评分卡模型流程:
(1)变量清洗和处理
(2)变量衍生
(3)建模预测
评分卡模型整体逻辑:
(1)首先,正式进入模型阶段是在变量清洗和变量衍生后,此时建模需要知道哪些变量是连续型变量,哪些变量是离散型变量,以便对变量进行处理(因为变量性质不同,面临不同的操作);
(2)对于连续型变量可以直接进行分箱操作,基于前一篇文章的ChiMerge函数,最后分箱后的条件要满足三点,也就是每箱都要有好坏样本,最后分箱数量不得超过预设的最大分箱数,每箱的占比要不小于给定的阈值,且要注意的是,最后分箱的结果其坏样本率要满足单调性。对于每个连续型变量,我们都要生成对应的新列,以标注每个样本属于哪个分组,后期用来计算WOE值和IV值。
(3)对于离散型变量,我们首先要看离散变量的取值是否超过预设的最大分箱数,如果大于预设地最小分箱数,则要进行Baterate编码,即将每个样本的原始值与分组后对应的该组的坏样本率进行映射,形成一列由坏样本率组成的新列,然后在此基础上,利用连续型变量的分箱方式即可;对于小于等于预设分箱数的离散型变量,看看分组后是否每组都包含好坏样本,如果某个每组没有好样本或者没有坏样本,则要进行组间合并,直到满足条件,然后生成对应的表示分组编号的新列。
(4)基于上述所有变量的表示分组编号的新列,计算每个变量各个箱体的WOE值和每个变量的IV值,从而实现对入模变量的初筛
(5)更进一步,我们将基于初筛后的变量进行相关性检验。为了计算两两变量之间的相关性,我们要将表示分组编号的变量与该分组下的WOE值进行映射,从而形成由各箱的WOE值组成的新列,基于WOE值表示的变量,我们再计算两两之间的变量的相关性,如果变量相关性大于给定的阈值,则保留其中IV值较大的那个变量。
(6)上述步骤完成后,我们将进行多变量分析,通过方差膨胀检验来过滤掉共线性严重的变量,最终确定入模变量。
(7)建模。将最终确定的变量放入模型中进行训练,可以看到模型的效果,(这里要求所有变量的系数显著,且符号为负),如果有不显著的变量存在,我们要通过逐步回归的方式建模(每次只剔除最不显著的变量),直到剩余的变量均显著,选择其对应的模型最为最终的保留结果即可。
最后强调一点的是,一定要弄懂评分卡的建模原理和建模的流程和思路,这样才能以不变应万变~