woe分析_贷后催收能力意愿和敏感性分析思路

业务背景

在上一篇文章贷后催收评分卡构建思路中已经介绍了催收评分卡模型的构建思路，完成模型只是风控工作的第一步，怎么用模型以及如何把模型用好则是风控建模同学需要重点考虑的方向。本文主要介绍催收模型完成后需要进行的分析工作，主要包括模型效果分析、还款能力意愿分析和催收敏感性分析。

目录
Part 1. 模型效果分析
Part 2. 还款能力意愿分析
Part 3. 敏感性分析
Part 4. 总结
版权声明
参考资料

Part 1. 模型效果分析

1. 分数校准

在完成催收模型后，如果是分群建模的，我们首先需要校验各个群体的分数是否校准到同一尺度上了（如果分数没有校准到同一尺度上，那么需要对每个群体指定单独的策略，费时费力）。

对于使用LR评分卡建模的客群，一般只要保证训练初始参数相同，那么不同群体的分数一般是在同一尺度上的。对于使用机器学习模型建模的客群，一般需要进行LR校准，使各个群体的分数保持在同一尺度上。这里肯定会有疑问，如何校验不同群体的分数是否在同一尺度上呢？我们可以按下面的步骤进行：

1. 通过对整体样本分数做等频分箱，得到分箱阈值。
2. 对每个群体按步骤1的分箱阈值进行分箱
3. 计算整体样本以及各个群体样本每个分箱内的平均分（AvgScore）以及坏样本比例（BadRate）
4. 绘制整体样本以及各个分群群体的 AvgScore with BadRate 曲线，观察他们的拟合度

分数校准曲线可参见图1：