N	0.7932	PASS	PASS	PASS	FAIL	0.0010	与 risk_score 相关>0.7

06 回归结果

待补充：本实验未运行 LR 路线（或未产生回归结果），无回归明细。

07 VIF

待补充：本实验未运行 LR 路线，未计算 VIF/相关系数。

08 最终评分卡

待补充：本实验未生成评分卡（未运行 LR 路线）。

09 模型表现

模型区分度评估（按样本）

模型	样本	KS	AUC	GINI
LightGBM	开发样本	0.5349	0.8477	0.6954
LightGBM	测试样本	0.3407	0.7330	0.4660
LightGBM	训练+测试样本	0.4531	0.8020	0.6040
LightGBM	跨时间验证样本	0.3289	0.7178	0.4356

LightGBM — 4 样本评估表（score_cut 粒度）

开发样本（KS 0.0261，AUC 0.4880）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[446, 516)	1081	782	299	72.34%	10.01%	33.30%	3.54%
[516, 532)	1080	518	562	47.96%	10.00%	55.37%	10.19%
[532, 543)	1080	347	733	32.13%	10.00%	70.14%	18.86%
[543, 552)	1080	270	810	25.00%	10.00%	81.64%	28.44%
[552, 559)	1080	158	922	14.63%	10.00%	88.37%	39.35%
[559, 567)	1080	125	955	11.57%	10.00%	93.70%	50.64%
[567, 576)	1080	82	998	7.59%	10.00%	97.19%	62.45%
[577, 588)	1080	46	1034	4.26%	10.00%	99.15%	74.68%
[588, 605)	1080	16	1064	1.48%	10.00%	99.83%	87.27%
[605, 660)	1080	4	1076	0.37%	10.00%	100.00%	100.00%

测试样本（KS 0.0206，AUC 0.5085）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[452, 518)	720	394	326	54.72%	10.00%	25.19%	5.79%
[518, 533)	720	253	467	35.14%	10.00%	41.37%	14.07%
[533, 543)	720	216	504	30.00%	10.00%	55.18%	23.02%
[543, 552)	720	165	555	22.92%	10.00%	65.73%	32.87%
[552, 559)	720	163	557	22.64%	10.00%	76.15%	42.75%
[559, 567)	719	109	610	15.16%	9.99%	83.12%	53.58%
[567, 577)	720	99	621	13.75%	10.00%	89.45%	64.60%
[577, 588)	720	74	646	10.28%	10.00%	94.18%	76.06%
[588, 605)	720	58	662	8.06%	10.00%	97.89%	87.81%
[605, 660)	720	33	687	4.58%	10.00%	100.00%	100.00%

训练+测试样本（KS 0.0146，AUC 0.4967）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[446, 517)	1800	1180	620	65.56%	10.00%	30.16%	4.40%
[517, 533)	1800	768	1032	42.67%	10.00%	49.80%	11.73%
[533, 543)	1800	560	1240	31.11%	10.00%	64.11%	20.53%
[543, 552)	1800	435	1365	24.17%	10.00%	75.23%	30.22%
[552, 559)	1800	324	1476	18.00%	10.00%	83.51%	40.69%
[559, 567)	1800	233	1567	12.94%	10.00%	89.47%	51.82%
[567, 577)	1800	181	1619	10.06%	10.00%	94.10%	63.31%
[577, 588)	1800	120	1680	6.67%	10.00%	97.16%	75.23%
[588, 605)	1800	74	1726	4.11%	10.00%	99.05%	87.49%
[605, 660)	1800	37	1763	2.06%	10.00%	100.00%	100.00%

跨时间验证样本（KS 0.0187，AUC 0.4993）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[449, 516)	600	316	284	52.67%	10.00%	22.97%	6.14%
[517, 532)	600	223	377	37.17%	10.00%	39.17%	14.29%
[532, 543)	600	188	412	31.33%	10.00%	52.83%	23.21%
[543, 551)	600	170	430	28.33%	10.00%	65.19%	32.50%
[551, 559)	600	124	476	20.67%	10.00%	74.20%	42.80%
[559, 567)	600	108	492	18.00%	10.00%	82.05%	53.44%
[567, 576)	600	83	517	13.83%	10.00%	88.08%	64.62%
[577, 587)	600	86	514	14.33%	10.00%	94.33%	75.74%
[587, 603)	600	54	546	9.00%	10.00%	98.26%	87.54%
[603, 660)	600	24	576	4.00%	10.00%	100.00%	100.00%

