在公眾號(hào)「python風(fēng)控模型」里回復(fù)關(guān)鍵字：學(xué)習(xí)資料，就可免費(fèi)領(lǐng)取。

?? ? ? ? ? ? ??

信用風(fēng)險(xiǎn)計(jì)量模型可以包括跟個(gè)人信用評(píng)級(jí)，企業(yè)信用評(píng)級(jí)和國家信用評(píng)級(jí)。人信用評(píng)級(jí)有一系列評(píng)級(jí)模型組成，常見是A卡（申請(qǐng)?jiān)u分卡）、B卡（行為模型）、C卡（催收模型）和F卡（反欺詐模型）。?今天我們展示的是個(gè)人信用評(píng)級(jí)模型的開發(fā)過程，數(shù)據(jù)采用kaggle上知名的give me some credit數(shù)據(jù)集。

一、建模流程

典型的信用評(píng)分卡模型如圖1-1所示。信用風(fēng)險(xiǎn)評(píng)級(jí)模型的主要開發(fā)流程如下：
（1） 獲取數(shù)據(jù)，包括申請(qǐng)貸款客戶的數(shù)據(jù)。數(shù)據(jù)包括客戶各個(gè)維度，包括年齡，性別，收入，職業(yè)，家人數(shù)量，住房情況，消費(fèi)情況，債務(wù)等等。
（2） 數(shù)據(jù)預(yù)處理，主要工作包括數(shù)據(jù)清洗、缺失值處理、異常值處理、數(shù)據(jù)類型轉(zhuǎn)換等等。我們需要把原始數(shù)據(jù)層層轉(zhuǎn)化為可建模數(shù)據(jù)。
（3） EDA探索性數(shù)據(jù)分析和描述性統(tǒng)計(jì)，包括統(tǒng)計(jì)總體數(shù)據(jù)量大小，好壞客戶占比，數(shù)據(jù)類型有哪些，變量缺失率，變量頻率分析直方圖可視化，箱形圖可視化，變量相關(guān)性可視化等。
（4） 變量選擇，通過統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的方法，篩選出對(duì)違約狀態(tài)影響最顯著的變量。常見變量選擇方法很多，包括iv，feature importance，方差等等?。另外缺失率太高的變量也建議刪除。無業(yè)務(wù)解釋性變量且沒有價(jià)值變量也建議刪除。
（5） 模型開發(fā)，評(píng)分卡建模主要難點(diǎn)是woe分箱，分?jǐn)?shù)拉伸，變量系數(shù)計(jì)算。其中woe分箱是評(píng)分卡中難點(diǎn)中難點(diǎn)，需要豐富統(tǒng)計(jì)學(xué)知識(shí)和業(yè)務(wù)經(jīng)驗(yàn)。目前分箱算法多達(dá)50多種，沒有統(tǒng)一金標(biāo)準(zhǔn)，一般是先機(jī)器自動(dòng)分箱，然后再手動(dòng)調(diào)整分箱，最后反復(fù)測試模型最后性能，擇優(yōu)選取最優(yōu)分箱算法。
（6） 模型驗(yàn)證，核實(shí)模型的區(qū)分能力、預(yù)測能力、穩(wěn)定性、排序能力等等，并形成模型評(píng)估報(bào)告，得出模型是否可以使用的結(jié)論。模型驗(yàn)證不是一次性完成，而是當(dāng)建模后，模型上線前，模型上線后定期驗(yàn)證。模型開發(fā)和維護(hù)是一個(gè)循環(huán)周期，不是一次完成。
（7） 信用評(píng)分卡，根據(jù)邏輯回歸的變量系數(shù)和WOE值來生成評(píng)分卡。評(píng)分卡方便業(yè)務(wù)解釋，已使用幾十年，非常穩(wěn)定，深受金融行業(yè)喜愛。其方法就是將Logistic模型概率分轉(zhuǎn)換為300-900分的標(biāo)準(zhǔn)評(píng)分的形式。
（8） 建立評(píng)分卡模型系統(tǒng)，根據(jù)信用評(píng)分卡方法，建立計(jì)算機(jī)自動(dòng)信用化評(píng)分系統(tǒng)。美國傳統(tǒng)產(chǎn)品FICO有類似功能，F(xiàn)ICO底層語言是Java。目前流行Java，python或R多種語言構(gòu)建評(píng)分卡自動(dòng)化模型系統(tǒng)。

