评分卡模型基础介绍

本文将简单介绍评分卡模型。分为以下四个方面：

1. 什么是评分卡
2. 评分卡样式
3. 评分卡如何形成
4. 评分卡的种类
5. 评分卡模型的开发流程
6. 具体案例以及python代码实践请跳转查看下一篇*****。

1、什么是评分卡

        先分清两个概念：

（1）评分模型：评分模型是通过一个模型直接给出分数。    

 （2）评分卡：评分卡是一个特殊的评分模型，是衡量信用风险的一种方式。根据客户历史数据，计算评分卡打分，从而量化信用风险，决定是否授信、授信额度等。较流行的评分模型有决策树、XGBOOST等。一般是指用于小贷客户质量评分的评分卡表。

        优势：1）提升审批速度，减少人工成本 。         

                   2）审批标准统一、透明，结果容易解读。

        不足：依赖大量数据，存在局限性。

        评分卡模型是一种广泛应用于金融行业的风险控制工具，主要用于评估客户的信用风险。它通过分析客户的各项属性和行为数据，利用统计学方法建立模型，对客户的信用进行评分，从而帮助金融机构决定是否授信以及授信的条件 。

2、评分卡样式

        评分卡最终展示形式如下。其中，评分的数值表示每个特征对应分组的分数，可以理解为分组特征的重要性。这是评分卡具有可解释性体现之一，可直观看到客户拥有的特征属性对应的得分，以及各分组特征对是否申贷、续贷成功的影响程度。

3、评分卡如何形成

评分卡的形成离不开以下步骤：

（1）利用历史客户数据，分析出有效的特征(变量)。一般需结合业务人员的专业经验。

（2）对连续变量进行分组(离散化)，对离散变量进行编码处理（0-1编码/有序编码）。

（3）将处理好的分组变量转为WOE值，满足逻辑回归使用条件之一：线性对数几率。即自变量与对数几率（log-odds）之间应存在线性关系。意味着因变量的对数几率可以被自变量的线性组合所预测。

（3）使用逻辑回归模型（银行信贷方面主要采用的模型）训练并采用ROC曲线、KS值进行模型评估。

（4）确定每个变量的权重和基础阈值， 最后根据阈值、权重确定基础分数和各个分组特征的分数，生成评分卡。

（5）评分卡的性能评估。如果性能满足基本要求，就可在生产环境中上线使用。

（6）模型完成开发后，仍需对模型进行在线监控，一般包含：稳定性监控、单调性监控、性能监控指标三部分。其目的在于判断模型的有效性，通过指标的判断给模型提供更新机制。模型评估指标决定了模型上线使用的生命周期。

4、评分卡的种类

        评分卡模型根据适用场景分为A、B、C、D卡。其中A卡——申请评分卡是最重要的评分卡，因为平台风险管理的主要风险来自申请阶段。

        四种评分卡模型在风控系统中的先后顺序如下图所示。

5、评分卡模型的开发流程

        评分卡模型开发流程如下图所示。

说明：

学习资料：《python金融大数据风控建模实战》