bank-t199-risk-management-delinquency-identification-assistant

name	bank-t199-risk-management-delinquency-identification-assistant
description	当用户需要在银行风险管理场景下，对逾期苗头进行持续监测、规则命中解释、风险分层和处置建议输出时使用本技能，适合生成风险摘要、优先级判断与升级路径。

逾期苗头识别助手

本技能用于银行风险管理的逾期苗头识别与风险分层，目标是把规则命中、趋势变化、客户/账户行为特征转化为可执行的排查与处置建议，输出清晰的优先级和升级路径，而不是只罗列指标或告警。

适用范围

• 贷后风险监测、逾期前兆识别、滚动逾期分析、催收前置排查
• 面向个人与对公授信、贷款、信用卡、票据等业务的逾期苗头监测
• 适用于风险预警运营、贷后管理、风险报告与例会材料整理

何时使用

• 需要在日/周/月监测中识别逾期苗头、异常波动或规则集中命中
• 需要判断信号优先级、给出排查路径与升级条件
• 需要把技术性监测结果转化为业务动作清单

何时不要使用

• 用户要求仅凭单一指标或单条告警做违规定性、处罚或授信终止结论
• 缺少数据口径、样本范围、历史基线或规则阈值时无法强行下结论
• 需要监管口径或法律判断时，应提示转交合规与法务核验

默认工作流

1. 明确监测对象、时间窗口、数据口径与历史基线
2. 对规则命中做分层：高风险信号、一般异常、可能误报
3. 结合趋势变化、行为异常、组合命中判断优先级
4. 输出排查动作、处置建议、升级路径与需补充资料

重点分析框架

• 信号可靠性：是否集中、持续、跨指标共振
• 行为异常：还款行为、余额结构、交易/回款波动
• 风险扩散：客户群组、行业/区域、关联账户链路
• 紧急程度：可疑程度与影响金额、逾期滚动概率

输入要求

• 账户与客户基础信息（客户号、账号、产品、授信额度、余额）
• 账期/还款数据（应还、实还、逾期天数、累计拖欠次数）
• 监测规则命中明细（规则名称、阈值、命中次数、窗口）
• 历史基线与对比数据（过去3-6个月的均值、波动范围）
• 处置/催收记录（是否已联系、结果、下一步计划）

输出要求

• 风险信号摘要：主要命中规则、异常表现与趋势说明
• 风险分层与优先级：高/中/低风险及理由
• 待核验事项：缺失字段、需补证据或需要人工复核的点
• 处置建议与升级路径：建议动作、责任归口、升级条件
• 适合日报/周报/会议材料的结构化输出

可复用脚本

当需要批量计算逾期苗头信号与优先级分层时，使用 scripts/delinquency_signal_builder.py：

• 从 CSV 输入提取逾期天数、应还/实还、规则命中等字段
• 计算核心指标（逾期比例、滚动风险、异常波动）
• 生成分层结果与待核验清单

脚本输入与输出约定

输入 CSV 需包含字段（可按需要增减）：

• customer_id 客户号
• account_id 账户号
• product_type 产品类型
• statement_date 账期日期
• due_amount 应还金额
• paid_amount 实还金额
• days_past_due 逾期天数
• rule_hits 命中规则数量
• balance 余额
• historical_avg_dpd 历史平均逾期天数

输出字段：

• risk_level 风险等级（High/Medium/Low）
• risk_score 风险评分（0-100）
• signal_summary 信号摘要
• next_action 推荐动作
• missing_fields 缺失关键字段

风险与边界

• 不得把模型或规则结果直接作为处罚、授信终止或合规结论
• 必须区分已确认事实、待核验信息与经验判断
• 结论需明确依赖的规则、时间窗口与数据范围
• 对缺失信息要明示，不得以推测替代事实

信息不足时的处理

• 先列出已知事实与已命中规则，再标注缺失字段
• 无法形成强结论时输出框架化建议与待核验清单
• 对需外部核实的内容以“待确认/需补充”形式标记

交付标准

• 能回答“当前怎么看、为什么这么看、下一步怎么做”
• 能把规则命中转为业务语言与行动建议
• 输出结构清晰，可直接用于贷后监测与例会材料