（9）模型監(jiān)控，著時(shí)間推移，模型區(qū)分能力，例如ks,auc會(huì)逐步下降，模型穩(wěn)定性也會(huì)發(fā)生偏移。我們需要專業(yè)模型監(jiān)控團(tuán)隊(duì)，當(dāng)監(jiān)控到模型區(qū)分能力下降顯著或模型穩(wěn)定性發(fā)生較大偏移時(shí)，我們需要重新開發(fā)模型，迭代模型。模型監(jiān)控團(tuán)隊(duì)?wèi)?yīng)該每日按時(shí)郵件發(fā)送模型監(jiān)控報(bào)表給相關(guān)團(tuán)隊(duì)，特別是開發(fā)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)。

二. 獲取數(shù)據(jù)

建模數(shù)據(jù)方面包含借款申請(qǐng)人填寫的基本資料，通訊錄，通話記錄和其他運(yùn)營商數(shù)據(jù)，以及在其他第三方平臺(tái)提供的黑名單和其他借貸平臺(tái)借貸還款數(shù)據(jù)，和app抓取的手機(jī)數(shù)據(jù)，有些還包含人行征信，社保公積金工資銀行流水，個(gè)人消費(fèi)等數(shù)據(jù)，針對(duì)不同額度和客群需要用戶填寫和授權(quán)的資料不一樣。收集需要的數(shù)據(jù)后，通過SQL提取相關(guān)變量特征構(gòu)造建模用的寬表。具體建模信息如下圖。

python評(píng)分卡建模實(shí)戰(zhàn)數(shù)據(jù)集

之前我講過利用German credit德國信用數(shù)據(jù)集建立python信用評(píng)分卡模型，該數(shù)據(jù)集優(yōu)勢是數(shù)據(jù)量小，對(duì)計(jì)算機(jī)硬件要求不高，方便各個(gè)階層學(xué)員學(xué)習(xí)和測試。

信用評(píng)分算法對(duì)違約概率進(jìn)行猜測，是銀行用來確定是否應(yīng)授予貸款的方法。數(shù)據(jù)屬于個(gè)人消費(fèi)類貸款，通過預(yù)測某人在未來兩年內(nèi)遇到財(cái)務(wù)困境的可能性，提高信用評(píng)分的最新水平。

銀行在市場經(jīng)濟(jì)中發(fā)揮著至關(guān)重要的作用。他們決定誰可以獲得資金以及以什么條件獲得資金，并且可以做出投資決策或終止投資決定。為了讓市場和社會(huì)發(fā)揮作用，個(gè)人和公司需要獲得信貸。

give me some credit有15萬樣本數(shù)據(jù)，該數(shù)據(jù)量解決中大型金融機(jī)構(gòu)實(shí)戰(zhàn)數(shù)據(jù)，更加接近金融企業(yè)項(xiàng)目實(shí)戰(zhàn)。該數(shù)據(jù)集通過預(yù)測某人在未來兩年內(nèi)遇到財(cái)務(wù)困難的可能性，提高信用評(píng)分的水平。

變量中文釋義，變量少而精，可作為建模的參考

我們對(duì)上述變量歸類，主要分為：

– 基本屬性：包括了借款人當(dāng)時(shí)的年齡。

– 償債能力：包括了借款人的可用額度比值、月收入、負(fù)債比率。

– 信用歷史：兩年內(nèi)35-59天逾期次數(shù)、兩年內(nèi)60-89天逾期次數(shù)、兩年內(nèi)90

天或高于90天逾期的次數(shù)。

– 財(cái)產(chǎn)狀況：包括了開放式信貸和貸款數(shù)量、不動(dòng)產(chǎn)貸款或額度數(shù)量。

– 其它因素：借款人的家屬數(shù)量（不包括本人在內(nèi)）

kaggle模型競賽中，獎(jiǎng)金5000美金，模型評(píng)估指標(biāo)為AUC。

互聯(lián)網(wǎng)上國內(nèi)外關(guān)于give me some credit數(shù)據(jù)集AUC得分最佳表現(xiàn)為0.85.

