PART 2.1 风控模型种类&变量选择范围&变量衍生&特征交叉

最重要的事情开始都会讲：建模是始终服务于业务的，没有业务的评分卡就没有灵魂

评分卡环节的介绍

风控模型种类

• 获客阶段：
  用户响应模型：在获客阶段的用户转化情况（比如互联网引流用户注册情况）
  风险预筛选模型：不同渠道的风险指数不同，客户质量不同，导流途径和方向不同
• 授信阶段：
  申请评分模型：传统的A卡
  反欺诈模型：团伙欺诈、个人欺诈、关系拓扑等
  风险定价模型：不同的客群利率不同，
  收益评分模型：基于客户收益状况评分
• 贷后阶段：
  行为评分模型：基于提现情况 进行评分，针对得分低客群进行扣分
  交易欺诈模型：利用交易漏洞进行欺诈，或者并不是本人借款
  客户流失模型：如何定义流失客户
• 催收阶段：
  早期催收模型 ：一手单 二手单
  晚期催收模型：三手单，四手单，打包单及特殊单
  还款率模型：预测经催收回的欠款的比率
  账龄滚动模型：预测逾期人群从轻度逾期到重度逾期的概率
  失联预测模型：在逾期阶段，对尚能联系到的人群预测其未来失联的概率

获客阶段模型一般针对互联网，即线上获客模式，数据来源相对多样，一般类似漏斗模式，如何引流，导流，成功注册等信息，以及在某一个阶段进行埋点分析流失状态

各评分卡特点&变量选择范围

上述讲解是分化十分细致的模型，实际上均是基于传统的A B C卡的转化和演变，对三大类模型的变量进行重点的学习和介绍，一般来讲各阶段变量的情况不一致，但是授信端的变量到提现端变量效果降低很多，提现端变量放入催收端，效果降低很多，不同阶段需要充分利用不同变量的特点

第一类：A卡（Application score card）申请评分卡

针对客群

• 申请授信客群

经历阶段

• 获客–授信

基础变量

• 年龄
• 性别
• 家庭支出
• 客户收入
• 职位
• 婚姻状况
• 身份证
• 资金用途
• 绑定信息（微信 支付宝 蚂蚁分 京东分等）
• 地址信息
• 紧急联系人

埋点变量

• 通讯录（人数）
• 短信（关键字 逾期）
• 备忘录
• 通话时长（时间分布 次数分布）

第三方变量

• 多头借贷次数
• 机构评分
• 消费级别

第二类：B卡（Behavior score card）行为评分卡

定义：根据贷款人放款后表现行为，预测未来逾期/违约风险概率模型 通常指每一笔借款情况
使用场景：行为评分卡用在贷款放款之后，到期之前的时间段，即“贷中”环节
条件概率：P(未来一段时间发生违约/当前没有违约）

针对客群

• 有过提现客群后者正在提现客群

经历阶段

• 获客–授信–提现–是否还款？

变量

• 还款率类型特征 （还款行为相关变量 核心 还款意愿和还款能力）
• 额度使用率类型特征 （满额度针对的是还款压力问题）
• 逾期类型特征 （逾期状态代表较高的逾期概率）
• 消费类型特征（线上消费 提现 消费用途等）

第三类：C卡（Collection score card）催收评分卡

针对客群

• 已经逾期并且没有还款的客群

经历阶段

• 获客–授信–提现–逾期

变量

• 逾期天数
• 历史还款信息
• 是否有催收记录
• 属于几手单
• 个人基础信息（年龄 性别 行业 收入等）
• 催收金额占比DBR（debt burden ratio）
• 联系人信息（夫妻，子女，同事，朋友）
• 运营商信息信息（在网时长 高频联系人）
• 第三方借贷信息（催收期间是否大量借贷等）

变量衍生

方法技巧如下：

逻辑1

• 计数：过去一年内的申请贷款总次数
• 求和：过去一年内的网店消费总额
• 比例：贷款申请额度与年收入占比
• 时间差：第一次开户距今时长
• 波动率：过去3年内每次工作时间的标准差
• 交叉：切片或两变量融合
  逻辑2
• 近度：近度是指最近一次动作时间。最近一次交易发生时间，最近一次登录时间；
• 频度：频度是指某指定时间段内发生动作的次数。一月内被查征信次数、发生交易次数，一季度申请次数、被拒卡次数等。时间段通常根据业务经验设定，一般有：一天、一周、一个月、一个季度、半年和一年等；
• 值度：值度是指某个时间范围内动作涉及的金额或等值金额。例如，交易发生的总金额、最高交易金额、平均交易金额等

特征交叉

变量交叉一直以来都是互联网金融评分卡不敢去开拓的环节，本博主对特征交叉有一定的体会，要点如下

• 不是所有特征维度都做交叉
• 交叉维度至多2（笛卡尔为两变量分箱数乘积），过多的交叉缺乏解释性，过拟合严重，并且稀疏性
• 交叉需要在分箱后，占比各箱相对均匀（避免稀疏性问题）
• 变量选择尽可能IV较高，同时分箱少，尽可能避免过拟合

过拟合变量的处理

有些变量效果很好，可能是事后变量
注：事后变量指的是与预测目标同时间或者晚于改时间的变量
比如预测目标是否逾期，在变量中有逾期天数，那该变量就是事后变量

有些变量效果好，但可能是过拟合变量，也就是泛化能力交叉的变量，仅适用于改样本客群的变量，具有偶然性。
不过并不意味着 该变量不能用，需要去优化的事情如果 将过拟合变量泛化
将变量中稳定的可利用的部分单独成箱，不稳定的数据可统一放入一箱，这样的目的在于将过拟合变量中过拟合部分泛化，拟合效果良好部分保留
本质上让过拟合变量变成可用变量

最重要的事情最后都会讲：建模是始终服务于业务的，没有业务的评分卡就没有灵魂