python稳健性检验_风控模型6大核心指标（附代码）

欢迎各位同学学习python金融风控评分卡模型和数据分析微专业课

在我们开发完信用分模型后，经常需要计算如下的一些指标：●      区分度的指标：○      AUC○      KS○      GINI●      稳定性的指标：○      PSI●      分数分布：○      总人数比例○      坏用户比例接下来，本文从如下5个模块为读者朋友们介绍如何利用Python实现这些指标数据。目录

Part 1. 生成样本

Part 2. 计算AUC、KS、GINI

Part 3. PSI

Part 4. 分数分布

Part 5. 完整工程代码

致谢

01.生成样本

首先，本文用以示例，故使用代码创造的一些假样本。

import numpy as np

import pandas as pd

n_sample = 1000

df_score = pd.DataFrame({

'user_id': [u for u in range(n_sample)],

'label':np.random.randint(2, size=n_sample),

'score': 900*np.random.random(size=n_sample),

'term': 20201+np.random.randint(5, size=n_sample)

})

然后我们统计下分term的总人数，坏人数和坏人比例：

df_score.groupby('term').agg(total=('label', 'count'),

bad=('label', 'sum'),

bad_rate=('label', 'mean'))

02

区分度指标

计算区分度指标KS、AUC、GINI的helper function如下：

from sklearn.metrics import roc_auc_score, roc_curve

def get_auc(ytrue, yprob):

auc = roc_auc_score(ytrue, yprob)

if auc < 0.5:

auc = 1 - auc

return auc

def get_ks(ytrue, yprob):

fpr, tpr, thr =