跨时间验证样本结论

风险高度集中在低分尾端——最低 20% 样本集中了全量 39.2% 的坏客户，策略切分空间很大。

① 样本与分箱结构：共 6,000 样本 / 1,376 坏样本，整体坏率 22.93%，好坏比约 3.4:1；10 档等频分数分栏，每箱约 10%，分箱均匀，无空箱无过厚箱。

② 排序性与单调性：逐箱 Bad Rate 52.67% → … → 4.00%（低分 → 高分），存在局部倒挂，建议复核分箱边界，最低分段坏率是最高分段的 13.2 倍。

③ 区分度与坏客户捕获：最低 20% 样本捕获全量 39.2% 的坏客户，最低 50% 捕获 74.2%；最高 20% 样本仅含 5.7% 的坏客户，其中风险最高一箱单独占 23.0%。

（口径：分数 = 按基准分/优比/PDO 刻度由模型概率转换，分数越高风险越低；结论由程序按分箱数据自动生成。）

注：score_cut 表按分数等频分 10 档（低分 → 高分）：分数由模型概率按基准分/优比/PDO 刻度转换，分数越高风险越低；每表附 KS/AUC（按概率计算，与分栏口径无关）；训练+测试 = TRAIN 全体。旧实验无分数转换时为 PD 等频口径。

10 KS和GINI

LightGBM

样本	KS	GINI	AUC
开发样本	0.5349	0.6954	0.8477
测试样本	0.3407	0.4660	0.7330
训练+测试样本	0.4531	0.6040	0.8020
跨时间验证样本	0.3289	0.4356	0.7178

开发样本

测试样本

训练+测试样本

跨时间验证样本

注：GINI = 2×AUC−1。KS 图 X 轴为分数（升序），红虚线为最大间隔位置；ROC 图例标注 AUC。

11 PSI

模型稳定性评估

模型	训练集与测试集	训练集与跨时间验证	训练集与oot验证集	训练集与psi验证集
LightGBM	0.0010	0.0037	—	0.0020

分数段 PSI 明细（开发样本 vs 跨时间验证样本）

分数段	开发样本占比	跨时间验证样本占比	PSI 贡献	累计 PSI
(-inf,0.0403]	10.00%	9.22%	0.0006	0.0006
(0.0403,0.07]	10.00%	10.07%	0.0000	0.0006
(0.07,0.1015]	10.00%	10.72%	0.0005	0.0011
(0.1015,0.1351]	10.00%	9.93%	0.0000	0.0011
(0.1351,0.1708]	10.00%	9.85%	0.0000	0.0012
(0.1708,0.2116]	10.00%	9.03%	0.0010	0.0021
(0.2116,0.2674]	10.00%	11.27%	0.0015	0.0037
(0.2674,0.3428]	10.00%	9.95%	0.0000	0.0037
(0.3428,0.4749]	10.00%	9.97%	0.0000	0.0037
(0.4749,inf]	10.01%	10.00%	0.0000	0.0037

分数段 PSI 明细（开发样本 vs PSI时点样本）

分数段	开发样本占比	PSI时点占比	PSI 贡献	累计 PSI
(-inf,0.0403]	10.00%	9.37%	0.0004	0.0004
(0.0403,0.07]	10.00%	10.33%	0.0001	0.0005
(0.07,0.1015]	10.00%	10.52%	0.0003	0.0008
(0.1015,0.1351]	10.00%	10.43%	0.0002	0.0010
(0.1351,0.1708]	10.00%	9.88%	0.0000	0.0010
(0.1708,0.2116]	10.00%	9.48%	0.0003	0.0013
(0.2116,0.2674]	10.00%	10.60%	0.0004	0.0016
(0.2674,0.3428]	10.00%	9.43%	0.0003	0.0019
(0.3428,0.4749]	10.00%	9.85%	0.0000	0.0020
(0.4749,inf]	10.01%	10.10%	0.0000	0.0020

