关注新蜂数字金融,ID:gh_c5ca7eb11df4
这是新蜂数字金融的第145篇原创首发文章
信用评分卡模型,作为金融业一项重要的风险控制手段,在行业中有着广泛的应用。只有对模型进行科学认知,理解模型的原理及应用限制条件,才能更好地应用模型。
本文中,笔者将对模型发展、推导过程进行简单的梳理,期望对模型应用者、模型开发者能有所启发。
01. 什么是评分卡模型
信用评分卡模型一种常用的风险控制模型,它是根据被评价主体的各种属性和行为数据,利用规则及评分模型,对被评价主体进行评判,从而对未来一段时间内的被评价主体进行预测的一种方法。
利用这种方法可以降低或减少风险事件发生的各种可能性,规避风险事件发生时造成的损失。
在实际业务中,我们有时会遇到对一类申请车贷的客户进行评分的场景。
结合业务理解及往常的业务经验,我们通常会认为:是否有过购车行为(或车贷行为)、申请人年龄、性别、婚姻状况、学历、月收入等因素会对申请按期归还产生影响。
其中,是否有过购车行为(或车贷行为)对是否违约的影响远大于其他指标。可以设置为基础分,其他变量根据变量属性,打分如下(见表1):
表 1 简单评分卡示例
这样,我们就构建了一个简单的评分卡。该评分卡基础分223分,最高分275分,最低分208分。例如,客户年龄为27岁、性别为男、婚姻状况为已婚、学历为本科、月收入为10000,那么他的评分为264分。
从上面的案例可以看出,其业务逻辑类似专家打分模型。但对于大批量的数据或需要统一管理的模型,该方式就不适用了。需要引入统一的统计预测模型,进行评分卡模型建模。
02. 评分模型推导过程
按照笔者个人理解,评分卡模式是以线性回归为基础,采用tobit模型、logistic模型,通过logit变换得到的。模型构建过程如下:
(一)线性回归模型
线性回归是最常见的预测模型。例如,预测收入和支出间的关系、湿度和降雨量的关系等。线性回归模型可以描述因变量Y和自变量X之间的因果关系。
简单的线性回归模型可以表示为:
其中,为Y轴上的截距,
为斜率,
为误差项。
采用线性回归模型,必须满足以下假设:
条件(1)为线性假设,即自变量X每增加一个单位对