基于评分卡的风控模型开发

Project：基于评分卡的风控模型开发

一、基本信息

– 基本属性：包括了借款人当时的年龄

– 偿债能力：包括了借款人的月收入、负债比率

– 信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90天或高于90天逾期的次数

– 财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。

– 其他因素：包括了借款人的家属数量

– 时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年

二、开发流程

Step1，数据探索性分析 违约率分析 缺失值分析 对于某个字段的统计分析（比如RevolvingUtilizationOfUnsecuredLines）

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 设p为客户违约的概率，那么正常的概率为1-p 客户违约概率p可以表示

评分卡的分值计算，可以通过 分值表示为比率对数的 线性表达式来定义，即 Score计算公式类似 y=kx + b ，A和B是常数，A称为“补偿”，B称为“刻度”，公式中的负号可以使得违约概率越低，得分越高

三、评估指标KS

评估指标KS（ Kolmogorov-Smirnov ）：

由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出

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

KS统计量是好坏距离或区分度的上限

KS越大，表明正负样本区分程度越好

四、WOE编码

特征离散化，是将数值型特征（一般是连续型的）转变为离散特征，比如woe转化，将特征进行分箱，再将每个分箱映射到woe值上，即转换为离散特征

采用woe编码的好处：

1）简化模型，使模型变得更稳定，降低了过拟合的风险

2）对异常数据有很强的鲁棒性，实际工作中的那些很难解释的异常数据一般不会做删除处理，如果特征不做离散化，这个异常数据带入模型，会给模型带来很大的干扰