本文将简单介绍评分卡模型。分为以下四个方面:
- 什么是评分卡
- 评分卡样式
- 评分卡如何形成
- 评分卡的种类
- 评分卡模型的开发流程
- 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》