开篇：风控评分卡知识总结

---

1 基本风控信息

image.png

1.1 评分卡的分类：

A卡（Application score card）申请评分卡

A卡一般可做贷款0-1年的信用分析，A卡中常用的有逻辑回归，AHP

A卡用途：

• 是否批准
• 是否需要提供抵押物
• 贷款金额
• 贷款定价

B卡（Behavior score card）行为评分卡

B卡则是在申请人有了一定行为后，有了较大数据进行的分析，一般为3-5年。（多因素逻辑回归）

B卡用途：

• 审查信用重建
• 审查信用额度
• 制定清收策略
• 审查贷款定价与条件

C卡（Collection score card）催收评分卡

C卡则对数据要求更大，需加入催收后客户反应等属性数据。（多因素逻辑回归）
评分卡计算：在建立标准评分卡之前，我们需要选取几个评分卡参数：基础分值、 PDO（比率翻倍的分值）和好坏比。 这里， 我们取600分为基础分值，PDO为20 （每高20分好坏比翻一倍），好坏比取20。

评分卡计算过程

1.2 评分卡开发流程：

评分卡开发流程

---

2 数据获取与整合

2.1 变量类型

1. 原始变量
2. 衍生变量
3. 分析变量（类似于模型分）

2.2 数据来源：

• 人口统计数据
• 征信机构数据与外部评分
• 交易纪录（申请纪录）：频率，汇总值

---

3 数据描述

3.1 单变量：

• 数据分布：众数，平均值，中位数，变化率，分位数，极值（直接最大最小值／线性拟合／聚类）
• 数据集中度检测
• 数据脏乱情况。缺失值（是否隐藏风险）、离群值、错误值、重复值，根据其是否符合业务逻辑，判断数据是否存在异常

如果极值占比较高，需要分析是否要分多类

3.1 相关性指标

• 皮尔逊系数
• 斯皮尔曼相关系数
• 皮尔逊卡方统计量
• 似然比检验统计量
• f检验（连续变量与类别之间的关联性）
• 基尼方差
• 熵方差
• 信息值（iv）

iv值判断标准

• 小于 0.02: unpredictive
• 0.02 to 0.1: weak
• 0.1 to 0.3: medium
• 0.3 to 0.5: strong
• 大于 0.5: suspicious

pyi是这个组中响应客户（风险模型中，对应的是违约客户，总之，指的是模型中预测变量取值为“是”或者说1的个体）占所有样本中所有响应客户的比例，pni是这个组中未响应客户占样本中所有未响应客户的比例

woe：

iv：

等距分箱
卡方分箱
最优分箱：决策树分箱
这里应该是基于不同的指标会作出不同的分箱，基于ks的，或者给予gini系数，信息熵的。

3.2 样本抽样

• 分层抽样
• 随机抽样
• 对称抽样

3.3 数据预处理

• 关键词： 特征预处理、特征选择、特征衍生、特征提取等。用到的技术主要有连续变量离散化、分类变量哑编码、卡方分箱、特征编码、共线性检验、PCA降维、交叉验证等。
• 筛选变量的常用方法
  • 随机森林、GBDT、逻辑回归显著性、VIF共线性、相关性图谱等、随机逻辑回归筛选、递归法筛选等。