但我方《python信用評(píng)分卡建模（附代碼）》教程中AUC可以達(dá)到0.929，調(diào)參后AUC可以更高，遠(yuǎn)高于互聯(lián)網(wǎng)上give me some credit論文的模型性能AUC=0.85?；ヂ?lián)網(wǎng)論文關(guān)于建模步驟有很多看似有理，但實(shí)際上不正確的理論。

如果你好奇我方如何將give me some credit數(shù)據(jù)集AUC達(dá)到0.929，可參考教程《python信用評(píng)分卡建模（附代碼）》https://ke.qq.com/course/3063615?tuin=dcbf0ba；

《python信用評(píng)分卡建模（附代碼）》中g(shù)ive me some credit數(shù)據(jù)集一覽。

三、數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理，主要工作包括數(shù)據(jù)清洗、缺失值處理、異常值處理、數(shù)據(jù)類型轉(zhuǎn)換等等。我們需要把原始數(shù)據(jù)層層轉(zhuǎn)化為可建模數(shù)據(jù)。

3.1 缺失值處理

give me some credit數(shù)據(jù)集缺失數(shù)據(jù)并不嚴(yán)重，只有兩個(gè)變量有缺失值，缺失率為2%和19.8%。

現(xiàn)實(shí)中數(shù)據(jù)存在大量缺失值是非常普遍。央行征信很多變量缺失率可以高達(dá)99%。缺失值會(huì)導(dǎo)致一些數(shù)據(jù)分析和建模的問題。通常在信用風(fēng)險(xiǎn)評(píng)分卡模型開發(fā)的第一步我們就要進(jìn)行缺失值處理。缺失值處理的方法，包括如下幾種。
（1） 直接刪除含有缺失值的樣本。
（2） 填補(bǔ)缺失值。
（3） 不予理睬。

3.2 異常值處理

缺失值處理后，我們需要進(jìn)行異常值檢驗(yàn)。異常值分為統(tǒng)計(jì)學(xué)上異常值和業(yè)務(wù)上異常值。統(tǒng)計(jì)學(xué)異常值通常用箱型圖來判斷,如下圖。

業(yè)務(wù)上異常值是根據(jù)業(yè)務(wù)線對(duì)變量定義和常識(shí)來判斷該數(shù)據(jù)是否合理。比如give me some credit數(shù)據(jù)集中有個(gè)人客戶的年齡為0，按照常理，我們認(rèn)為該值為異常值。哪個(gè)貸款公司會(huì)把錢借給年齡為0的用戶？

3.3 數(shù)據(jù)劃分

我們建立模型后一般會(huì)遇到下面三種情況，underfitting欠擬合，just right擬合合適，overfitting過度擬合。

為了驗(yàn)證模型的性能，我們需要對(duì)數(shù)據(jù)集進(jìn)行劃分。

首先把所有數(shù)據(jù)分成x數(shù)據(jù)和y數(shù)據(jù)（target目標(biāo)變量）。

然后把x數(shù)據(jù)和y數(shù)據(jù)分成訓(xùn)練集和測試集，并生成四個(gè)變量train_x,test_x,train_y,test_y.

四、EDA探索性數(shù)據(jù)分析和描述性統(tǒng)計(jì)

由于人大腦的生理結(jié)構(gòu)，大部分人對(duì)數(shù)字不敏感，但數(shù)據(jù)可視化對(duì)大腦理解更友好。這就是數(shù)據(jù)可視化重要性，也方便向領(lǐng)導(dǎo)或決策層匯報(bào)工作。

EDA探索性數(shù)據(jù)分析和描述性統(tǒng)計(jì)包括統(tǒng)計(jì)總體數(shù)據(jù)量大小，好壞客戶占比，數(shù)據(jù)類型有哪些，變量缺失率，變量頻率分析直方圖可視化，箱形圖可視化，變量相關(guān)性可視化等。EDA是Exploratory Data Analysis縮寫，中文釋義為探索性數(shù)據(jù)分析。探索性數(shù)據(jù)分析方法很多常見的有：hist直方圖、scater散點(diǎn)圖,boxer箱線圖,heat熱力圖，pairplot配對(duì)圖。

give me some credit數(shù)據(jù)集的age年齡變量直方圖

give me some credit數(shù)據(jù)集的target目標(biāo)變量直方圖，可以發(fā)現(xiàn)好壞客戶占比非常不平衡。好客戶數(shù)量大概是壞客戶數(shù)量15倍左右。

give me some credit數(shù)據(jù)集的家庭成員數(shù)量變量直方圖

give me some credit數(shù)據(jù)集所有變量的pairplot配對(duì)圖，大量信息一目了然。

give me some credit數(shù)據(jù)集所有變量相關(guān)性的熱力圖，可以分析出有6對(duì)變量相關(guān)性非常高，變量篩選時(shí)候需要注意。

give me some credit數(shù)據(jù)集age年齡變量關(guān)于好壞客戶的分類箱型圖統(tǒng)計(jì)。我們可以看到好客戶年齡中位數(shù)要高于壞客戶年齡中位數(shù)。

