风控模型特征重要性与稳定性的分析|基于python的实操演示（示例Toad库）

在上班的第七天后，各位风控人终于迎来了国庆后的第一个周末！
常规化模型开发过程中，模型开发阶段和模型上线调用阶段的数据的使用逻辑的流程如下：
​

在以上的开发阶段中，我们最绕不开的就是特征的选择开发与选择，在本周较早时间，我们给大家讲解了特征筛选的内容：
→_→风控模型开发的特征选择与常用数据源介绍

今天我们再跟大家讲解特征的稳定性与重要性分析。
①特征稳定性分析
PSI（群体稳定性指标指标）：PSI反映了不同样本之间在各分数段的分布稳定性，在建模中，我们常用来筛选特征变量、评估模型稳定性。
​

【方法】我们通过对所有特征逐月psi的计算，就可以初步剔除分布变化较大的特征（阈值可以放宽设在0.15~0.2）。
若建模样本集按时间划分训练集和测试集，可以以训练集的各个特征作为base，用测试集与训练集进行比较计算所有特征psi，进行筛选；
或者，将样本逐月划分，以第一个月作为base，之后每个月与第一个月进行比较计算逐月的psi，再计算各个特征在所有月份psi的均值（最大值），进行筛选；
特征稳定性，是风控特征分析中最重要的指标之一，各位风控人必须掌握的内容。

②特征重要性分析
IV（Information Value）：指特征的信息量，用来衡量特征的预测能力。

关于IV的评价，可以参考一下指标：
​

关于特征重要性，就不得不提到另一个指标WOE

【定义】 WOE（Weight of Evidence）叫做证据权重：WOE是对原始自变量的一种编码形式，要对一个变量进行WOE编码，需要首先把这个变量进行分组处理（也叫离散化、分箱）。
这里分箱可以是等频/固定点划分/监督分箱（后期会详细说明分箱及weo的使用），等总体上对IV计算的影响不大。
分箱后每一箱的WOE的公式就是：WOE=ln(坏客户占比/好客户占比)×100%
【计算】
（1）特征分箱：连续型变量，可以选择等频、等距，或者自定义间隔；离散型变量，如果分箱太多，则进行分箱合并。
（2）统计每个分箱里的好坏人数(bin_bads)和人数(bin_goods)。
（3）分别除以总的坏人数和总好人数，得到每个分箱内的坏客户占比和好客户占比。
（4）计算每个分箱里的woe_i。
（5）计算每个分箱里的IV，最终求和，即得到最终的IV

我们通过变量描述统计（缺失率/唯一值/分布占比）、变量稳定性PSI、变量区分度IV，以及各个指标的筛选阈值，就可以初步完成特征的筛选：
​

关于以上模型特征稳定性与稳定性的内容，我们关注的不仅仅是公式的计算方式，指标是死的，而业务是一直在变动的。
比如客群未变的前提下，客户发生了等级滑坡，或者模型中客群的分级出现变动时候，这些指标又应该如何调整跟优化呢？所以以不变应万变，真正学会这些指标背后的逻辑才是最重要的内容。
课程——《风控模型开放的特征选择》
课程不仅仅是理论性的内容讲解，我们也会提供相关的代码和数据集给到大家实操。
【代码参考部分如下】
利用第三方toad库 的IV函数计算特征iv值，一行命令即可对dataframe的所有特征iv进行初步计算。
​

…

~原创文章