逻辑回归_评分卡分数转换

四、评分卡分数转换

模型训练好后，我们需要把对每个变量的每个分箱（也就是数值段）转换成具体的分值。在讲计算过程前，先来讲点前置知识。评分卡中不直接用客户违约率$p$，而是用违约概率与正常概率的比值，称为$odds$，即:

$$Odds=\frac{p}{1-p}\Rightarrow p=\frac{odds}{1+odds}(1)$$

评分卡为什么会把$odds$映射成分数，其原因是因为根据逻辑回归原理：

$$p=\frac{1}{1+e^{-{\theta }^{T}x}}\Rightarrow ln(\frac{p}{1-p})={\theta }^{T}x(2)$$

所以将$odds$映射成分数，可以和逻辑回归无缝连接。

$$ln(odds)={\theta }^{T}x(3)$$

评分卡的背后逻辑是$odds$的变动与评分变动的映射（把$odds$映射为评分），我们可以设计这个一个公式：

$$Score=A-B\ast ln(odds)(4)$$

其中$A$与$B$是常数，$B$前面取负号的原因，是让违约概率越低，得分越高。因为实际业务里，分数也高风险越低，当然你也可以设计个风险越低分数越低的评分卡，但风控里还是默认高分高信用低风险。计算出$A$、$B$的方法如下，首先设定两个假设：

   1.基准分。基准分为某个比率${\theta }_0$时的得分 $P_0$。业界某些风控策略基准分都设置为$500/600/650$。基准分为 $A-B\ast {\theta }_0$

   2.$PDO（pointofdouble）$，比率翻番时分数的变动值。假设我们设置为当$odds$翻倍时，分值减少30。

设置好${\theta }_0、P_0、PDO$ 后，就能算出$A$和$B$。怎么算？首先把 ${\theta }_0、P_0$ 代入公式，有

$$P_0=A-B\ast ln({\theta }_0)(5)$$

根据$PDO$的定义，我们有下面等式：

$$P_0-PDO=A-B\ast ln(2{\theta }_0)(6)$$

解上面两个式子，把公式$（5）$的右边替换掉公式$（6）$左边，可以算出$B$，从而可以算得$A$的解。最后$A、B$的解分别为：

$$B=\frac{PDO}{ln2}(7)$$

$$A=P_0+B\ast ln({\theta }_0)(8)$$

记住这两个公式，这两个公式是把分箱映射为分数的关键，评分卡里每一个变量的每一个分箱有一个对应分值。前面的 ${\theta }^{T}x$ 是一个矩阵计算，展开后我们有:

$$Score=A-B\ast ({\theta }^{T}x)=A-B\ast ({\theta }_0+{\theta }_1{x}_1+\cdots +{\theta }_n{x}_n)(9)$$

其中变量 $x_1、x_2$等等是出现在最终模型的入模变量。由于所有的入模变量都进行了$WOE$编码，可以将这些自变量中的每一个都写 $({\theta }_i{\omega }_{ij}){\delta }_{ij}$ 的形式,其中 ${\omega }_{ij}$ 为第 $i$个特征的第$j$ 个分箱的WOE值， ${\delta }_{ij}$ 是0，1逻辑变量，当 ${\delta }_{ij}=1$ 时，代表自特征$i$ 取第 $j$ 个分箱，当 ${\delta }_{ij}=0$ 时代表特征$i$不取第$j$ 个分箱。最终得到评分卡模型：

$$Score=A-B\ast ({\theta }_0+\sum _j({\theta }_1{\omega }_{1j}{\delta }_{1j})+\cdots +\sum _j({\theta }_n{\omega }_{nj}{\delta }_{nj}))(10)$$

若用图片可以表示为：

图1:评分卡分箱分数

我们定义 比率 ${\theta }_0$ 为1：1，基准分 $P_0$ 为650，$PDO（pointofdouble）$为50，代入公式（7）和（8），有

$$B=\frac{50}{ln2}=72.13(11)$$

$$A=650+72.13\ast ln(1)=650(12)$$

参考文献：

1. https://cloud.tencent.com/developer/article/1694353
2. https://cloud.tencent.com/developer/article/1694338
3. https://blog.csdn.net/weixin_42471573/article/details/124707000
4. https://zhuanlan.zhihu.com/p/29360425
5. https://zhuanlan.zhihu.com/p/148102950