五、變量選擇

變量選擇，通過統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的方法，篩選出對(duì)違約狀態(tài)影響最顯著的變量。常見變量選擇方法很多，包括iv，feature importance，方差等等?。另外缺失率太高的變量也建議刪除。無業(yè)務(wù)解釋性變量且沒有價(jià)值變量也建議刪除。

《python信用評(píng)分卡建模（附代碼）》教程中集成樹算法catboost的feature importance可視化圖，我們可以明顯看出RevolvingUtilizationOfUnsecuredLines可用額度比值變量的重要性最高。圖中藍(lán)色柱越長，重要性越大，反之亦然。

《python信用評(píng)分卡建模（附代碼）》教程中變量iv值計(jì)算結(jié)果如下，我們清晰看到RevolvingUtilizationOfUnsecuredLines可用額度比值變量的iv最高。

通過feature importance和iv值方法我們都得到同樣結(jié)論：RevolvingUtilizationOfUnsecuredLines可用額度比值變量是最重要的。

六、模型開發(fā)

下圖是建立分類器模型的常見算法，模型驗(yàn)證方法和模型監(jiān)控內(nèi)容結(jié)構(gòu)化展示

邏輯回歸，決策樹，隨機(jī)森林不同算法的對(duì)比如下圖

模型開發(fā)，評(píng)分卡建模主要難點(diǎn)是woe分箱，分?jǐn)?shù)拉伸，變量系數(shù)計(jì)算。其中woe分箱是評(píng)分卡中難點(diǎn)中難點(diǎn)，需要豐富統(tǒng)計(jì)學(xué)知識(shí)和業(yè)務(wù)經(jīng)驗(yàn)。目前分箱算法多達(dá)50多種，沒有統(tǒng)一金標(biāo)準(zhǔn)，一般是先機(jī)器自動(dòng)分箱，然后再手動(dòng)調(diào)整分箱，最后反復(fù)測試模型最后性能，擇優(yōu)選取最優(yōu)分箱算法。

《python信用評(píng)分卡建模（附代碼）》講解Kmeans，等頻分箱、等距分箱，卡方分箱,決策樹分箱算法原理和python實(shí)現(xiàn)分箱代碼。《python信用評(píng)分卡建模（附代碼）》還告訴你如何選擇分箱方法？在不同需求下，選擇最合適分箱方法。

分箱主要分為有監(jiān)督方法和無監(jiān)督方法。k均值聚類算法（k-means clustering algorithm）是一種迭代求解的聚類分析算法，其步驟是，預(yù)將數(shù)據(jù)分為K組，則隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心，然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對(duì)象就代表一個(gè)聚類。每分配一個(gè)樣本，聚類的聚類中心會(huì)根據(jù)聚類中現(xiàn)有的對(duì)象被重新計(jì)算。這個(gè)過程將不斷重復(fù)直到滿足某個(gè)終止條件。終止條件可以是沒有（或最小數(shù)目）對(duì)象被重新分配給不同的聚類，沒有（或最小數(shù)目）聚類中心再發(fā)生變化，誤差平方和局部最小。下圖是Kmeans分箱算法原理。

傳說中的最優(yōu)分箱就是決策樹分箱。

決策樹分箱算法步驟為：

步驟 1：首先，它使用我們想要離散化的變量來訓(xùn)練一個(gè)有限深度（2、3 或 4）的決策樹來預(yù)測目標(biāo)。

第 2 步：然后將原始變量值替換為樹返回的概率。單個(gè) bin 內(nèi)的所有觀測值的概率相同，因此用概率替換相當(dāng)于將決策樹決定的截止值內(nèi)的觀測值分組。

決策樹分箱算法好處和缺點(diǎn)是：

好處 ：

• 概率預(yù)測返回的決策樹與目標(biāo)單調(diào)相關(guān)。

• 新的 bin 顯示出減少的熵，這是每個(gè)桶/桶內(nèi)的觀察結(jié)果與它們自己的相似度，而不是其他桶/桶的觀察結(jié)果。

• 樹會(huì)自動(dòng)找到垃圾箱。

缺點(diǎn)：

• 可能會(huì)導(dǎo)致過擬合

• 更重要的是，可能需要對(duì)樹參數(shù)進(jìn)行一些調(diào)整以獲得最佳分割（例如，深度、一個(gè)分區(qū)中的最小樣本數(shù)、最大分區(qū)數(shù)和最小信息增益）。這可能很耗時(shí)。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （決策樹分箱可視化）

