评分卡模型

一、评分卡模型介绍

• 评分卡模型是常用的金融风控手段之一

• 风控，就是风险控制，我们采取各种措施和方法，减少风险发生的可能性，或风险发生时造成的损失

• 根据客户的各种属性和行为数据，利用信用评分模型，对客户的信用进行评分，从而决定是否给予授信，授信的额度和利率，减少在金融交易中存在的交易风险
• 按照不同的业务阶段，可以划分为三种：
  • 贷前：申请评分卡（Application score card），称为A卡

  • 贷中：行为评分卡（Behavior score card），称为B卡

  • 贷后：催收评分卡（Collection score card），称为C卡

二、评分卡模型执行步骤

• Step1，数据获取，包括获取存量客户及潜在客户的数据存量客户，已开展融资业务的客户，包括个人客户和机构客户；潜在客户，将要开展业务的客户
• Step2，EDA，获取样本整体情况，进行直方图、箱形图可视化
• Step3，数据预处理，包括数据清洗、缺失值处理、异常值处理
• Step4，变量筛选，通过统计学的方法，筛选出对违约状态影响最显著的指标。主要有单变量特征选择和基于机器学习的方法
• Step5，模型开发，包括变量分段、变量的WOE（证据权重）变换和逻辑回归估算三个部分
• Step6，模型评估，评估模型的区分能力、预测能力、稳定性，并形成模型评估报告，得出模型是否可以使用的结论
• Step7，生成评分卡（信用评分），根据逻辑回归的系数和WOE等确定信用评分的方法，将Logistic模型转换为标准评分的形式
• Step8，建立评分系统（布置上线），根据生成的评分卡，建立自动信用评分系统

三、WOE编码

WOE编码：

• Weight of Evidence，证据权重
• 是自变量的一种编码，常用于特征变换用来衡量自变量与因变量的相关性

B代表风险客户，G代表正常客户

对于某一变量某一分组的WOE，衡量了这组里面的好坏客户的占比与整体样本好坏样本占比的差异

 

WOE计算：

• 对于连续型变量，分成N个bins
• 对于分类型变量保持类别group不变
• 计算每个bin or group中event和non-event的百分比
• 

WOE的作用：

• 可以将连续型变量转化为woe的分类变量
• 可以对相似的bin或group进行合并（woe相似）
• 每个bin or group记录不能过少，至少有5%的记录
• 不要用过多的bin or group，会导致不稳定性

四、odds Ratio(RO)

• Odds，指胜率（优势），即事件发生与不发生的比例，即
• 假设事件为客户逾期，即Y=1。那么 Age=Age1时的Odds为
• Odds Ratio为两个Odds的比值，比如Age1和Age2之间的Odds Ration(OR)
• 

OR在Logistic回归中的意义：

• Odds与 Odds Ratio（OR）在Logistic中很重要，因为和可解释性相关
• 在Logistic回归中
• 

Thinking：Odss Ration(OR)的物理含义=?

当Xi增加1时，odds会变为原来的      倍