开篇:风控评分卡知识总结

发布网友发布时间：2022-10-12 03:46

共1个回答

热心网友时间：2023-10-17 18:18

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：

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：

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。

如果极值占比较高，需要分析是否要分多类

iv值判断标准

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。

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

异常值处理

数据分布分析

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

优点：对数据质量要求不高，易解释
缺点：准确度不高

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

其他稳定性指标：评分迁移矩阵、kendall 秩相关系数

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，

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

验收：测试、等级划分、额度设计、风险定价、ABtest的设计等等

仅适用于申请评分卡
建立申请评分卡的时候，

粗略的看：

策略体系：

规则类型：

参考资料：
信用评分卡模型
信用风险与评分卡研究