评分卡模型的种类及流程——数据准备、WOE分箱以及模型评估

评分卡的种类——ABC卡

• A卡（Application score card）申请评分卡，贷前，一般可做贷款0-1年的信用分析

• B卡（Behavior score card）行为评分卡， 贷中，在申请人有了一定行为后，有了较大数据进行的分析，一般为3-5年

• C卡（Collection score card）催收评分卡，贷后，需加入催收后客户反应等属性数据

FICO信用分

1、FICO信用分简介

FICO信用分是最常用的一种普通信用分。由于美国三大信用局都使用FICO信用分，每一份信用报告上都附有FICO信用分，以致FICO信用分成为信用分的代名词。该分数是一个[300,850]区间的分数段。
信用评分达到680分以上，贷款方就可以认为借款人的信用卓著，可以毫不迟疑地同意发放款；信用评分低于620分，贷款方或者要求借款人增加担保，或者干脆寻找各种理由拒绝贷款；如果借款人的信用评分介于620-680分之间，贷款方就要作进一步的调查核实，采用其它的信用分析工具，作个案处理。

2、FICO信用分的评判因素

部分评判标准和影响因素（变量）：

（1）信用偿还历史（占总影响因素的35%）：
各种信用账户的还款记录（信用卡、零售账户 、分期偿还贷款、金融公司账户、抵押贷款）、公开记录及支票存款记录（破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决）、逾期偿还的具体情况（逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等）

（2）信用账户数（占总影响因素的30%）：
分析对于一个客户, 究竟多少个信用账户是足够多的, 从而能够准确反应出客户的还款能力

（3）信用账龄（占总因素的15%）：
该用户信用历史越长，FICO信用分越高。该项因素主要指信用账户的账龄,也包括新开立的信用账户的账龄, 以及平均信用账户账龄。

（4）新开立的账户（占总因素的10%）：
在很短时间内开立多个信用账户的客户具有更高的信用风险, 尤其是那些信用历史不长的人。该类因素包括：新开立的信用账户数、新开立的信用账户账龄、目前的信用申请数量。

（5）在使用的信用类型（占总因素的10%）：
主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况, 具体包括: 持有的信用账户类型和每种类型的信用账户数。

数据准备

1、需要排除异常行为

销户、按条例拒绝、特殊账户（卡丢失、死亡、未成年、出国、员工账户、VIP账户）；

2、解释指标的选择

（1）申请评分所需指标：参考上述FICO信用分的 评判标准
（2）行为评分所需指标：

3、目标变量的确立

目标变量为坏客户/好客户
坏客户：观察窗口内，逾期60/90/120天的用户

因此在此之前还需要确定观察窗口和违约时间的长短。

变量分箱——WOE转换

WOE为优势比，将各个连续变量细分为若干组后，每组的WOE为：
$$WOE=ln\frac{该组好客户占比}{该组坏客户占比}\ast 100\%$$
*注意：”该组好客户占比“指的是该组好用户数/所有的好用户数

1、如果计算得到的WOE与违约概率具有某种线性关系，或者WOE与目标变量之间的有U型或者倒U型的非线性关系，说明该种分组方式合理，否则需要调整分组方式，如果无论怎么分组均无法达到上述两种情况，说明该变量对目标变量的解释性较弱。

2、模型拟合出来的自变量系数应该都是正数，如果结果中出现了负数，应当考虑是否是来自自变量多重共线性的影响——可以计算各个变量的VIF值，删去那些具有明显多重共线性的变量。

3、WOE编码之后，自变量其实具备了某种标准化的性质，也就是说，自变量内部的各个取值之间都可以直接进行比较（WOE之间的比较），而不同自变量之间的各种取值也可以通过WOE进行直接的比较。

4、如果遇到分箱后某组的坏客户数量为0，则需要合并分箱，保证每个分箱中必须同时包含好用户和坏用户

此外，IV值(information value)衡量的是某一个变量的信息量，可用来表示一个变量的预测能力。公式如下(假设该变量经过变量分箱后被分为m组)：
$$IV=\sum _{i=1}^m(好用户占比-坏用户占比)\ast WO{E}_i$$
不同IV值表示的变量的预测能力大小如下表：

举个例子：

此例中IV值较小，预测能力低，建议重新调整分箱。

评分的计算与分值分配

首先定义$$odds=\frac{好客户占比}{坏客户占比}=\frac{p}{1-p}$$
总分 $$scor{e}_{总}=a+b\ast ln(odds)$$
接下来需要求解a，b的值，假设当odds=${\theta }_0$时，得分为$p_0$，假设刻度为${\delta }_p$，那么当odds=$2{\theta }_0$时，得分应为$p_0$+${\delta }_p$，由此可以列出下式：
$$p_0=a+b\ast ln({\theta }_0)$$
$$p_0+{\delta }_p=a+b\ast ln(2{\theta }_0)$$
其中，$p_0$和${\delta }_p$可以人为设定，联立上面两式求得a，b的值，带入score公式，得到不同${\theta }_0$下的评分卡的分值——此处的${\theta }_0$就是odds，也就是逻辑回归模型预测得到的结果$p$。至此，各个样本的计算结果已经得到。

模型的评价——模型区分度

1、KS值

KS的计算步骤如下：

1. 计算每个评分区间的好坏用户数。
2. 计算每个评分区间的累计好用户数占总好用户数比率(good%)和累计坏账户数占总坏账户数比率(bad%)。
3. 计算每个评分区间累计坏账户占比与累计好账户占比差的绝对值（累计good%-累计bad%），然后对这些绝对值取最大值即得此评分卡的K-S值。
   
   KS用于模型风险区分能力进行评估，好坏样本累计差异越大，KS指标越大，那么模型的风险区分能力越强。

2、GINI指数

GINI系数的计算步骤如下：

1. 计算每个评分区间的好坏账户数。
2. 计算每个评分区间的累计好账户数占总好账户数比率（累计good%）和累计坏账户数占总坏账户数比率(累计bad%)。
3. 按照累计好账户占比和累计坏账户占比得出下图所示曲线ADC。
4. 计算出图中阴影部分面积，阴影面积占直角三角形ABC面积的百分比，即为GINI系数。
   

【注】本文引用了以下文章：
https://blog.csdn.net/sinat_26917383/article/details/51721107
https://blog.csdn.net/sscc_learning/article/details/78591210
https://blog.csdn.net/u013421629/article/details/78217498