评分卡模型的种类及流程——数据准备、WOE分箱以及模型评估

本文深入解析信用评分卡的种类,包括申请评分卡(A卡)、行为评分卡(B卡)和催收评分卡(C卡),并详细介绍了FICO信用分的计算方法及其评判因素。同时,文章还讲解了数据准备、变量分箱、评分计算与分值分配以及模型评价等关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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:
在这里插入图片描述

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:
W O E = l n 该 组 好 客 户 占 比 该 组 坏 客 户 占 比 ∗ 100 % WOE = ln \frac{该组好客户占比}{该组坏客户占比}*100\% WOE=ln100%
*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):
I V = ∑ i = 1 m ( 好 用 户 占 比 − 坏 用 户 占 比 ) ∗ W O E i IV = \sum^{m}_{i = 1}(好用户占比-坏用户占比)*WOE_{i}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值