等距分箱可用于類似age年齡的變量。

分箱完成后，就把分箱數(shù)據(jù)轉(zhuǎn)換為woe數(shù)據(jù)，最后用邏輯回歸算法建模。

分箱的簡單代碼

七、模型驗(yàn)證

邏輯回歸算法建模后，我們需要模型驗(yàn)證。模型驗(yàn)證是核實(shí)模型的區(qū)分能力、預(yù)測能力、穩(wěn)定性、排序能力等指標(biāo)是否合格，并形成模型評(píng)估報(bào)告，得出模型是否可以使用的結(jié)論。模型驗(yàn)證不是一次性完成，而是當(dāng)建模后，模型上線前，模型上線后定期驗(yàn)證。模型開發(fā)和維護(hù)是一個(gè)循環(huán)周期，不是一次完成。

著時(shí)間推移，模型區(qū)分能力，例如ks,auc會(huì)逐步下降，模型穩(wěn)定性也會(huì)發(fā)生偏移。當(dāng)模型區(qū)分能力下降顯著或模型穩(wěn)定性發(fā)生較大偏移時(shí)，我們需要重新開發(fā)模型，迭代模型。

模型驗(yàn)證指標(biāo)涉及到腳本主要來自sklearn的metrics,具體指標(biāo)如下：

?排序類評(píng)估——ROC指標(biāo)：

很多統(tǒng)計(jì)指標(biāo)來源于戰(zhàn)爭。ROC最早用于英國雷達(dá)分辨鳥或德國飛機(jī)的概率。二戰(zhàn)期間首次用于分析雷達(dá)有效性。在早些時(shí)候雷達(dá)，有時(shí)很難從飛機(jī)上分辨出一只鳥。英國人率先使用 ROC 曲線來優(yōu)化他們依賴?yán)走_(dá)進(jìn)行判別的方式在來襲的德國飛機(jī)和鳥類之間。

AUC(area under the curve)是機(jī)器學(xué)習(xí)領(lǐng)域中一種常見且重要的模型評(píng)估指標(biāo)，用于計(jì)算二元分類器效率的方法。AUC表示ROC(receiver operator characteristic)曲線下的面積，即AUC?= ROC 曲線下面積。

sensitivity=黑色豎線右邊紅色像素面積/紅色像素總面積

false positive=黑色豎線右邊綠色像素面積/藍(lán)色像素總面積

當(dāng)我們對(duì)不同的閾值進(jìn)行遍歷時(shí)，產(chǎn)生的 (假陽率, 真陽率) 坐標(biāo)點(diǎn)也就可以連成ROC曲線，進(jìn)而求得曲線下面積AUC。

K-S值

在完成一個(gè)模型后，將測試模型的樣本平均分成10組，以好樣本占比降序從左到右進(jìn)行排列，其中第一組的好樣本占比最大，壞樣本占比最小。將KS檢驗(yàn)應(yīng)用于信用評(píng)級(jí)模型主要是為了驗(yàn)證模型對(duì)違約對(duì)象的區(qū)分能力，通常是在模型預(yù)測全體樣本的信用評(píng)分后，將全體樣本按違約與非違約分為兩部分，然后用KS統(tǒng)計(jì)量來檢驗(yàn)這兩組樣本信用評(píng)分的分布是否有顯著差異。

GINI系數(shù)

使用洛倫茨曲線，可以描述預(yù)期違約客戶的分布。

基尼系數(shù)常用于統(tǒng)計(jì)宏觀經(jīng)濟(jì)的貧富差距。例如將一個(gè)國家所有的人口按最貧窮到最富有進(jìn)行排列，隨著人數(shù)的累計(jì)，這些人口所擁有的財(cái)富的比例也逐漸增加到100%，按這個(gè)方法得到圖中的曲線，稱為洛倫茲曲線?；嵯禂?shù)就是圖中A/B的比例。可以看到，假如這個(gè)國家最富有的那群人占據(jù)了越多的財(cái)富，貧富差距越大，那么洛倫茨曲線就會(huì)越彎曲，基尼系數(shù)就越大。

