在村口银行，老周几十年如一日端坐在柜台后，手里握着那本磨软了边的“打分本”——卖豆腐的张三，固定存款多，加5分；跑运输的李四，还款日子从不拖延，加3分；隔壁村王五，前年买农机逾期过一周，减8分。这本子没有数学公式，却暗藏着最朴素的风控逻辑：把借款人的还款能力和意愿，浓缩成一个总分，用总分决定谁值得信任。 后来，新一代AI评分系统走进了银行。它把老周的经验变成了算法，把客户的画像变成了数据，把加减分变成了逻辑回归、XGBoost和LightGBM组成的模型组合。但模型上线后，还需要一双“眼睛”时刻盯着——这双眼睛就是PSI稳定性监控。本文就用老周打分本的进化史，带你读懂信贷评分模型的完整生命周期：如何构建、如何评估、如何监控、如何迭代。

岗位关联

对AI从业者而言，信贷评分是风控领域最经典的落地场景，掌握评分卡构建、性能评估与PSI稳定性监控的全链路，是进入金融科技行业最硬核的“入场券”。

目录
  1. 可视化演示
  2. 信用评分概述
  3. 逻辑回归评分卡
  4. XGB评分
  5. LGB优化
  6. 性能评估指标
  7. PSI稳定性监控
  8. 模型迭代管理
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示信贷评分模型三大维度：评分卡构建（BIN分箱→WOE编码→IV筛选→逻辑回归四步，WOE分布与IV特征选择）、LR vs XGB对比（逻辑回归手动分箱线性WOE AUC 0.78 vs XGBoost自动分箱非线性SHAP AUC 0.85）、PSI监控（训练vs生产分布对比，PSI<0.1稳定/0.1-0.25关注/>0.25不稳定需迭代）,三模式切换理解信用风控建模。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+C1+'

信用评分概述

老周捏着那本软皮本，在柜台上给每一位等待贷款的人默默打分。这本子上没有复杂公式，只有“做豆腐的张三，固定存款多，加5分；跑运输的李四，还款从不含糊，加3分；隔壁村王五，前年买农机逾期过一周，减8分”。老周的加法，本质上就是信用评分最原始的雏形——把借款人的还款意愿和能力，数字化成一个总分。

现代信贷评分模型做的正是这件事，只不过把老周的“经验分”换成了数学函数。信用评分就是借款人年龄、收入、负债率、历史还款记录等特征，通过统计模型或机器学习模型映射成一个分数，再用这个分数预测违约概率，决定是放贷还是拒绝、批多少额度、定什么利率。比如，银行每个月都会收到几十万申请，单靠人工根本看不过来，而评分模型能在毫秒级给出结论。

在实际业务中，评分卡形态经历了两代演化。第一代是传统逻辑回归评分卡，权重清晰、可解释性强，风控人员能看懂每一项为什么扣分；第二代是XGBoost/LightGBM等机器学习评分模型，预测能力更强，也能从非线性关系中发现隐藏规律，但可解释性变弱，需要搭配特征重要性分析和监控机制。老周的打分本是第一代的原型，而AI系统则是它的“进化版”。

Score=β0+β1x1+β2x2+⋯+βnxn\text{Score}=\beta_0+\beta_1x_1+\beta_2x_2+\cdots+\beta_nx_n
公式通俗说明：总评分等于每个客户特征乘以各自的权重，再加一个基准分。权重越大，说明这个特征对违约风险影响越大。
  1. $\beta_0$（基准分）相当于老周给每个进门的客户一个基础分，不管条件如何都先有一个底数。
    β0\beta_0
  2. $\beta_i$（变量权重）每个特征对总分的贡献力度，比如“收入稳定”比“身高”重要得多。
    βixi\beta_i x_i
  3. $x_i$（客户特征）模型用到的借款人画像数据，如负债率、月收入、年龄。
    xix_i
  4. Score（最终评分）各项加权求和后得到的总分，决定了客户的风险等级。
    Score\text{Score}

逻辑回归评分卡

老周决定把自己的打分本“翻译”成一张规范化的《信用评审评分表》。每个客户进门，先看年龄段（20-30、30-45、45-60）、再看收入区间、负债情况，每一项都有固定得分，加起来就是总分。逻辑回归评分卡，正是老周这张表在数学上的化身。

