学习指南: 第18部分. 信贷组合展示

模块「第18部分. 信贷组合展示」中第 3 / 5 节课

您正在未登录状态下查看课程。请登录，以保存进度并参加测试。

主题: 第18部分. 信贷组合数据集市

难度等级: 中级

预计学习时间: 3-4小时

前置要求: SQL基础知识 (SELECT, GROUP BY, 聚合函数, NULL处理)

了解数据集市(data marts)概念和分层架构 (staging → mart)

熟悉数据质量、可重现性和数据验证的原则

对信贷报告和stage/principal/days_past_due术语有一般了解

学习目标: 解释教学数据集市mart_credit_portfolio_quality的目的及其最小契约

区分源事实(stage, principal, days_past_due)和规范中未规定的方法论解释

为聚合信贷数据集市应用验证不变量(NOT NULL, 非负金额, 行数匹配)

撰写正确的规范和审查备注，防止引入虚假的银行方法论

构建Qwen查询以分析数据集市而不修改源文件

概述: 第18部分专注于信贷组合数据集市mart_credit_portfolio_quality——一个展示SDD Data与聚合报告功能相结合的教学构件。这里中心风险从PII泄露转向虚假方法论风险：stage、principal、逾期和组合质量等词汇听起来像是严肃的银行模型(IFRS 9, PD, LGD, ECL)的要素，代理可能会试图通过引入外部知识来"改进"教学示例。本章教导分离源事实与解释，通过规范和审查备注固定数据集市边界，并收集确保报告可重现性和诚实性的验证不变量。

关键概念: 信贷组合质量数据集市: 一个教学型data mart，通过stage特征聚合合成信贷。最小契约：stage NOT NULL, principal以可重现方式聚合，聚合时不丢失逾期信息，stage来源明确描述，业务解释不由代理虚构。

Stage作为合成特征: 在真实银行中，stage与IFRS 9和风险方法论相关，但在教学示例中，stage仅仅是源字段。必须明确将其视为合成数据，否则代理将开始在不存在方法论的地方"补充"方法论。

事实与解释分离原则: 数据集市的每个字段都应分类为(a)源事实，(b)教学简化，或(c)需要单独的银行规范。没有这种分类，数据集市看起来令人信服，但可能意味着不同的事物。

数据集市最小契约: 一组义务：stage not null, principal金额非负(如果源规则规定)，行数与唯一stage值的数量匹配，审查员确认stage在SQL中未被重新定义，影响契约的备注已记录。

规范vs.实现: 不好的规范："计算信贷组合质量"。好的规范："按源stage对合成信贷进行分组；显示loan_count和principal_rub；不推导IFRS的分期规则；将stage视为源字段"。实现必须严格遵循规范。

用于集市审查的Qwen查询: 标准化的提示词如："比较stg_loans和mart_credit_portfolio_quality。展示SQL做出了哪些业务假设。分离源事实与推导规则。不要修改文件。"——允许在不修改源文件的情况下进行审计。

审查备注: 由六个块组成的固定结构：源stage、聚合、指标、假设、验证、需要确认。这是一个谦逊的角色：审查员不是信贷委员会，只是检查数据集市的边界。

典型错误：虚假方法论: 代理可能了解IFRS、PD、LGD、ECL等术语，并试图将其引入教学项目。在没有产品规范的情况下，这是一个错误：集市开始声称比其能够证明的更多的东西。

Days past due作为源事实: 逾期天数是系统数据，而不是关于组合质量的方法论决策。days_past_due如何影响stage的决策——这已经是需要规范的方法论。

Principal rub及其双重性: 可能表示债务余额或原始贷款金额。如果规范中未明确说明，聚合看起来正确，但解释含糊。规范应关闭问题或明确将其保留为开放。

重要日期: 2018年1月1日: IFRS 9生效日期——在真实银行中将stage与预期信贷损失(ECL)计算相关联的标准。在教学数据市中，这是外部上下文，仅为理解stage字段性质而提及。

日期未指定——教学上下文: 在课程中，stage被视为合成特征，不与真实方法论日期相关联。教学示例中的任何"ECL计算日期"都是代理虚构的，应删除。

练习题: 名称: 审计数据集市最小契约

问题: 给定形成mart_credit_portfolio_quality的SQL查询：

SELECT stage, COUNT(*) AS loan_count, SUM(principal_rub) AS total_principal FROM stg_loans GROUP BY stage;

对照教学数据集市的最小契约检查它。哪些不变量在数据层面验证，哪些在规范层面验证？

解决方案: 步骤1. NOT NULL检查：确保stage不包含NULL(例如SELECT COUNT(*) FROM stg_loans WHERE stage IS NULL)。步骤2. 非负性检查：每个组的SUM(principal_rub) >= 0，或明确记录源规则允许负值。步骤3. 行数检查：数据集中的行数等于stage的唯一值数量。步骤4. 确认stage在SQL中未被重新定义(没有CASE WHEN days_past_due > 90 THEN 3...之类的表达式——这将是方法论)。步骤5. 影响契约的备注记录方法论未更改。