基尼系數(shù)顯示的是好客戶的比例（累計(jì)），而不是所有客戶。它顯示了模型與隨機(jī)模型相比具有更好分類能力的程度。它也被稱為基尼指數(shù)?；嵯禂?shù)可以取-1 到1 之間的值。負(fù)值對(duì)應(yīng)于分?jǐn)?shù)含義相反的模型。

下面看基尼系數(shù)的計(jì)算步驟：

在ROC圖中，GINI=A/(A+B)=A/C=(A+C)/C-1=AUC/C-1

其中，C=1/2 所以，GINI=2AUC-1

《python信用評(píng)分卡建模（附代碼）》教程中訓(xùn)練模型AUC為0.929，具體模型性能如下：

model accuracy is: 0.9406307593547452

model precision is: 0.9060132575757576

model sensitivity is: 0.6077497220898841

f1_score: 0.7274973861800208

AUC: 0.9290751730536397

good classifier

gini 0.8581503461072795

ks value:0.7107

遠(yuǎn)超互聯(lián)網(wǎng)give me some credit數(shù)據(jù)集建模論文的模型性能AUC 0.85。

八、評(píng)分卡誕生

模型根據(jù)邏輯回歸的變量系數(shù)和WOE值來生成評(píng)分卡。評(píng)分卡方便業(yè)務(wù)解釋，已使用幾十年，非常穩(wěn)定，深受金融行業(yè)喜愛。其方法就是將Logistic模型概率分轉(zhuǎn)換為300-900分的標(biāo)準(zhǔn)評(píng)分的形式。國內(nèi)絕大多數(shù)信用評(píng)分卡都效仿的美國FICO分?jǐn)?shù)。

FICO 分?jǐn)?shù)為 800 或以上的個(gè)人具有特殊的信用記錄。信用評(píng)分高的人很可能多年來擁有多項(xiàng)信用額度。他們沒有超過任何信用額度，并及時(shí)還清了所有債務(wù)。

中高 700 分的 FICO 分?jǐn)?shù)是不錯(cuò)的分?jǐn)?shù)。得分在此范圍內(nèi)的個(gè)人明智地借貸和消費(fèi)并及時(shí)付款。這些人，例如 800 歲以上的人，往往更容易獲得信貸，并且通常支付的利率要低得多。

最常見的分?jǐn)?shù)介于 650 和 750 之間。雖然分?jǐn)?shù)在此范圍內(nèi)的個(gè)人信用相當(dāng)好，但他們可能會(huì)延遲付款。這些人通常不會(huì)很難獲得貸款。但是，他們可能需要支付略高的利率。

最后一個(gè)要考慮的實(shí)際范圍是 599 或更低的分?jǐn)?shù)。它們被認(rèn)為信用評(píng)分不佳，通常是由于多次延遲付款、未能償還債務(wù)或已轉(zhuǎn)到收款機(jī)構(gòu)的債務(wù)所致。擁有此類 FICO 分?jǐn)?shù)的個(gè)人通常很難（如果不是不可能的話）獲得任何形式的信用。

如下圖， FICO信用分在very poor300-579分的占比最低，只有17%；good670-739分的占比最高，達(dá)到21.5%。

《python信用評(píng)分卡建模（附代碼）》中評(píng)分卡生成有詳細(xì)章節(jié)講解，包括PDO，theta0,P0,A,B,odds,woe,iv等專業(yè)術(shù)語有完全解讀。?

九.評(píng)分卡自動(dòng)評(píng)分系統(tǒng)

我們通過上面基礎(chǔ)，可以生成自動(dòng)化評(píng)分系統(tǒng)，對(duì)每個(gè)申請(qǐng)單用戶生成好壞客戶真實(shí)標(biāo)簽，好壞客戶預(yù)測標(biāo)簽，壞客戶概率值，拉伸評(píng)分。

根據(jù)信用評(píng)分卡方法，我們可以建立計(jì)算機(jī)自動(dòng)信用化評(píng)分系統(tǒng)。美國傳統(tǒng)產(chǎn)品FICO有類似功能，F(xiàn)ICO底層語言是Java。目前流行Java，python或R多種語言構(gòu)建評(píng)分卡自動(dòng)化模型系統(tǒng)。如果數(shù)據(jù)量大，建立自動(dòng)信用化評(píng)分系統(tǒng)并非易事，需要專業(yè)團(tuán)隊(duì)不斷測試和更新。python或R是開源語言，包定期升級(jí)，如果沒有專業(yè)團(tuán)隊(duì)維護(hù)，該系統(tǒng)在將來會(huì)出現(xiàn)嚴(yán)重問題。