逻辑回归先估算每个人违约的概率P，再把这个概率转换成评分卡上的分数。但概率本身是一个0到1之间的数，不适合直接当作分数。于是，评分卡发明了一种巧妙的转换：先计算“机会比”odds——好事与坏事发生的比率，再取对数，让取值范围从(0,∞)扩展到(-∞,+∞)，最后用线性函数把它映射成所需范围内的分数。

构建评分卡时，原始变量一般不能直接进模型，而要先做WOE分箱。WOE分箱就是把收入这样的连续变量切成若干段，分别统计每段中好客户与坏客户的比例，然后对每一段赋一个“证据权重”值。这样做的两重好处：一是捕捉非线性，比如“月收入1万”和“3万”对风险的边际作用并不相同；二是让变量变得单调，保证评分卡在业务上符合直觉。

老周看到这张“AI翻译版评分卡”松了一口气——这不就是打分本嘛！只是把主观评分规范成了统一的权重和公式，谁来看都能懂。

Score=Offset+Factor×ln⁡(PgoodPbad)\text{Score}=\text{Offset}+\text{Factor}\times\ln\left(\frac{P_{\text{good}}}{P_{\text{bad}}}\right)
公式通俗说明：评分由“基准分”加上“风险大小”构成。风险越小，对数odds越大，分数越高。
  1. $\text{Offset}$（补偿分）决策边界上的基准分数，例如当好人坏人各占一半时，评分等于600分。
    Offset\text{Offset}
  2. $\text{Factor}$（刻度因子）控制分数变化的灵敏度，比如“分数每提高20分，坏账风险减半”，这20分就是Factor×ln2。
    Factor\text{Factor}
  3. $\ln(P_{\text{good}}/P_{\text{bad}})$（对数机会比）把违约风险的程度转化为可在(-∞,+∞)上比较的线性量。风险越高，该项越负。
    ln⁡(PgoodPbad)\ln\left(\frac{P_{\text{good}}}{P_{\text{bad}}}\right)

XGB评分

老周退休后，银行请来了一群“AI专家评审团”来给贷款把关。每个专家只擅长识别一种风险信号——有的研究收入，有的盯着负债，有的专攻历史还款习惯。任何一个专家单独判断都容易片面，但他们组团开会、加权投票时，就能互相补位，给出远胜单个专家的综合结论。XGBoost就是这样一个“专家团”。

XGBoost的全称是极端梯度提升，它的核心思想是“加法训练”：不是一次性训练一个大模型，而是按顺序训练K棵决策树。第一棵树只学一个基线预测，第二棵树学习第一棵没处理好的残差，第三棵学习前两棵都没做对的样本……如此迭代，最终把所有树的结论加起来。在信用评分场景中，XGBoost能自动发现“收入虽然高但负债也高”这类单变量很难表达的组合风险。

XGBoost训练完成后还能输出“特征重要性”，告诉我们哪些变量最影响评分，比如“负债率>收入>年龄”，让风控人员对模型行为有基本把握。另外要注意，XGBoost的输出是叶子分数的累加值，不是校准后的概率。如果业务中需要把评分当作违约概率用于贷款定价，就必须对输出做概率校准，常用方法包括Platt缩放和保序回归，否则直接当概率用会带来系统性偏差。

老周听说这个专家团连他几十年都没参透的复杂客户关系都能看清，心悦诚服：“经验之外，数据里还藏着门道。”

y^i=∑k=1Kfk(xi)\hat{y}_i = \sum_{k=1}^{K} f_k(x_i)
公式通俗说明：专家团最终得分等于每位专家评分的总和。每一棵树都在修正前面专家的失误，最终整体越来越准。
  1. $f_k(x_i)$（单棵树的输出）第k棵决策树对客户i给出的叶子得分，相当于一位专家的评分。
    fk(xi)f_k(x_i)
  2. $\sum_{k=1}^{K}$（累加K棵树）把K位专家的意见加总，弱者的集体决策远胜孤军奋战。
    ∑k=1K\sum_{k=1}^{K}
  3. $\hat{y}_i$（模型预测得分）综合K棵树后的总分，再经sigmoid变换可得到违约概率。
    y^i\hat{y}_i

