金融风控指标:WOE, IV, KS，LIFT值和PSI

1.WOE ：表示自变量在分组内取值对于目标变量（违约概率）的影响

• WOE 的计算公式是：

• WOE= ln [( 坏样本 / 总坏样本 )/( 好样本 / 总好样本 )]= ln [( 坏样本 / 好样本 )/( 总坏样本 / 总好样本 )]

 

Pyi：是这个组中响应客户（坏样本）占所有样本中所有响应客户的比例

Pni：是这个组中未响应客户（好样本）占样本中所有未响应客户的比例

#yi：是这个组中响应客户的数量

#ni：是这个组中未响应客户的数量

#yT：是样本中所有响应客户(总的坏样本)的数量

#nT：是样本中所有未响应客户（总的好样本）的数

 

2.IV其作用是消除分组所占比例的影响 ，计算公式：

 

 

 

3.KS:

用以评估模型对好、坏客户的判别区分能力，计算累计坏客户与累计好客户百分比的最大差距。
KS值：代表模型的分割样本的能力，不能表示分割的是否准确，即便好坏客户完全分错，K-S值依然可以很高，

通常来讲，KS>0.2即表示模型有较好的预测准确性

KS的计算步骤如下：

• 1. 计算每个评分区间的好坏账户数。

• 2. 计算每个评分区间的累计好账户数占总好账户数比率 (good%) 和累计坏账户数占总坏账户数比率 (bad%) 。

• 3. 计算每个评分区间累计坏账户占比与累计好账户占比差的绝对值（累计 good%- 累计 bad% ），然后对这些绝对值取最大值即得此评分卡的 K-S 值。

4.lift值

Lift曲线衡量的是：与不利用模型相比，模型的预测能力“变好”了多少，lift(提升指数)越大，模型的运行效果越好。实质上它强调的是投入与产出比

先介绍几个相关的指标，以免混淆：

• 准确率（accuracy，ACC）：
• 

 

• 正确率(Precision，PRE)，查准率：
• 

 

• 真阳性率(True Positive Rate，TPR)，灵敏度(Sensitivity)，召回率(Recall)：
• 

 

• 假阳性率(False Positice Rate，FPR)，误诊率( = 1 - 特异度)：
• 

 

 

5.PSI:群体稳定性指标（popularity stability index），用于衡量模型或特征的稳定性

psi = sum(（实际占比-预期占比）* ln(实际占比/预期占比))

<0.1：          稳定性很高，

[0.1，0.25]：稳定性一般，

>0.25：        模型稳定性差，建议重做