模型样本量分布评估

评分段	开发样本样本量	开发样本占比	测试样本样本量	测试样本占比	训练+测试样本样本量	训练+测试样本占比	跨时间验证样本样本量	跨时间验证样本占比	PSI时点样本样本量	PSI时点样本占比
(-inf, inf]	1080	10.00%	717	9.96%	1797	9.98%	553	9.22%	562	9.37%
(0.0403, 0.07]	1080	10.00%	705	9.79%	1785	9.92%	604	10.07%	620	10.33%
(0.07, 0.1015]	1080	10.00%	739	10.27%	1819	10.11%	643	10.72%	631	10.52%
(0.1015, 0.1351]	1080	10.00%	741	10.29%	1821	10.12%	596	9.93%	626	10.43%
(0.1351, 0.1708]	1080	10.00%	722	10.03%	1802	10.01%	591	9.85%	593	9.88%
(0.1708, 0.2116]	1080	10.00%	712	9.89%	1792	9.96%	542	9.03%	569	9.48%
(0.2116, 0.2674]	1080	10.00%	761	10.57%	1841	10.23%	676	11.27%	636	10.60%
(0.2674, 0.3428]	1080	10.00%	723	10.04%	1803	10.02%	597	9.95%	566	9.43%
(0.3428, 0.4749]	1080	10.00%	706	9.81%	1786	9.92%	598	9.97%	591	9.85%
(0.4749, inf]	1081	10.01%	673	9.35%	1754	9.74%	600	10.00%	606	10.10%
sum	10801	100.00%	7199	100.00%	18000	100.00%	6000	100.00%	6000	100.00%

变量 PSI（开发样本 vs PSI时点样本，按入模变量分箱）

特征项	PSI	状态
tenure_m	0.0015	稳定
bank_997_cnt_3m	0.0010	稳定
risk_score	0.0010	稳定
avg_tnr	0.0010	稳定
income_grade	0.0009	稳定
repay_amt_6m_grade	0.0007	稳定
cust_seg2	0.0005	稳定
card_usage_ratio	0.0004	稳定
query_cnt_3m	0.0002	稳定

risk_score — PSI 0.0010

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 519.5]	23.66%	23.95%	0.29%	0.0000
(519.5, 564.5]	29.47%	30.13%	0.66%	0.0001
(564.5, 600.5]	23.83%	22.52%	-1.31%	0.0007
(600.5, 643.5]	16.22%	16.37%	0.15%	0.0000
(643.5, inf]	6.82%	7.03%	0.21%	0.0001

avg_tnr — PSI 0.0010

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 2.149999976158142]	8.57%	8.88%	0.31%	0.0001
(2.149999976158142, 3.350000023841858]	8.90%	8.87%	-0.03%	0.0000
(3.350000023841858, 4.450000047683716]	11.65%	11.57%	-0.08%	0.0000
(4.450000047683716, 7.3500001430511475]	39.16%	37.82%	-1.35%	0.0005
(7.3500001430511475, inf]	31.72%	32.87%	1.15%	0.0004

cust_seg2 — PSI 0.0005

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 3.5]	19.04%	19.07%	0.03%	0.0000
(3.5, 4.5]	30.86%	30.50%	-0.36%	0.0000
(4.5, 5.5]	30.83%	31.77%	0.94%	0.0003
(5.5, inf]	19.28%	18.67%	-0.61%	0.0002

query_cnt_3m — PSI 0.0002

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.5]	5.09%	5.28%	0.19%	0.0001
(0.5, 2.5]	25.46%	25.40%	-0.06%	0.0000
(2.5, 3.5]	16.53%	16.27%	-0.26%	0.0000
(3.5, 5.5]	27.89%	28.37%	0.48%	0.0001
(5.5, inf]	25.03%	24.68%	-0.35%	0.0001

income_grade — PSI 0.0009

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 3.5]	11.21%	10.70%	-0.51%	0.0002
(3.5, 4.5]	23.24%	23.15%	-0.09%	0.0000
(4.5, 5.5]	31.12%	31.07%	-0.05%	0.0000
(5.5, 6.5]	23.17%	24.25%	1.08%	0.0005
(6.5, inf]	11.26%	10.83%	-0.42%	0.0002

repay_amt_6m_grade — PSI 0.0007

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 3.5]	15.25%	14.83%	-0.42%	0.0001
(3.5, 4.5]	21.00%	21.75%	0.75%	0.0003
(4.5, 5.5]	27.69%	26.92%	-0.78%	0.0002
(5.5, 6.5]	21.16%	21.43%	0.27%	0.0000
(6.5, inf]	14.90%	15.07%	0.17%	0.0000