LGB优化

这个专家团什么都好，就是开会太慢——XGBoost在训练时要遍历所有特征的全部取值来寻找最优切分点，数据量一大，训练时间就往上飙。LightGBM的出现，就像给专家团定制了三套高效议事规则。

第一套规则是“直方图算法”。它把收入的连续值离散成几十个小桶，切分点只在每个桶的边界中挑选，候选数量从几万降到几十，计算量大幅下降。第二套规则叫GOSS（梯度单边采样）：专家团发现，在训练过程中，只有那些“争议大”的样本（梯度大的样本）值得重点讨论，于是保留这批样本，把已经没争议的样本少抽样或不抽样，从而在不损失太多效果的前提下大幅压缩数据量。第三套规则是EFB（互斥特征绑定）：有些特征从不同时取非零值，比如“有房贷”和“无房贷”本来就是互斥的，把它们绑成一个特征，减少了特征维度，进一步提速。

实测对比中，同样的数据集上，LightGBM通常比XGBoost训练速度快3-10倍，内存占用也更低，在信贷这种动辄几百万样本的场景，LightGBM成了当之无愧的主力选手。老周看到下午茶时间AI就把一整年的客户评分跑完了，连连感慨：这届专家团，不仅更聪明，开会也更利索。

Gain=(∑i∈Lgi)2nL+(∑i∈Rgi)2nR−(∑i∈L∪Rgi)2nL+nR\text{Gain}=\frac{(\sum_{i\in L}g_i)^2}{n_L}+\frac{(\sum_{i\in R}g_i)^2}{n_R}-\frac{(\sum_{i\in L\cup R}g_i)^2}{n_L+n_R}
公式通俗说明：好的切分能让左子树和右子树内部“意见一致”，整体混乱程度显著下降。
  1. $g_i$（一阶梯度）表示损失函数对每个样本的“不满程度”，梯度大说明样本最难学、最值得讨论。
    gig_i
  2. $L$ 与 $R$（左右子集）按特征阈值切分后，进入左子树和右子树的两群样本。
    L,RL, R
  3. $n_L, n_R$（子集样本量）左、右各自的样本数量，用来把增益标准化，避免大样本集天然占优。
    nL,nRn_L, n_R
  4. Gain（分裂增益）衡量切分后子集纯度提升多少，增益越大，说明这个特征越值得用于分裂。
    Gain\text{Gain}

性能评估指标

专家团给不同客户打出了分数，但老周要面对更关键的问题：这群AI专家，到底靠不靠谱？这就像教练考核球员，不能只看他嘴上夸自己，要看实战数据。信贷风控中也有这样一套“考核指标”，用来检验评分模型的真实水平。

最基本的工具是混淆矩阵——把模型预测的结果放在一个2×2表格里，分为真正例（坏人预测成坏人）、假正例（好人被误判成坏人）、真负例和假负例。四个格子的数分别构成通过率、拒绝率、误杀率和漏网率。更综合的指标是KS值和AUC。KS值衡量的是好客户和坏客户评分分布的分离程度：把所有人按评分从低到高排列，分别累计好客户占比和坏客户占比，两条累计曲线拉开的最大距离就是KS值。

KS值超过0.3才被认为“可用”，超过0.5则属于“优秀”。AUC则是一个更全局的视角——随机抽一个坏客户，其风险评分比随机抽一个好客户更“危险”的概率，AUC越接近1，排序能力越好。最后，模型评分和审批决策中间还隔着一道“阈值选择”。把审批阈值调高，通过率上升、坏账也升高；调低则拒绝率上升、牺牲业务量。阈值取决于银行的风险偏好：激进与保守各有取舍，就像老周心里那杆秤，得自己称。

老周看完KS报告嘿嘿一笑：“和我几十年的眼光一模一样——好人和坏人，得分拉得开，才不容易看走眼。”