难度: intermediate

名称: 撰写审查备注

问题: 使用本章中的模板填写信贷数据集市的审查备注。假设stg_loans包含1200笔具有三个stage值(1, 2, 3)的合成信贷，principal_rub范围为50,000–5,000,000，days_past_due为0到180。

解决方案: 源stage: stg_loans.stage字段，无IFRS 9关联的合成特征。聚合：GROUP BY stage，聚合loan_count (COUNT)和principal_rub_total (SUM)。指标：loan_count, principal_rub_total, 平均principal_rub(仅作为源的派生指标)。假设：stage被视为源字段；principal_rub是源值的总和，不考虑余额；days_past_due在数据集中不被解释。验证：stage NOT NULL — OK；金额>= 0 — OK；行数= 3 — OK；stage在SQL中未被重新定义 — OK。需要确认：方法论解释(例如哪个stage被视为"问题")不在教学数据集市的范围内。

难度: intermediate

名称: 在SQL中检测虚假方法论

问题: 同事编写了一个包含以下片段的数据集：

SELECT CASE WHEN days_past_due <= 30 THEN 1 WHEN days_past_due <= 90 THEN 2 ELSE 3 END AS stage, COUNT(*) AS loan_count, SUM(principal_rub) AS total_principal FROM stg_loans GROUP BY 1;

本章原则的违反在哪里？以正确的形式重写查询。

解决方案: 违反：stage基于days_past_due在SQL中被重新定义。这是方法论的引入(本质上——简化的IFRS 9分期)，规范中没有。代理(或同事)用其自己的逻辑替换了源字段。正确的形式：

SELECT stage, COUNT(*) AS loan_count, SUM(principal_rub) AS total_principal FROM stg_loans GROUP BY stage;

Stage用作源字段，不进行重新定义。如果需要按days_past_due的细分——这是具有单独规范的单独数据集市。

难度: intermediate

名称: 数据集市字段分类

问题: 在mart_credit_portfolio_quality数据集中出现字段：stage, loan_count, principal_rub_total, avg_days_past_due, ecl_provision。按三类对每个字段进行分类：(a)源事实，(b)教学简化，(c)需要单独的银行规范。

解决方案: stage — 源事实(stg_loans.stage字段)。loan_count — 源事实(从行数派生，可重现)。principal_rub_total — 源事实(如果被视为源值的总和)，但需要澄清：余额或原始金额。avg_days_past_due — 教学简化(无方法论解释的源事实聚合)。ecl_provision — 需要单独的银行规范，因为IFRS 9 ECL是计算预期损失的完整方法论；没有单独的技术规范，不能将其添加到教学数据集市。

难度: intermediate

名称: 为审查制定Qwen查询

问题: 制定Qwen查询以比较stg_loans和mart_credit_portfolio_quality。查询应：(1)不修改文件，(2)突出SQL的业务假设，(3)分离源事实与推导规则。

解决方案: 本章的参考查询："比较stg_loans和mart_credit_portfolio_quality。展示SQL做出了哪些业务假设。分离源事实与推导规则。不要修改文件。"在保留三个不变量的前提下，允许替代措辞："只读"模式、明确要求突出假设、明确要求分离源与解释。

难度: beginner

案例研究: 名称: 案例1：代理用银行方法论"改进"了教学数据集市

场景: 学生正在使用教学数据集市mart_credit_portfolio_quality。收到"计算信贷组合质量"的任务后，LLM代理生成了根据IFRS 9规则计算stage的SQL(stage 1的12个月ECL，基于days_past_due和PD/LGD指标的stage 2和stage 3的终身ECL)。数据集市看起来很专业，包含十个指标，包括ecl_provision_rub。

挑战: 数据集市声称了规范中未包含的方法论内容。由于源数据是合成的，学生无法验证PD/LGD逻辑的正确性。同时报告看起来"真实"，可能被错误地视为银行分析。

解决方案: 学生返回规范，以明确形式重写："按源stage对合成信贷进行分组；显示loan_count和principal_rub；不推导IFRS的分期规则；将stage视为源字段"。SQL根据该规范重写。代理使用更新的规范重新调用——所有ECL字段已删除。

结果: 数据集市缩减为三个字段(stage, loan_count, principal_rub_total)，但变得诚实和可重现。审查备注记录了方法论不在范围内。学生学到了关键教训：实现遵循规范，而不是代理的"常识"。

经验教训: LLM代理可能了解IFRS 9 / PD / LGD / ECL术语，并在没有规范的情况下引入它们——这是教学项目的典型错误

规范必须明确并关闭方法论决策，否则代理将为学生做出这些决策

可重现性比虚假的完整性更重要：一个不撒谎的小数据集市比一个声称额外内容的大集市更有价值