信用评分模型详解（下）之 信用评分系统搭建

信用评分问题中一般使用逻辑回归作为主要的模型。过程主要包括变量分箱、变量的WOE（证据权重）变换和变量选择（IV值）、逻辑回归估算。

一个完整的评分卡流程主要包括以下几个步骤：

1. 数据准备
2. 数据探索性分析
3. 数据预处理，包括缺失值、异常值、数据切分
4. 特征分箱：
5. 特征筛选：IV值
6. 单变量分析(IV)和多变量分析(两两相关性）
7. 模型训练
8. 评分卡构建
9. 评分预测
   

1. 数据准备

数据源主要包含行内行外两部分：行内的有客户的基础人口统计特征数据、交易历史数据、信用历史数据等；
外部数据有人行征信数据、第三方征信机构数据及社交行为数据等。

2. 数据探索

• 对获得的原始数据进行进一步的探索，观察样本的总体分布情况，正负样本是否均衡？
• 单变量分布是否满足正态分布？ 变量的缺失情况？ 是否有异常值？
• 变量间的共线性情况如何？评分卡模型主要是使用逻辑回归算法进行建模，要求变量间共线性尽可能低。可以采用热力图观察变量间共线性、变量规模。
• 确定数据集分割方法，划分训练集和测试集？ --确定坏用户的标准？比如：逾期多久算违约

3. 数据预处理

一般包括缺失值处理，异常值处理，特征共线性

4. 评分卡最优分箱

评分卡最优分箱的具体操作参见上篇博文。分箱结束后，需要对分箱后的变量进行WOE编码。计算公式如下：
$$WO{E}_i=ln(\frac{b_i}{b}/\frac{g}{g}$$