IV值小结

0 引言

在金融场景中，IV值是一个经常用来衡量特征强弱的指标。IV值如果比较大，说明该特征的区分度比较强，如果IV值比较小则说明特征的区分度比较弱。正因为有该性质，所以IV值经常用来进行特征选择。

1.WOE

在介绍IV值之前，需要先介绍一下WOE
WOE, Weight Of Evidence，直译过来就是证据权重。WOE是对原始变量的一种编码方式。计算的具体步骤主要包括两步
1.对变量分组，一般的方式为分箱或者离散化处理。比如常见的分箱方法有等频分箱，等高分箱等。
2.分箱以后，对于第i组，计算该组的woe(i)值。
$$wo{e}_i=ln(\frac{p_{yi}}{p_{ni}})=ln(\frac{y_i/y_s}{n_i/n_s})$$
其中，$y_i$表示分组中的响应用户，$y_s$表示总响应用户。$n_i$表示分组中的未响应用户，$n_s$表示总未响应用户。

2.IV值计算

IV衡量的是某一个变量的信息量。 对于分组i的IV值，具体的计算公式如下
$$\begin{array}{rl}I{V}_i& =(p_{yi}-p_{ni})\ast wo{e}_i\\ & =(p_{yi}-p_{ni})\ast ln(\frac{p_{yi}}{p_{ni}})\\ & =(y_i/y_s-n_i/n_s)\ast ln(\frac{y_i/y_s}{n_i/n_s})\end{array}$$

那么整个变量的IV值为
$$IV=\sum _i^{n}I{V}_i$$

3.为什么使用IV值而不是WOE

WOE 和 IV 都能表达某个分组对目标变量的预测能力。那为什么我们实际使用的都是IV而不是WOE呢？
1.WOE有可能是负值，而IV值永远为正，实际场景中我们不太可能使用一个可能为负值的指标。
2.$p_{yi}-p_{ni}$这个数值，体现了当前分组样本在整体中的占比，相当于给当前样本的区分能力乘以了一个权重。这个权重越大，对应的区分度也就越高，对整体的贡献也就越突出。

4.需要注意的几个点

1.IV值并不是越大越好。IV过大，很可能是分箱不当所引起的，这个时候需要对数据进行重新分箱操作。
2.如果按照原始的公式进行计算，分箱操作时，某个组的数据不能为0，否则做除法运算时会触发异常。
3.实际项目操作过程中，一般选择0.2作为阈值。如果某个特征的IV值小于0.2，说明区分度不太够，该特征不予采用。