搭建金融信贷风控中的机器学习模型-(10)行为评分卡(B卡)

        行为评分卡在风控领域中起着违约监控与额度管理的作用。此外，在巴塞尔模型里，内部评级法模型(Internal Rating Based Model)也非常依赖于行为评分卡。

1.行为评分卡基本概念

定义

• 根据贷款人放贷后的表现行为，预测未来违约风险概率的模型。
  使用场景
• 和申请评分卡不同，行为评分卡用在贷款发放之后、到期之前的时间段，即“贷中”环节。
  使用目的
• 监控贷款人在贷款结束之前的逾期／违约风险
• 在此基础上构建内部评级法中的PD（probability of default）模型
  使用的信贷产品
• 还款周期长的信贷产品
  • 长周期的产品有房贷、车贷、某些信用现金贷
• 循环授信类的信贷产品
  • 信用卡、某些信用贷
  注：
  对于还款周期短的产品，一般无法也无需构建行为评分模型。可以用申请评分预测还款表现
  对于较新的账户（例如开户时长在半年内），行为评分模型也不适用对其进行监控
  观察期与表现期
• 行为评分卡预测的是条件概率：
  

• 构建和使用行为评分卡的两个时间段：
  观察期：当前以及过去一段时间内，用于搜集变量、特征的时间窗口，通常为1年或者半年以内
  表现期：未来一段时间

  
  
  观察期与表现期
• MOB（Month on Book）=观察点-贷款发放日
• 表现期的设定
  不宜太短，否则
  • 失去预测的意义
  • 时间长度无法保证
  • 概率难以预测
• 观察期的设定
  • 不宜太长，否则MoB过长，大量客户无法进入模型
  • 不宜太短，否则构建的变量，有效性不够

2.行为评分卡特征构造

时间切片：两个时刻之间的跨度，例如：观察日期之前30天内信用卡账户的总消费额。
基于时间切片的衍生：观察日期前180天内，平均每月的逾期次数
常用的时间切片：1、2个月，1、2个季度，半年，一年
时间切片的选择：
• 不能太长：保证大多数样本都能覆盖到
• 不能太短：丢失信息

切片特征

还款率特征

额度使用率特征

逾期类特征

消费类型特征

其他类型特征

3.行为评分卡开发