《Credit Risk Scorecard》第四章：Data Review and Project Parameters

范涛

发表于2017-03-31

第四章：Scorecard Development Process, Stage 2: Data Review and Project Parameters

一： data avaliablity and quality

数据获取，数量和质量，可靠和干净的数据是需要的。

数据数量需要满足多样性，统计显著和随机。

具体数量大小，目前不是关键，依赖坏样本定义。

对于申请评分卡（application scorecard），俗称A卡，需要包含拒绝的样本。通过拒绝推断（reject inference）技术去推断拒绝样本中好样本和坏样本。

数据源的获取：内部数据和外部数据， 高质量内部数据需要处理，外部数据需要评估，量化和定义。重要一点是，个人建议： 数据源稳定性要监控，模型开发要考虑到源数据延时和缺失的情况。

二： Data Gathering for Definition of Project Parameters

 对于申请评分卡来说，需要收集之前2到5年的样本数据，或者大量足够的样本。相关字段（包括但不局限）：

 （1）身份id； （2）申请日期； （3）账号拖欠和索赔历史数据； （4）接受/拒绝 标记； （5）产品/通道，或者其他标识符； （6）当前账号状态（e.g., 不活跃，关闭，丢失，被盗，欺诈等）

对于行为评分卡（behavior scorecard）来说，俗称B卡，账户选择是在一个时间点上，对他们的行为分析，通常以6到12个月为周期。

三:  Definition of Project Parameters

3.1  Exclusions

     评分卡模型有时候需要过滤掉一些特定账号样本。开发涉及的账号样本是应该是应用到潜在用户，日常贷款针对的人群。对一些异常表现群体，如欺诈群体。还有员工，vip，国外，盗卡，未成年这些群体，是不能加入开发模型，需要采用一些特殊规则进行处理。

对于一些金融公司如果之前客户涉及比较多，比如一家汽车贷款公司，之前贷款业务包括个人汽车业务，驾驶技术业务等，如果现在业务聚焦到个人汽车贷款业务，那他评分卡开发涉及的样本则需要改变，只能包含个人汽车贷款用户样本。

     对于exclusion的另外一个理解，这些exclusions可以看成一种sample bias 案例。比如你开发评分卡模型只针对城市人口，那你开发样本中则不能包含任何非城市人口。总体来说，如果一个群体或者申请类型，在未来应用上是不会被评分的，那这些样本是不应该加入模型开发中的。

3.2  Performance and Sample Windows and “Bad” Definition （ 表现窗口，样本窗