logit回归模型的参数估计过程_评分卡模型原理及应用

• 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