信用评分开发流程

信贷评分卡：以分数的形式来衡量用户风险的一种模型策略。通常，分数越低，风险越高。

分类：根据使用场景分为反欺诈评分卡、申请评分卡、行为评分卡、催收评分卡。

特性：可解释性、稳定性、预测能力、识别效果、等价于逾期概率

作用：参与决策、额度策略依据、利率策略依据

常用模型：logistic回归

开发流程：

1、数据选取，数据选取设计三个重要方面：第一，能否获取到用户尽量全的数据指标，数据是建模的基础，也是贯穿整个建模过程的主线；第二，好坏用户定义，主要是借鉴用户还款以及逾期的滚动率分析来判断好坏界定的阈值；第三，观察期和表现期的确定，主要是通过账龄分析来判定坏用户充分暴露所需要的时间周期

2、变量筛选，通常我们的数据集可能会包含成百上千的指标变量，但是这些变量并不是全部都要纳入评分建模，或者说本身有些‘收益’较小的变量提前舍去更方便后面的建模工作，主要的变量筛选主要有随机森林、xgboost、IV值计算、losso回归、逐步回归、相关性分析等；

3、woe变换，对筛选的关键性指标进行分箱处理（woe变换），主要的分箱方法主要有等频分箱、等距分箱、卡方分箱、决策树分箱等；

4、logistic回归，对分箱完成的变量进行logistic回归建模，剔除参数估计为负数的变量，重新进行建模，直至参数估计全部为正数；

5、变量分数输出，确