好的特征需要具备哪些优势？
稳定性高，区分度高，差异性大，符合业务逻辑，具备可解释性。

缺失值补充

• 建立随机森林模型进行填补
• 删除
• 补0/补极小值

异常值处理

• 大于2倍方差的做删除

数据分布分析

• 查看是否符合高斯分布
• 特征之间是否有强关联性。

3.4 模型样本预处理

• 分层抽样
• 随机抽样
• 对称抽样

3.5 模型筛选

逻辑回归

优点：简单、稳定、可解释、技术成熟、易于监测和部署
缺点：一定不能有缺失数据；必须是数值型特征，需要编码；准确度不高

决策树

优点：对数据质量要求不高，易解释
缺点：准确度不高

其他元模型

组合模型

优点：准确度高，稳定性强，泛化能力强，不易过拟合
缺点：不易解释，部署困难，计算量大

3.5 模型评价方式：

psi

psi计算过程

其他稳定性指标：评分迁移矩阵、kendall 秩相关系数

其他：

ks（10等分）：
TP：真实为1且预测为1的数目
FN：真实为1且预测为0的数目
FP：真实为0的且预测为1的数目
TN：真实为0的且预测为0的数目
真正类率(true positive rate ,TPR), 计算公式为TPR=TP/ (TP+ FN)，
另外一个是假正类率(false positive rate, FPR),计算公式为FPR= FP / (FP + TN)

十等分之后的： ks=Max(TPR-FPR)

1、区分度：主要有KS和GINI指标，理解KS的定义及用法
2、准确性：主要有roc曲线和AUC指标，理解AUC的定义及用法
3、稳定性：主要有PSI指标，理解PSI的定义及用法

auc和ks的关系？
有人说auc是衡量整个模型的排序能力，KS是衡量某个分段的区分能力。

拿逻辑回归举例，模型训练完成之后每个样本都会得到一个类概率值（注意是类似的类），把样本按这个类概率值排序后分成10等份，每一份单独计算它的真正率和假正率，然后计算累计概率值，

• 用真正率和假正率的累计做为坐标画出来的就是ROC曲线，
• 用10等分做为横坐标，用真正率和假正率的累计值分别做为纵坐标就得到两个曲线，这就是KS曲线。

AUC值就是ROC曲线下放的面积值，而ks值就是ks曲线中两条曲线之间的最大间隔距离

ROC值一般在0.5-1.0之间。值越大表示模型判断准确性越高，即越接近1越好。ROC=0.5表示模型的预测能力与随机结果没有差别。
KS值表示了模型将+和-区分开来的能力。值越大，模型的预测准确性越好。一般，KS>0.2即可认为模型有比较好的预测准确性。

roc，auc，

纵轴：TPR=正例分对的概率 = TP/(TP+FN)，其实就是查全率
横轴：FPR=负例分错的概率 = FP/(FP+TN)

lift
洛伦兹曲线

评分卡刻度：

image.png

image.png

3.6 评分卡的监测与部署：

image.png

• 最简单的，把评分卡每个区间加多少分减多少分，怎么做映射的逻辑，讲给开发小哥，他会帮你在线上写 if else
• 生成一个pmml文件，给开发小哥调用
• 公司自己做的决策引擎，或者是租的，自己写变量逻辑上线
• 用flask或者Django自己写接口上线

验收：测试、等级划分、额度设计、风险定价、ABtest的设计等等

3.7 拒绝演绎：

仅适用于申请评分卡
建立申请评分卡的时候，

4. 风控模型与模型评价指标

粗略的看：

• 贷前阶段：欺诈检测，准入模型，授信模型，定价模型。
• 贷中阶段：额度管理，流失预警。
• 贷后阶段：失联人检测。

策略体系：

• 欺诈规则：
• 准入规则：
• 风险名单：黑名单，失信名单等
• 运营商规则：
• 网贷规则：多头，白户，共债

规则类型：

• 拒绝策略：中一条直接拒绝
• 申请评分卡：基于用户的资质好坏，区分用户的好坏基准卡
• 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

5. 互金网络下风控系统体系：

• 策略体系：反欺诈规则、准入规则、运营商规则、风险名单、网贷规则
• 人工智能模型：包括欺诈检测模型、准入模型、授信模型、风险定价、额度管理、流失预警、失联修复。

6. 常见问题：

• 样本不均衡：
• 幸存者偏差：多类模型筛选过后导致，需要使用无偏样本进行修正。在该场景下，迁移学习、增量学习（Incremental Learning）、生成对抗网络（GenerativeAdversative Nets，GAN）、高斯聚类模型（GaussianMixture Model，GMM）、半监督学习等都有一定应用
• 网络挖掘：用于团伙识别与失联人找回

参考资料：
信用评分卡模型
信用风险与评分卡研究