十.模型監(jiān)控

著時(shí)間推移，模型區(qū)分能力，例如ks,auc會(huì)逐步下降，模型穩(wěn)定性也會(huì)發(fā)生偏移。我們需要專業(yè)模型監(jiān)控團(tuán)隊(duì)，當(dāng)監(jiān)控到模型區(qū)分能力下降顯著或模型穩(wěn)定性發(fā)生較大偏移時(shí)，我們需要重新開發(fā)模型，迭代模型。模型監(jiān)控團(tuán)隊(duì)?wèi)?yīng)該每日按時(shí)郵件發(fā)送模型監(jiān)控報(bào)表給相關(guān)團(tuán)隊(duì)，特別是開發(fā)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)。

模型監(jiān)控的ks指標(biāo)，當(dāng)模型ks低于0.2時(shí)，模型區(qū)分好壞客戶能力幾乎沒有作用，需要重新迭代模型。

模型監(jiān)控的bad?rate指標(biāo)，當(dāng)bad?rate突然升高時(shí)，領(lǐng)導(dǎo)會(huì)非常緊張，這意味著大量貸款收不回成本。

模型監(jiān)控的PSI指標(biāo)，當(dāng)PSI高于0.25時(shí)，暗示模型極不穩(wěn)定，需要重新迭代。

模型監(jiān)控與模型效果評(píng)測一樣，也是從兩個(gè)方面去監(jiān)控，一是有效性，主要看過件樣本在后續(xù)的逾期表現(xiàn)，這種逾期不需要和建模樣本那么嚴(yán)格，可以放松一些。二是穩(wěn)定性，同樣是變量穩(wěn)定性和模型穩(wěn)定性，評(píng)測的方式與模型效果評(píng)價(jià)部分類似。監(jiān)測可以分為前端、后端監(jiān)控。

（1）前端監(jiān)控，授信之前，別的客戶來了，這個(gè)模型能不能用？

長期使用的模型，其中的變量一定不能波動(dòng)性較大。

比如，收入這個(gè)指標(biāo)，雖然很重要，但是波動(dòng)性很大，不適合用在長期建模過程中。如果硬要把收入放到模型之中，可以改成收入的百分位制（排名）。

（2）后端監(jiān)控，建模授信之后，打了分?jǐn)?shù)，看看一年之后，分?jǐn)?shù)是否發(fā)生了改變。

主要監(jiān)控模型的正確性以及變量選擇的有效性。出現(xiàn)了不平滑的問題，需要重新考慮

總結(jié)

基于Python的信用評(píng)分卡模型主要流程就為大家介紹到這里，但實(shí)操評(píng)分卡建模中有很多細(xì)節(jié)，互聯(lián)網(wǎng)上對(duì)這些細(xì)節(jié)描述過于草率甚至不正確。例如變量缺失率達(dá)到80%-90%就應(yīng)該直接刪除該變量嗎？變量相關(guān)性高達(dá)0.8就可以去掉嗎？經(jīng)驗(yàn)豐富建模人員需要在數(shù)學(xué)理論，業(yè)務(wù)線實(shí)際需求，計(jì)算機(jī)測試結(jié)果等多方面找到平衡點(diǎn)，而不是只從一個(gè)角度思考問題。這就像經(jīng)驗(yàn)豐富外科醫(yī)生并不一定完全遵循教科書的理論。統(tǒng)計(jì)學(xué)，機(jī)器學(xué)習(xí)，人工智能等領(lǐng)域里有很多爭議地方，并非有完全統(tǒng)一共識(shí)。各位在學(xué)習(xí)時(shí)要保持獨(dú)立思考能力，這樣才能不斷優(yōu)化數(shù)據(jù)科學(xué)知識(shí)。

基于Python的信用評(píng)分卡模型-give me some credit就為大家介紹到這里了，歡迎各位同學(xué)報(bào)名<python金融風(fēng)控評(píng)分卡模型和數(shù)據(jù)分析微專業(yè)課>,學(xué)習(xí)更多相關(guān)知識(shí)。

版權(quán)聲明：文章來自公眾號(hào)(python風(fēng)控模型),未經(jīng)許可，不得抄襲。遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明