loan_dt为借出的时间，label为实际是否违约（1为违约），tag为是否允许放款（1为未允许）。我们不知道违约的时间，因此我们假设还款时间due date与借款时间loan date成正比例，因此直接用借款时间作为还款时间来建模（没有数据，也是没办法...）。我们先来进行探索性数据分析。

我们在不同的时间，有多少用户申请贷款呢？

raw_win %>%
count(loan_dt) %>%
ggplot(aes(loan_dt,n)) +
geom_line()

这个波动性感觉有点意思，不过先不深究了。那我们有多少有效数据（能够最后知道用户是否违约的）呢？有效数据中违约和不违约的数量相对多少是如何的呢？

raw_win %>%
filter(!is.na(label)) %>%
count(loan_dt,label) %>%
ggplot(aes(loan_dt,n,colour = as.factor(label))) +
geom_line()

上图中，蓝色线条是违约用户的数量，红色是没有违约的用户数量。我们看到蓝色的用户数量非常地少，因为模型是奏效的，所以违约的用户被控制到一定范围以内。

要建立动态模型，模型中的数据样本一定要合理。这个合理性体现在两方面：1、样本量足够大，能够建立稳健的模型；2、响应变数的比例要合理，如果在一定时间内违约用户数量太少，这样建模明显会有严重的类失衡问题，也不利于建模。

从策略上来讲，如果滑动窗口检测的违约样本比例较少，说明这段时间内在上一期模型奏效，没有必要继续建立新的模型。如果违约样本较多，则说明上一期模型失效，是时候建立新的模型。需要明确一点，新的模型不一定就好，旧的模型不一定就差，主要是看是否满足这么一个假设：随著时间的改变，LR模型中每一个特征所占的权重已经改变，而且严重地影响了预测的准确性。而时间临近的数据，更能够表征近期的用户违约状况，老的数据则「过时」了，会误导模型的学习。

从极端的角度来说，如果我们认为模型没有时效性，能够得到永恒的真理，那么我们就可以用全样本来做，然后得到一个非常稳健的模型。另一个极端就是，我们认为模型一直在变，甚至天天变，那么有新的数据进来，我们就用当天的数据做模型，然后来预测第二天的违约情况。一般不会走极端，而是在两个极端之间找到一个平衡点，从而我们得到更新模型的最佳时机，以及每次建模应该用多长的时间窗口作为数据来源。

现在，我们需要得到两个东西：1、模型更新的时机选择：如果违约率突然升高（可以是每天的违约率，也可以是累计近n天的违约率），那么把新的违约样本纳入模型，进行模型更新；2、模型时间窗口长度的确定：上一个项目中的n如何确定？这取决于样本量是否够大，已经违约样本是否够多。还有一个有意思的想法就是，近n天的违约率是否能够作为一个新的特征，来预测未来的违约率？

这个规则已经比较复杂，迟些有时间再试。