第一讲、风险风控建模-评分模型介绍

评分模型是一种广泛用于风险管理和信用评估的工具，尤其在金融领域。该模型主要通过对一系列相关变量进行加权求和或通过其他数学运算，最终生成一个数值或分数来代表某个实体（如个人或企业）的总体风险水平。这种模型是定性分析和定量分析相结合的综合评价模型。

评分模型是定性分析和定量分析相结合的一种综合评价模型。它通过对一系列相关变量进行加权求和或通过其他数学运算，将定性信息转化为定量数据，最终生成一个数值或分数来代表某个实体（如个人或企业）的总体风险水平。

例如，在金融领域的风控建模中，我们可能会根据客户的个人信息（如年龄、性别、职业等），以及客户的信贷历史、还款行为等变量来构建评分模型。这些变量在定性分析阶段可能只是一些描述性的分类信息，例如“男性”、“教师”或者“有良好还款记录”。然而，在评分模型中，这些定性信息会被转化为定量数据，比如给"男性"赋予1，"女性"赋予0；给"教师"赋予1，其他职业赋予0；给"有良好还款记录"赋予1，反之赋予0。然后，通过加权求和或其他数学运算，我们可以得到每个客户的一个风险评分。这个评分就是一个定量的数字，可以用于比较不同客户的风险水平，也可以用于预测客户未来的违约概率。

评分模型是零售业务发展的内在需要。

评分模型在零售业务中的应用确实非常广泛和必要。这种模型可以帮助零售商进行客户细分，确定目标市场，以及制定有效的营销策略。例如，在金融领域，评分模型常被用于客户的信用评估和风险识别，如A银行互联网贷款申请评分模型就是数据挖掘技术应用于客户风险识别的一个实例。

从零售业信用模型的发展来看，初期的模型对客户属性和行为信息的判断非常重要，而征信数据能够补充个人信贷历史信息和使用情况。随着业务模式的创新和场景化的信贷嵌套，申请模型进一步引入了产品业务类属性（例如车贷的购车信息等）以及相关的规则。

评分模型在零售业务中的另一个重要作用是实现自动化处理。由于零售业务通常涉及大量的客户数据，因此需要一个可以自动进行分析和处理的系统。信用评分模型就可以在系统内实现这样的自动化处理，它不仅可以提高处理的效率，而且可以提高决策的准确性。此外，考虑到评分卡模型的统计学特性，例如其分箱与WOE编码可以降低数据的复杂度和特征的灵敏度，提升了模型的稳定性，这使得它特别适合用于处理大规模的零售业务。

总的来说，评分模型是零售业务发展的内在需要，它可以帮助零售商更好地理解客户、优化产品和服务，以及提高业务的运营效率和利润。

评分模型是新资本协议内部评级的重要组成部分。评分模型在新资本协议的内部评级中起着重要的作用。在新资本协议内部评级法框架下，商业银行需要建立起自己的内部评级体系。这个体系包括评级或评分模型、评级治理架构、评级政策流程、评级结果应用和数据与IT管理等多个部分。

风险管理应用场景有贷前、贷中、贷后信贷周期的各阶段：

贷前：

1. 发卡审批：如果客户是个人，评分模型可能会考虑其个人信息（如年龄、性别、职业等），以及信贷历史、还款行为等变量。然后，根据这些因素计算出个人的信用风险评分，用于决定是否批准贷款申请，以及确定贷款的利率和条款。
2. 初始额度：主要是通过预测客户的信用风险，以决定授予客户的信贷额度。这个过程通常包括反欺诈模型、身份认证模型、额度授信模型和风险定价模型等多个子评分卡的使用。

贷中：

1. 额度调升：金融机构可以根据客户的贷中行为评分卡进行实时打分，以辅助策略判断是否提高客户的信贷额度。此外，收入预测模型也可以用于预测客户未来的还款能力，从而帮助决定是否调整客户的信贷额度。
2. 分期授予：评分模型可以帮助金融机构量化客户的风险概率，进而确定是否授予分期贷款以及贷款的期限和利率。

3. 分期定价：评分模型可以根据客户的信用评级、收入状况、负债情况等因素计算出客户的信用风险评分，用于决定贷款的利率和条款

4. 贷中管控，评分模型可以通过对客户的行为数据进行分析，实现对客户的精细化管理和风险控制。例如，对于逾期的客户，可以使用催收评分模型来预测其是否会在未来发生逾期，并据此制定相应的催收策略

5. 交易反欺诈，评分模型可以帮助金融机构识别出可能的欺诈行为，从而防止经济损失。例如，对于一些异常的交易行为，如在短时间内频繁申请贷款等，评分模型可以将其标记为高风险，并进行进一步的人工审核

贷后：

1. 催收策略：评分模型可以帮助金融机构量化客户逾期的程度，并据此制定相应的催收策略。例如，通过使用催收模型评分、失联模型评分、账龄滚动率模型评分等具体模型。催收评分卡是一种重要的工具，它可以进一步细化为M0M1、M1M4、M4+等模型，以适应不同的逾期状态。根据这些模型的评分，金融机构可以采取不同的催收策略。例如，对于催收评分高且失联评分低的客户，可以采取机构内部催收；而对于催收评分低且失联评分高的客户，则可以通过委托外部催收。
2. 损失预估：评分模型还可以用于预测可能的损失。通过对客户的信用评级、收入状况、负债情况等因素进行分析，金融机构可以计算出客户的信用风险评分，从而预测其可能产生的损失。这对于金融机构来说非常重要，因为它可以帮助他们提前做好准备，以应对可能出现的财务风险。