KS=max⁡t(∣cumbad(t)−cumgood(t)∣)\text{KS}=\max_{t}\left(|\text{cum}_{\text{bad}}(t)-\text{cum}_{\text{good}}(t)|\right)
公式通俗说明：KS就是好人和坏人两条分数曲线分得最开时的距离。距离越远，模型分辨好坏的能力越强。
  1. $\text{cum}_{\text{bad}}(t)$（坏客户累计占比）评分低于阈值t的坏客户占全部坏客户的比例，从0涨到1。
    cumbad(t)\text{cum}_{\text{bad}}(t)
  2. $\text{cum}_{\text{good}}(t)$（好客户累计占比）评分低于阈值t的好客户占全部好客户的比例。
    cumgood(t)\text{cum}_{\text{good}}(t)
  3. $\max_t$（最大差距）遍历所有阈值，找出两条累计曲线距离最大的位置，这就是模型区分好坏的巅峰能力。
    max⁡t\max_t

PSI稳定性监控

过了几个月，老周发现AI专家团的建议开始“飘”了。原来，外头的经济环境在变化——村子里的年轻人越来越多，外出务工的人带回的收入结构也和以前截然不同。老周想：AI再聪明，也得定期检查它是不是“水土不服”。这正是PSI稳定性监控存在的理由。

PSI全称总体稳定指数（Population Stability Index），用来衡量当前时间窗口的评分分布，与建模时训练分布之间的偏离程度。具体做法：把所有预测评分分成10个区间，统计每个区间的样本实际占比A，再和建模时的预期占比E对比。如果每个区间占比几乎不变，PSI接近0；如果偏移越来越大，PSI迅速上升。

业界通常约定：PSI小于0.1，模型身份稳定，放心用；0.1到0.25之间，需要关注，建议查明漂移来源；超过0.25，属于严重漂移，模型可能正在“失真”，必须启动应对流程。应对措施分为两类：如果漂移来自某个特定客群，可以对特征做局部修正；如果漂移来自宏观环境变化，则需要准备重训。

老周看着每月的PSI体检报告，就像看到自己春年的血压值——稳定才是长寿的秘诀。

PSI=∑i=110(Ai−Ei)×ln⁡(AiEi)\text{PSI}=\sum_{i=1}^{10}\left(A_i-E_i\right)\times\ln\left(\frac{A_i}{E_i}\right)
公式通俗说明：PSI把所有评分区间上“实际占比”和“预期占比”的差异汇总成一个数。差异越大，分布漂移越严重。
  1. $A_i$（实际占比）当月评分落入第i个区间的样本数占当月总样本的比例，好比体检时的实测体重。
    AiA_i
  2. $E_i$（预期占比）建模时第i个区间的样本占比，好比体检标准表上的参考体重。
    EiE_i
  3. $\ln(A_i/E_i)$（对数偏差）实际与预期的偏离倍数再取对数，让偏大和偏小的偏差对称地“记账”。
    ln⁡(AiEi)\ln\left(\frac{A_i}{E_i}\right)
  4. $(A_i-E_i)$（偏差加权）偏差越大，对PSI的贡献越大，最终把10个区间求和。
    (Ai−Ei)(A_i-E_i)

模型迭代管理

既然模型也会“水土不服”，那就得建立一套健康管理制度。老周的打分本也不是一成不变的：几年前不认识的“外卖骑手”，如今已经成为常客；以前来贷款多是买农机，现在更多是买电动车。客户结构在变，账本就得跟着改。

模型迭代不是拍脑袋重训，而是一套标准化的生命周期流程。首先要有明确的触发条件：当PSI超过0.25、KS下降到业务红线以下、或者逾期率出现显著偏离时，模型就算“亮红灯”，应该进入重训通道。接着是重训流程：从最新的客户样本中重新抽取训练集、更新特征工程、重新训练模型、在验证集上做评估，通过后再上线。上线不是直接把旧模型扔掉，而是新旧模型并行跑一段时间，用影子模式对比效果。

整个迭代链条中，版本管理和回退机制是最后一道保险。每个模型版本必须有清晰的编号、训练窗口、特征版本，确保出问题时能准确定位。如果新模型上线后被监控发现表现更差，系统要能一键回退到旧版本，保证业务连续性。老周把重训触发卡贴在信用评审室门上，笑着说：“和我师父当年教的一样——客户变了，账本就得跟着变，不然迟早出大事。”

