评分卡模型学习2

---

---

WOE和IV计算步骤

• Step1，对于连续型变量，进行分箱（binning），可以选择等频、等距，或者自定义间隔，对于离散型变量，如果分箱太多，则进行分箱合并
• Step2，统计每个分箱里的好人数(bin_goods)和坏人数(bin_bads)
• Step3，分别除以总的好人数(total_goods)和坏人数(total_bads)，得到每个分箱内的边际好人占比margin_good_rate和边际坏人比margin_bad_rate
• Step4，计算每个分箱的WOE
• Step5，检查每个分箱（除null分箱外）里WOE值是否满足单调性，若不满足，返回step1

说明：null分箱由于有明确的业务解释，因此不需要考虑满足单调性

• Step6，计算每个分箱里的IV，最终求和，即得到最终的IV

# 计算WOE 和 IV （公式）
margin_bad_rate = bad/total_bads
margin_good_rate = good/total_goods

WOE=ln(margin_bad_rate/margin_good_rate)
IV=(bad/total_bads - good/total_goods)*WOE

评分卡开发流程

• Step1，数据探索性分析
  • 违约率分析
  • 缺失值分析
• Step2，数据缺失值填充，采用简单规则，如使用中位数进行填充
• Step3，变量分箱

  • 1）对于age字段，分成6段 [-math.inf, 25, 40, 50, 60, 70, math.inf]

  • 2）对于NumberOfDependents（家属人数）字段，分成6段 [-math.inf,2,4,6,8,10,math.inf]

  • 3）对于3种逾期次数，即NumberOfTime30-59DaysPastDueNotWorse，NumberOfTime60-89DaysPastDueNotWorse，NumberOfTimes90DaysLate，分成10段
    [-math.inf,1,2,3,4,5,6,7,8,9,math.inf]

  • 4）对于其余字段，即RevolvingUtilizationOfUnsecuredLines, DebtRatio, MonthlyIncome, NumberOfOpenCreditLinesAndLoans, NumberRealEstateLoansOrLines 分成5段

• Step4，特征筛选
  使用IV值衡量自变量的预测能力，筛选IV值>0.1的特征字段
• Step5，对于筛选出来的特征，计算每个bin的WOE值
• Step6，使用逻辑回归进行建模
  • 训练集、测试集切分
  • 计算LR的准确率
• Step7，评分卡模型转换
  

qcut和cut区别

qcut：传入参数，要将数据分成多少组，即组的个数，具体的组距是由代码计算
cut：传入参数，是分组依据。具体见示例

x = np.array([41, 3, 21, 34, 17, 8])
# 等频分
pd.qcut(x, 3).value_counts()

output：
(2.999, 14.0]     2
(14.0, 25.333]    2
(25.333, 41.0]    2
dtype: int64

# 等距分
pd.cut(x, 3).value_counts()

output:
(2.962, 15.667]     2
(15.667, 28.333]    2
(28.333, 41.0]      2
dtype: int64

特征分箱后的优势

• 连续变量离散化，或者将具有很多状态的离散变量合并成少状态
• 降低模型过拟合风险
• 可以学习到样本的非线性信息

评估指标KS

在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强

计算每个分箱区间累计坏账户占比与累计好账户占比差的绝对值，得到KS曲线
在这些绝对值中取最大值，得到此变量最终的KS值

计算KS的常见方法

step 1. 对变量进行分箱（binning），可以选择等频、等距，或者自定义距离。
step 2. 计算每个分箱区间的好账户数(goods)和坏账户数(bads)。
step 3. 计算每个分箱区间的累计好账户数占总好账户数比率(cum_good_rate)和累计坏账户数占总坏账户数比率(cum_bad_rate)。
step 4. 计算每个分箱区间累计坏账户占比与累计好账户占比差的绝对值，得到KS曲线。
step 5. 在这些绝对值中取最大值，得到此变量最终的KS值。

KS 评估

KS值的取值范围是[0，1]，一般习惯乘以100%。通常来说，KS越大，表明正负样本区分程度越好。但KS不仅仅只是一个数值指标，其背后蕴藏着很多原因，值得我们结合业务去认真分析

风控模型—区分度评估指标(KS)深入理解应用