项目背景与目标：针对欺诈样本不平衡、随机切分易产生时间穿越且模型分数难以直接转化为业务动作的问题，在5万笔可复现仿真交易上搭建LightGBM＋规则决策引擎。
• 项目内容：按时间划分训练、概率校准、策略验证及OOT测试集，构建1h/24h交易频次等point-in-time特征，融合5类可审计规则，并在欺诈损失、误拒成本及8%人工审核容量约束下搜索放行、审核与拒绝阈值。
• 项目成果：OOT取得PR-AUC 0.161、ROC-AUC 0.735；验证集正常交易干预率≤5%时，OOT欺诈召回29.22%；最终Review Rate为7.24%，模拟损失较全部放行下降43.66%（节约13,464美元），规则融合相较单模型进一步降低成本2.44%。