Retrain=1[ PSIshadow>0.25 或 KSnew<0.3 或 ∣rt−r0r0∣>20% ]\text{Retrain}=\mathbf{1}\left[\ \text{PSI}_{\text{shadow}}>0.25 \ \text{或} \ \text{KS}_{\text{new}}<0.3 \ \text{或} \ \left|\frac{r_t-r_0}{r_0}\right|>20\%\ \right]
公式通俗说明：体检报告上任意一个红字指标亮了，AI系统就该“停职复查”。
  1. $\mathbf{1}[\cdot]$（指示函数）括号内的触发条件只要有一个成立，函数值就等于1，代表“该重训了”。
    1[⋅]\mathbf{1}[\cdot]
  2. $\text{PSI}_{\text{shadow}}>0.25$（影子评分漂移）模型输出在实时监控集合上的分布偏离超过阈值，说明客群已经发生变化。
    PSIshadow>0.25\text{PSI}_{\text{shadow}}>0.25
  3. $\text{KS}_{\text{new}}<0.3$（区分度不足）模型的排序能力掉到红线以下，坏人好人都分不开了。
    KSnew<0.3\text{KS}_{\text{new}}<0.3
  4. $\left|\frac{r_t-r_0}{r_0}\right|>20\%$（逾期率偏重）当前逾期率与基准相比波动超过20%，说明模型定价跟不上市场。
    ∣rt−r0r0∣>20%\left|\frac{r_t-r_0}{r_0}\right|>20\%

AI 应用场景

智能信贷审批Agent

阶段：模型部署与决策

解决的问题：传统审批依赖人工审核，平均每单耗时几分钟，口径也不统一。Agentic AI把信贷评分模型包装成一个智能审批Agent，不仅能给出风险分，还能自动调用央行征信、社保、电商流水等多源数据交叉验证，结合业务规则自动决策，并对拒绝客户自动生成解释信。

具体案例：某消费金融公司每天涌入10万+贷款申请，过去人工审核一单要5分钟，积压严重。引入信贷评分Agent后，80%的申请在10秒内完成审批，坏账率反而下降了15%，因为Agent能同时检查数十个风险因子，不会像人一样疲惫遗漏。

模型稳定性自动监控Agent

阶段：模型监控与运维（MLOps）

解决的问题：传统监控靠人工每天跑脚本、每周开评审会，发现问题往往滞后数周。现在可以部署一个专门的“模型医生Agent”，每天自动计算PSI、KS等指标，一旦超过阈值，自动触发预警、创建重训任务并生成变更记录。

具体案例：一家银行零售信贷评分模型在2024年Q4连续两月PSI漂移到0.17，监控Agent自动定位到是学历分布变化导致，自动选择新的样本窗口重新训练，并切换到灰度版本，全程无需人工介入。模型从发现问题到修复仅用了3天，而此前至少需要3周。

Python 演示

python41 行
import numpy as npfrom sklearn.linear_model import LogisticRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import roc_auc_score np.random.seed(42)n = 3000age = np.random.randint(22, 60, n)income = np.random.randn(n) * 4 + 12debt = np.random.rand(n) * 0.6score_raw = 0.08 * age + 0.35 * income - 2.0 * debt + np.random.randn(n)y = (score_raw < np.percentile(score_raw, 65)).astype(int)X = np.column_stack([age, income, debt]) X_train, X_test, y_train, y_test = train_test_split(    X, y, test_size=0.3, random_state=42) model = LogisticRegression(max_iter=1000)model.fit(X_train, y_train)prob = model.predict_proba(X_test)[:, 1]print("AUC = %.4f" % roc_auc_score(y_test, prob))  def score_convert(prob, base=600, factor=40, p0=0.5):    odds = prob / (1 - prob + 1e-8)    odds0 = p0 / (1 - p0)    return base + factor / np.log(2) * np.log(odds / odds0)  scores_test = score_convert(prob)  def calc_psi(base, actual, bins=10):    edges = np.linspace(0, 1, bins + 1)    b, _ = np.histogram(base, bins=edges, density=True)    a, _ = np.histogram(actual, bins=edges, density=True)    return np.sum((a - b) * np.log((a + 1e-6) / (b + 1e-6)))  prob_drift = model.predict_proba(X_test + np.array([0, 2.5, 0.2]))[:, 1]print("PSI(drift) = %.4f" % calc_psi(prob, prob_drift))
目的：演示了信贷评分中最核心的三个步骤——训练逻辑回归评分模型、把概率转化为评分卡分数、以及用PSI监控客群漂移程度。
  1. y = (score_raw < np.percentile(score_raw, 65)).astype(int)构造模拟的坏客户标签，模拟信贷中常见的样本不均衡
  2. model = LogisticRegression(max_iter=1000)训练逻辑回归，评分卡的基础模型
  3. score_convert(prob, base=600, factor=40, p0=0.5)把违约概率转换为标准评分卡分数，方便业务解读
  4. calc_psi(base, actual, bins=10)按10个分箱计算PSI值，对应PSI稳定性监控
  5. X_test + np.array([0, 2.5, 0.2])模拟客群特征发生漂移后的新数据，用于评估PSI上升的幅度

