拒绝演绎

文章来源：《信用风险评分卡研究$\cdot$基于SAS的开发与实施》。如侵立删！

定义和理由

拒绝演绎仅适用于申请评分卡。
这是由于模型开发使用的数据实际上并不是从申请总体中随机选择的，而仅仅是从过去已经被接受的账户中选择的。因此，将模型结果应用于全部总体隐含着对被拒绝账户的忽视。进而，建立评分卡时将对被拒绝账户的状态进行演绎并将其纳入评分卡开发数据集。
需要关注的是，在信用风险评分领域，并不是所有的研究人员和从业人员都赞同拒绝演绎的价值或有效性。然而，拒绝演绎在信用风险评分领域是常用的。并且可以证明在某些情况下能够获得预测力更强的评分卡。
但是，这个概念仍然是一个争议性话题！！！

拒绝演绎的方法分为：
一. 简单赋值法：

• 忽略被拒绝申请：忽略这批客户，放弃解释他们对评分卡的影响的尝试；
• 赋予所有被拒绝申请的客户以违约状态；
• 比例赋值：随机赋予被拒绝客户正常或违约状态，而不是全部赋予违约状态。然而，要保持正常对违约的比率与审批通过总体的一致。这种方法隐含着一种假设，就是初始的审批系统是随机的，或根本不具备一致性，近似于一个随机选择方案。
  二. 强化法：
• 简单强化：这种方法是用数据中接受部分开发的模型对被拒绝账户进行评分。低粉值得咀嚼账户，低于预先设定的临界值，将被赋予违约状态，而剩余的被拒绝账户则被赋予正常状态。通常，选择的临界值是被拒绝账户的坏账率高于接受账户的坏账率的分值。拒绝账户被赋予状态值后，可以用全部账户开发新的模型并用于最终评分卡。
  简单强化法易于实施，但由于临界值的选择是随意的，最终结果将取决于分析人员的选择。而且，根据接受账户开发的第一个评分卡也要基于一个稳健的模型。行业实践建议，选择的临界值应该使被拒绝账户的坏账率是接受账户的2～5倍。
• 模糊强化：为了弥补简单强化法中演绎值依赖于临界点的缺点，模糊强化法并不直接给拒绝账户赋予正常或者违约的状态值，而是创建加权的正常和违约。拒绝记录中的每个记录都用一个代表加权正常和加权违约的新纪录代替，其中，加权的正常和违约是模型计算出来的正常和违约的概率。新的记录及其相对应的权重被加入接受数据集并用于开发最终模型。
  需要注意的是，为了保守的给已知的拒绝账户赋予正常的状态值，用一个因子来提高违约的权重。进行强化或赋值是在评分变量的基础上。在模糊强化的情况下，使用保持违约概率不变的变量。
• 打包：打包法的基本原理是指定每个分值区间的被拒绝账户的违约数量，从而使被拒绝账户中的违约分布与接收账户中的一样。每个分值区间记录的赋值可以随机进行，也可以使用该分值段的分指数。
  拒绝账户被赋予状态值后，两个数据集被合并开发一个新的模型。然而，由于预期到拒绝账户的违约率较高，低分值段的拒绝账户被赋予比接受账户观察到的更高的违约率。通常，这些较高的违约率要经过几次迭代调整，是最终获得的拒绝账户的总体坏账率是接受账户的2～5倍。
  除了违约账户在不同分值区间的分布遵循第一个评分卡生成的分值情况，上述方法要比比例赋值方法复杂的多。