《Credit Risk Scorecard》 第六章: Scorecard Development

范涛

发表于2017-03-31

第六章：Scorecard Development Process, Stage 4: Scorecard Development

开发流程： 对于申请评分卡（A 卡）来说，下面是整个开发流程。对于行为评分卡（B卡）来说，除了没有拒绝推断外，基本是一样的。

Explore Data ： 数据收集和处理相关的。之前章节已经提到过

Missing Values and Outliers： 主要对缺省值和异常值处理，这里涉及方法比较多，0值填充，均值填充，中值填充，按分位点过滤异常值等。

Correlation：变量之间相关性，多重共线性。变量相关性常见的分析方法通过变量聚类（varclus），对变量进行分组，对每个分组的变量选取少数代表性高的变量，可以通过iv值来选或者根据业务逻辑选择等。多重共线性其实不是十分关注，增加样本量就会降低多重共线性可能，或者通过正则化进行处理。

Initial Characteristic Analysis

一般采用woe （weight of evidence)， IV (informance value)去进行统计分析。woe去统计特征各个属性预测强度，IV去计算特征的重要性。

woe公式如下：

IV 值如下：

关于age的分组属性的分析如下，包括了woe和iv值

趋势分析 （分组变量各个属性的woe分布曲线）：

一般要求woe分布呈线性序，如果出现非线性序，需要考虑一些业务因素看是否合理。

Preliminary Scorecard

         上面提到了样本处理，特征分析，下面提到模型学习，包括特征选择。

          特征选择常用的方法： 前向选择（forward selection），后向消除（backward elimination），前后向算法（stepwise）

Reject Inference

          

        Reasons for Reject Inference

         为何要做拒绝推断？  因为那些被拒绝的的账户样本，也有可能有好的样本以及坏的样本。如果我们只拿申请通过的样本做评分卡模型，那将会产生sample bias，不能很好的应用于整个申请人群。同时，拒绝推断也了为了方便评分卡模型覆盖之前决策影响。比如10000个申请样本中，有1000个是有严重不良行为的，如果拒绝了这1000个样本中940个，接受了60个，最后这60个样本最后大多数都是好样本的话。如果我不采用拒绝推断技术，只采用已知的好坏样本建立模型，你就会发现一种现象：有严重不良行为的反而是好的信用评分。拒绝推断技术可以中和这种影响。