常见误区

误区不少人认为PSI只要小于0.1，模型就一定健康，万事大吉。

正解PSI衡量的只是“分布稳定性”，并不代表“预测准确率”。一个模型可能分布一直很稳，但从一开始就判断错误，稳定地错下去。必须同时看两个维度：区分度指标（KS/AUC）确保模型有能力分辨好坏，稳定性指标（PSI）确保能力没有漂移。

为何常见：因为PSI是一个直观的数值，监控面板上最显眼，很容易被误当成“模型一切健康”的总代表。

误区训练完XGBoost后，直接拿`predict_proba`的结果当真实违约概率用于定价。

正解XGBoost的叶子输出是分类边界的“得分”，累加后再经过sigmoid，得到的只是排序分，不是校准过的概率。若要用于贷款定价这类需要精确概率的场景，必须做概率校准（Platt缩放或保序回归），否则会系统性地高估或低估实际风险。

为何常见：因为predict_proba这个接口名字太有迷惑性，返回的数字又恰好在0到1之间。

误区以为WOE分箱后，每个变量的WOE值必须随风险单调递增才合格。

正解WOE反映的是每个分箱与总体odds的相对关系，分箱自然可以呈现非单调的趋势。需要判断的是每个分箱的业务合理性，比如某些年龄区间违约率偏高可能因为刚毕业的学生收入不稳。若出现明显的业务悖论，应结合业务经验手动调箱。

为何常见：很多教材以“WOE单调”作为标准示范，导致初学者把它当成铁律。

误区离线测试阶段AUC很高，上线后应该就稳定运行，不用再管。

正解客户结构、宏观经济、产品策略都在变化。即使模型训练时表现再好，也必须建立PSI监控和定期重训机制，否则半年后模型可能已经“不认识”新客户了。

为何常见：因为离线测试用历史数据测得好，上线初期也正常，缺乏“模型会衰老”的意识。

误区看到PSI超过0.25就立刻安排重训，把重训当急救按钮。

正解PSI报警后先要定位根因：到底是客户结构变了，还是特征的数据采集管道出了问题？如果是数据报表错误，重训只会叠加错误。只有确认是客群的实质性漂移，才启动重训流程。

为何常见：监控系统每次报警都让人焦虑，一焦虑就想着马上重训，忽略了“报警先分诊”的从容。

面试题

Q1. 逻辑回归评分卡中，WOE分箱的主要作用是什么？

单选题 · easy

  • A.提高模型训练速度
  • B.替换缺失值填充
  • C.将连续特征分箱编码← 正确答案
  • D.消除特征之间相关

答案：C。WOE的全称是证据权重，核心工作是将连续变量按风险分段，并为每一段计算证据权重编码，让变量能捕捉非线性关系且保持业务可解释。A说的是优化提速，B是数据处理，D是特征选择，都不是WOE的任务。

Q2. 评分公式 Score=Offset+Factor×ln(odds) 中，当 odds=1 时评分等于多少？

单选题 · easy

  • A.0
  • B.Factor
  • C.Offset+Factor
  • D.Offset← 正确答案

答案：D。当 odds=1 时，ln(1)=0，因此 Score=Offset+0=Offset。Offset 可以理解为好坏客户各占一半时的基准分，通常由业务设定为500或600。

