loan_dt為借出的時間，label為實際是否違約（1為違約），tag為是否允許放款（1為未允許）。我們不知道違約的時間，因此我們假設還款時間due date與借款時間loan date成正比例，因此直接用借款時間作為還款時間來建模（沒有數據，也是沒辦法...）。我們先來進行探索性數據分析。

我們在不同的時間，有多少用戶申請貸款呢？

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

這個波動性感覺有點意思，不過先不深究了。那我們有多少有效數據（能夠最後知道用戶是否違約的）呢？有效數據中違約和不違約的數量相對多少是如何的呢？

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

上圖中，藍色線條是違約用戶的數量，紅色是沒有違約的用戶數量。我們看到藍色的用戶數量非常地少，因為模型是奏效的，所以違約的用戶被控制到一定範圍以內。

要建立動態模型，模型中的數據樣本一定要合理。這個合理性體現在兩方面：1、樣本量足夠大，能夠建立穩健的模型；2、響應變數的比例要合理，如果在一定時間內違約用戶數量太少，這樣建模明顯會有嚴重的類失衡問題，也不利於建模。

從策略上來講，如果滑動窗口檢測的違約樣本比例較少，說明這段時間內在上一期模型奏效，沒有必要繼續建立新的模型。如果違約樣本較多，則說明上一期模型失效，是時候建立新的模型。需要明確一點，新的模型不一定就好，舊的模型不一定就差，主要是看是否滿足這麼一個假設：隨著時間的改變，LR模型中每一個特徵所佔的權重已經改變，而且嚴重地影響了預測的準確性。而時間臨近的數據，更能夠表徵近期的用戶違約狀況，老的數據則「過時」了，會誤導模型的學習。

從極端的角度來說，如果我們認為模型沒有時效性，能夠得到永恆的真理，那麼我們就可以用全樣本來做，然後得到一個非常穩健的模型。另一個極端就是，我們認為模型一直在變，甚至天天變，那麼有新的數據進來，我們就用當天的數據做模型，然後來預測第二天的違約情況。一般不會走極端，而是在兩個極端之間找到一個平衡點，從而我們得到更新模型的最佳時機，以及每次建模應該用多長的時間窗口作為數據來源。

現在，我們需要得到兩個東西：1、模型更新的時機選擇：如果違約率突然升高（可以是每天的違約率，也可以是累計近n天的違約率），那麼把新的違約樣本納入模型，進行模型更新；2、模型時間窗口長度的確定：上一個項目中的n如何確定？這取決於樣本量是否夠大，已經違約樣本是否夠多。還有一個有意思的想法就是，近n天的違約率是否能夠作為一個新的特徵，來預測未來的違約率？

這個規則已經比較複雜，遲些有時間再試。