违约预测模型后续工作

一、 从概率到分数

1、评分卡分数计算

逻辑回归模型得到两个信息，一是哪些特征是比较重要的，二是每个客户是否会违约的一个概率。至此模型并不是直接就能用了。实际我们不会直接用这个概率，而是将其映射到一些分数段当中。

（1）计算公式：

上述p：指违约概率：p越大，p/(1-p)越大，y越大，Base Point减去一个大的数，那score就会越小。就是说，违约概率p越大，最后的分数score越小，这个和实际逻辑也是相通的。

·Base Point：基准分，没有实际意义
·PDO：points to double odds：好坏比每升高一倍，评分增加一个PDO单位
好坏比：好样本/坏样本=(总样本-坏样本)/坏样本=总样本/坏样本-1=1/(坏样本/总样本)-1=1/p-1
这句话的证明过程如下：

分数一般是个整数，小数是没有意义的。

2、评分卡分数分级

在评分模型中，得到分数后需要对分数进行分级操作，将人群划分到有限的几个组别中。

划分方法：
将分数视为连续变量，采用监督式方法，例如best-KS或者ChiMerge进行有序划分，且一般划分为10组。

将最后计算得到的评分进行分层，持续跟踪表现期，每一层的实际违约率：

例如：2018年4月28号这一批人群，到2019年4月8号，有了完整的一年观察期。将2018年4月28号的100人分为5组，共有10人触发了坏样本定义的窗口，发生了逾期。实际违约率就是10%。

通常一组样本中，申请者申请的日期不会超过半年，就是说这一组样本中，最早申请的日期和最晚申请的日期跨度不超过半年。有个问题：

另外同时获取过去较长时间内（比如5~10年）的长期实际违约率（long run PD），以此为基准，得到校准率：

实际群体的违约率是有一个经济周期现象的，如果我拿到一个长期的违约率比短期违约率还低，那这个系数scaling我会选择1，如果长期违约率比这个短期违约率高，那选在后者。也就是说，在风控行业，我会选择将实际情况往坏处想，就是事先将情况想得严重一些。

预期违约率：

不同组别中中，分数越高，逾期率月底，同一分数组中，逾期违约率高于实际逾期率。

二、模型的验证与监控

1、模型验证

评分卡模型训练完之后，需要在验证集上进行验证（模型验证实际上是模型开发的一个环节）。

通常，需要选择跟训练样本所在的日期不同的日期的申请样本做为验证集，称为OOT(out of date test)。这是为了验证模型在时间上的效力跟稳定性。
举例说明OOT：

但是&#x