Q3. XGBoost的核心思想是什么？

单选题 · easy

  • A.随机抽样多棵决策树
  • B.逐棵学习残差再累加← 正确答案
  • C.用SVM替代树的分类器
  • D.全量特征同时训练

答案：B。XGBoost是梯度提升树，本质是按顺序训练多棵树，后一棵树专门拟合前面所有树留下的残差，最终将各树预测值累加。A描述的是随机森林的特征，C、D与XGBoost无关。

Q4. LightGBM相对XGBoost做了哪些加速优化？

多选题 · mid

  • A.直方图算法减少切分点← 正确答案
  • B.GOSS采样保留大梯度样本← 正确答案
  • C.EFB绑定互斥特征← 正确答案
  • D.全量贪心搜索最优切分

答案：ABC。LightGBM三大核心优化分别是直方图算法、GOSS（单向梯度采样）和EFB（互斥特征捆绑）。D是XGBoost传统的全量搜索方式，正是因为这种方式慢，LightGBM才被设计出来提速。

Q5. KS值主要衡量模型的什么能力？

单选题 · mid

  • A.准确预测违约概率
  • B.区分好坏客户的能力← 正确答案
  • C.训练集的数据量大小
  • D.特征选择的完整程度

答案：B。KS值是好客户和坏客户评分累积分布的最大垂直距离，反映模型把两类客户“分开”的能力。它不像准确率那样看一个固定阈值，而是综合衡量整个评分范围内的区分度。

Q6. PSI在0.1到0.25之间通常意味着什么？

单选题 · mid

  • A.模型状态健康无需处理
  • B.分布发生低度漂移需关注← 正确答案
  • C.模型已完全失效要下线
  • D.训练样本出现严重泄漏

答案：B。业界经验约定：PSI<0.1模型稳定，0.1~0.25需关注并排查原因，>0.25严重漂移需触发重训。B准确描述了中间区间的含义。

Q7. 以下哪些情况应当触发模型迭代重训？

多选题 · hard

  • A.PSI持续大于0.25← 正确答案
  • B.KS值低于风控业务底线← 正确答案
  • C.逾期率较基准偏离超20%← 正确答案
  • D.单个客户发生异常拒绝

答案：ABC。模型重训触发条件关注的是整体层面：分布漂移（PSI>0.25）、区分度下降（KS过低）、资产质量偏离（逾期率波动>20%）。单个客户异常拒绝属于个案审批问题，不构成模型迭代理由。

Q8. WOE变换最核心的业务价值是什么？

单选题 · mid

  • A.让变量服从正态分布
  • B.量化每个分箱的风险贡献← 正确答案
  • C.让逻辑回归更快收敛
  • D.把连续特征离散成0和1

答案：B。WOE的本质是用“好事/坏事占比的对数比”来量化每个分箱的风险强度，从而把原始特征转换为与目标变量直接挂钩的编码，增强模型的可解释性。A是标准化做的事情，C是训练技巧，D是二值化。

Q9. 下面哪项最不可能导致模型上线后效果变差？

单选题 · hard

  • A.开发样本与线上客群分布不一致
  • B.模型过拟合了历史数据
  • C.特征上报管线出现缺失
  • D.模型训练花费时间过长← 正确答案

答案：D。训练时长是离线计算资源问题，不影响模型上线后的预测质量。而客群漂移、过拟合、数据管线出错都会直接影响线上表现，需要通过PSI监控和特征质量检查及时发现。

Q10. 关于模型回退机制，正确的做法有哪些？

多选题 · hard

  • A.需要新旧模型并行观察← 正确答案
  • B.回退依赖清晰的版本管理← 正确答案
  • C.回退后旧模型必定更优
  • D.回退决策基于监控指标← 正确答案

答案：ABD。新模型上线应走灰度或影子模式，与旧模型并行一段时间；版本管理能帮助快速定位和回滚；回退必须以监控数据为依据。C选项是错误认知，旧模型不一定更好，但回退是在新模型出问题时保证业务不中断的保险策略。