如果是乙方公司,好坏样本的来源可能不同,或者甲方爸爸并没有全量反馈样本表现,那么自然样本中的好坏比无法反映真实的情况。一般情况下给到的坏样本比例会高于真实比例。这时候做完模型后,要进行概率校准。
下面举一个例子,某评分卡模型建模样本各分数段的好坏分布如下:
而我们抽样前or根据经验,实际上该产品的违约率只有2%左右,那么这个坏样本占比会比产品上线后实际落在该分数段的坏样本占比要高得多。要还原真实的情况,需要进行如下校准:
如何计算呢?
固定坏样本数量1000个,那么根据2%的实际分布,好样本实际上有49000个,而建模时好样本仅有9000个,可以认定采样倍数为49000/9000。若好样本都是随机抽取的,那么建模的9000个好样本的分数分布可以近似为整体49000个好样本的分布。那么第一箱的实际好样本数量为49000/9000*350=1906,bad_rate=80/( 1906+ 80)=4.03%,其他箱的计算方式类似。
原文计算方式在原来评分卡模型的概率是这么校准的!,本特殊方法与原文计算得到的结果一致。