tenure_m — PSI 0.0015

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 2.5]	6.44%	5.53%	-0.91%	0.0014
(2.5, 10.5]	10.92%	11.22%	0.30%	0.0001
(10.5, 53.5]	71.43%	71.92%	0.49%	0.0000
(53.5, 58.5]	5.99%	6.13%	0.14%	0.0000
(58.5, inf]	5.22%	5.20%	-0.02%	0.0000

card_usage_ratio — PSI 0.0004

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.107999999076128]	8.54%	8.40%	-0.14%	0.0000
(0.107999999076128, 0.3381499946117401]	33.23%	33.98%	0.75%	0.0002
(0.3381499946117401, 0.6137499809265137]	41.11%	40.27%	-0.84%	0.0002
(0.6137499809265137, 0.7716499865055084]	12.12%	12.15%	0.03%	0.0000
(0.7716499865055084, inf]	5.01%	5.20%	0.19%	0.0001

bank_997_cnt_3m — PSI 0.0010

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.5]	31.91%	32.48%	0.57%	0.0001
(0.5, 1.5]	34.62%	35.27%	0.65%	0.0001
(1.5, 2.5]	20.59%	20.35%	-0.24%	0.0000
(2.5, inf]	12.88%	11.90%	-0.98%	0.0008

注：PSI ≤ 0.1 视为稳定，0.1~0.25 需关注，> 0.25 不稳定。

12 单变量分析

注：统计所有入模变量的单变量分析（开发样本口径）。预留验证/总体/OOT 口径的分组明细待扩展。

risk_score

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 519.5]	2555	23.66%	2414	141	5.52%	17.12
2	(519.5, 564.5]	3183	53.12%	2752	431	13.54%	6.39
3	(564.5, 600.5]	2574	76.96%	1946	628	24.40%	3.10
4	(600.5, 643.5]	1752	93.18%	1060	692	39.50%	1.53
5	(643.5, inf]	737	100.00%	281	456	61.87%	0.62
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（5.52% → 61.87%），WOE 单调下降（1.5593 → -1.7651），符合风控分箱预期。IV=0.8674，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(643.5, inf]）为极高风险区间：坏率高达 61.87%，策略上应重点管控

avg_tnr

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 2.149999976158142]	926	8.57%	474	452	48.81%	1.05
2	(2.149999976158142, 3.350000023841858]	961	17.47%	609	352	36.63%	1.73
3	(3.350000023841858, 4.450000047683716]	1258	29.12%	903	355	28.22%	2.54
4	(4.450000047683716, 7.3500001430511475]	4230	68.28%	3391	839	19.83%	4.04
5	(7.3500001430511475, inf]	3426	100.00%	3076	350	10.22%	8.79
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（48.81% → 10.22%），WOE 单调上升（-1.2334 → 0.8925），符合风控分箱预期。IV=0.4376，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.149999976158142]）为极高风险区间：坏率高达 48.81%，策略上应重点管控

cust_seg2

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 3.5]	2056	19.04%	1867	189	9.19%	9.88
2	(3.5, 4.5]	3333	49.89%	2822	511	15.33%	5.52
3	(4.5, 5.5]	3330	80.72%	2505	825	24.77%	3.04
4	(5.5, inf]	2082	100.00%	1259	823	39.53%	1.53
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（9.19% → 39.53%），WOE 单调下降（1.0094 → -0.8558），符合风控分箱预期。IV=0.3733，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 4 箱（(5.5, inf]）为极高风险区间：坏率高达 39.53%，策略上应重点管控

query_cnt_3m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.5]	550	5.09%	288	262	47.64%	1.10
2	(0.5, 2.5]	2750	30.55%	1875	875	31.82%	2.14
3	(2.5, 3.5]	1785	47.08%	1384	401	22.46%	3.45
4	(3.5, 5.5]	3012	74.97%	2492	520	17.26%	4.79
5	(5.5, inf]	2704	100.00%	2414	290	10.72%	8.32
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（47.64% → 10.72%），WOE 单调上升（-1.1863 → 0.8382），符合风控分箱预期。IV=0.3273，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 0.5]）为极高风险区间：坏率高达 47.64%，策略上应重点管控

