![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
信用评级
文章平均质量分 58
Eva_Z
这个作者很懒,什么都没留下…
展开
-
第五章 信用评分模型的开发流程
目录 一、模型的样本 二、模型的变量一、模型的样本 好的样本是开发模型的首要环节。预测模型的前提是客户的未来行为要与过去相似,所以在选取样本时要考虑样本的代表性,是否能够有效地代表总体。在建立模型的时候不一定要建立在全量样本上,所有涉及到样本的选取: 随机抽样: 随机抽样是在给定样本规模之后从总体中完全随机抽取,每种类型的样本个体是与总体比例一样的。例如,某银行有100万个信用卡账原创 2017-03-25 17:29:38 · 3228 阅读 · 0 评论 -
二、模型的变量
二、模型的变量 信用评分模型的变量主要有两种:表现变量(因变量)和预测变量(自变量)。预测变量是从可观测到的信息中提炼出来的、与表现变量具有较强相关性的、用来预测未来结果的变量。 表现变量的界定: 表现变量是模型所要预测的目标,有些情况下,是容易界定的,例如用户对直邮是反应还是不反应。但是很多时候,是无法直观界定的,需要考虑具体需求。例如,对要预测的目标用户的账户表现认为是坏账,是拖欠原创 2017-03-26 09:27:39 · 2188 阅读 · 0 评论 -
FICO信用评分模型解析
美国的信用评级基本都会参考FICO信用分,FICO是Fair Isaac Company推出针对用户哥哥方面情况的评分,范围从300-850分之间。分数越高说明客户的信用风险越小。 一般情况下,用户的FICO分值高于680,则被认为是是好的,低于620分,则会考虑拒绝,介于620-680之间的用户会被进一步调查。但是一般机构也不会直接用FICO作为判断的唯一风险的唯一依据,还会结合用户的其他行为原创 2017-03-26 15:19:33 · 14547 阅读 · 1 评论 -
三、模型的分组
模型的分组是指将不同类型的用户区分简历模型。分组的依据是可观测到的用户的行为信息和预测信息。 分组的优点是可以根据不同类别信息分别建立模型,提高模型的预测力。 不利之处是,模型的工作量增加,模型建立成本高;分组后样本数量会下降,特别的“坏”账数量会少很多,不足以达到建模数量,反而降低了模型的预测力。原创 2017-03-26 15:37:57 · 1587 阅读 · 0 评论 -
四、模型的制定
一般来说,模型的制定包括几个方面:分析单个变量的预测能力、减少变量的数量、选择适当的模型方法、确定模型的变量组合和权重。 1. 分析单个变量的预测能力 从银行的原始数据库中可以提炼出几百个变量,但是不是所有的预测变量都具有预测能力,同一个变量也不一定在所有的模型中具有同样的预测能力。 通过分析单个变量的预测能力可以找到预测能力强的变量,缩小候选变量的范围。 例如:针对连续性的预原创 2017-03-26 17:32:12 · 827 阅读 · 0 评论