风控模型-评分卡模型优化(4)

评分卡模型优化

评分卡模型上线后，随着业务和时间的变化，模型性能可能逐渐下降甚至失效。需要在触发条件后进行模型优化，在模型优化完成后，还要评估优化后对现有决策体系的影响，可能还要对现有阈值进行改变。

模型优化触发

通常在满足一定条件后需要对评分卡模型进行优化。其中包括一些原因：

1. 新业务场景上线，且新的产品客群与之前的样本不同。
2. 信贷政策等发生变化。
3. 内部数据变化，比如重要特征出现了逻辑、数值上的变化
4. 指标下降，比如PSI、KS等指标不再符合要求。

模型指标下降原因

当模型指标下降时，需要对下降原因进行分析。

1. 样本分布有差异，例如新的样本的特征与历史训练数据的样本差异过大。
2. 样本风险变化，比如大量样本的风险上升或者下降。
3. 过拟合，比如新的OOT数据相比模型验证时的OOT指标有显著差异。