income_grade

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 3.5]	1211	11.21%	743	468	38.65%	1.59
2	(3.5, 4.5]	2510	34.45%	1766	744	29.64%	2.37
3	(4.5, 5.5]	3361	65.57%	2689	672	19.99%	4.00
4	(5.5, 6.5]	2503	88.74%	2150	353	14.10%	6.09
5	(6.5, inf]	1216	100.00%	1105	111	9.13%	9.95
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（38.65% → 9.13%），WOE 单调上升（-0.8187 → 1.0171），符合风控分箱预期。IV=0.2791，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 38.65%，策略上应重点管控

repay_amt_6m_grade

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 3.5]	1647	15.25%	1047	600	36.43%	1.75
2	(3.5, 4.5]	2268	36.25%	1634	634	27.95%	2.58
3	(4.5, 5.5]	2991	63.94%	2384	607	20.29%	3.93
4	(5.5, 6.5]	2286	85.10%	1944	342	14.96%	5.68
5	(6.5, inf]	1609	100.00%	1444	165	10.25%	8.75
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（36.43% → 10.25%），WOE 单调上升（-0.7242 → 0.8883），符合风控分箱预期。IV=0.2509，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 36.43%，策略上应重点管控

tenure_m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 2.5]	696	6.44%	414	282	40.52%	1.47
2	(2.5, 10.5]	1179	17.36%	891	288	24.43%	3.09
3	(10.5, 53.5]	7715	88.79%	6046	1669	21.63%	3.62
4	(53.5, 58.5]	647	94.78%	568	79	12.21%	7.19
5	(58.5, inf]	564	100.00%	534	30	5.32%	17.80
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（40.52% → 5.32%），WOE 单调上升（-0.8970 → 1.5982），符合风控分箱预期。IV=0.1702，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 40.52%，策略上应重点管控

card_usage_ratio

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.107999999076128]	922	8.54%	854	68	7.38%	12.56
2	(0.107999999076128, 0.3381499946117401]	3589	41.76%	2904	685	19.09%	4.24
3	(0.3381499946117401, 0.6137499809265137]	4440	82.87%	3434	1006	22.66%	3.41
4	(0.6137499809265137, 0.7716499865055084]	1309	94.99%	925	384	29.34%	2.41
5	(0.7716499865055084, inf]	541	100.00%	336	205	37.89%	1.64
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（7.38% → 37.89%），WOE 单调下降（1.2495 → -0.7869），符合风控分箱预期。IV=0.1589，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(0.7716499865055084, inf]）为极高风险区间：坏率高达 37.89%，策略上应重点管控

bank_997_cnt_3m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.5]	3447	31.91%	2899	548	15.90%	5.29
2	(0.5, 1.5]	3739	66.53%	2928	811	21.69%	3.61
3	(1.5, 2.5]	2224	87.12%	1655	569	25.58%	2.91
4	(2.5, inf]	1391	100.00%	971	420	30.19%	2.31
合计		10801		8453	2348	21.74%	3.60

关键结论

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 4 箱（(2.5, inf]）为高风险区间：坏率高达 30.19%，可作为拒绝或重点风控策略的阈值参考

13 压力测试

注：验证压力情境下模型的有效性和区分能力稳定性：a.坏浓度更高样本 b.时间外样本 c.特定特征客群 d.极端时间样本。当前流程自动生成情景1（跨时间样本）与情景2（跨时间样本剔除一半好样本，批注16）。

测试情景1：跨时间验证样本

变量贡献度

变量	贡献度
card_usage_ratio	1186.0000
risk_score	1120.0000
avg_tnr	1044.0000
tenure_m	882.0000
query_cnt_3m	410.0000
repay_amt_6m_grade	241.0000
income_grade	221.0000
bank_997_cnt_3m	213.0000
cust_seg2	204.0000

区分度验证 — LightGBM @ 跨时间样本

KS = 0.3289，GINI = 0.4356

测试情景2：跨时间样本剔除一半好样本

指标	数值
样本量	6000 → 3688（剔除好样本 2312）
KS	0.3325
AUC	0.7163
GINI	0.4326

注：情景2 模拟好样本分布右移的压力情形（固定 seed=42，可复现）；剔除后 KS/AUC 下降幅度反映模型对好样本结构的敏感度。