本文是基于书籍《信用风险评分卡研究》学习总结，此篇为提纲，后续会针对每一部分详细介绍
标准评分卡
- 申请评分卡（A卡）
侧重贷前，在客户获取期，建立信用风险评分，预测客户带来违约风险的概率大小。
- 行为评分卡（B卡）
侧重贷中，在客户申请处理期，建立申请风险评分模型，预测客户开户后一定时期内违约拖欠的风险概率。
- 催收评分卡（C卡）
侧重贷后，在帐户管理期，建立催收评分模型，对逾期帐户预测催收策略反应的概率。
1.问题准备
明确业务要解决的问题，确定模型的评价指标和数据来源
2.数据获取和整合
将杂乱的数据处理为模型所需格式
- 变量类型
原始变量，衍生业务指标（有业务含义），分析变量（缺少明确的含义、但预测能力高）
- 建模视图
- 具体包括：ID标识，候选自变量，描述变量，报告变量，违约状态字段。
- 从分析角度包括：名义变量（分类变量），顺序变量（有序分类变量），连续变量。
此部分是建模所需数据汇总，但可能只有一部分数据会最终使用。
- 数据来源
人口统计学特征、征信机构数据和外部数据、交易记录等，实际需根据业务确定
- 数据校准、合并、整合、检验
对数据的业务真实性作校验，对不同来源数据作整合，并检验数据的完整性
3.EDA（探索性数据分析）
- 描述性统计（单变量统计：均值、方差、众数、四分位数等）
- 评估变量值的分布和检验正态假设
- 极端值的识别和处理
- 缺失值的计算和处理
- 关键变量列联表统计量计算（卡方统计量）
- 变量间相关性和关联性指标计算（皮尔逊相关系数、斯皮尔曼相关系数、基尼方差等）
通过以上的数据分析筛选出一部分可以入模型的变量。
4.数据准备
这部分是评分卡模型一些特有的处理方法，目的是为了增加变量的预测能力。
- 降低基数，对于类别数较多的名义变量，合并部分类别。
- 将连续变量分段（最优分段：决策树算法），进行证据权重转换（woe）
- 抽样和权重转换（随机抽样、均衡抽样、分层抽样）
5.建模和变量选择方法
- 模型算法：Logistic算法
- 变量选择：正向选择，逆向选择，逐步选择，最优得分统计模型。
评分卡模型需要可解释，所以目前业内大部分采用Logistic算法，后续会详细介绍。
6.模型评估
- 要求：精准性，稳健性，有意义
- 评估方法：混淆矩阵，洛伦兹曲线，K-S曲线，ROC曲线。
通过这些方法判断模型好坏，最后再整体考虑选择最优变量和模型，这是一个平衡的过程。
7.评分卡实施和报告
在模型调优完成后就需要在业务中应用，对每一位客户评分，并设置评分的临界水平，通过评分判断是否放贷，贷款金额、贷款利率等。
根据评分卡在实际业务中的表现，制作实施前报告和实施后报告，并根据客户群体和市场的变化评估模型的稳定性，不定期调整模型。
8.拒绝演绎
目前申请评分卡所研究的数据并不是从申请总体中随机选择的，而只是从过去已经通过审批的账户中选择的，因此将模型用于所有的群体隐含着对被拒绝用户的忽视，所以，在建立评分卡时将被拒绝这部分用户进行演绎加入到模型数据集中，这种方法被称为拒绝演绎。
在信用评分领域，并不是所有人都认同拒绝演绎的价值和有效性，这仍是一个有争议的话题，所以本文并不把这部分作为重点介绍。
以上是信用评分卡的整体流程简介，书中主要使用sas完成开发，在后续对每一部分做详细拆解中会侧重使用python。
人生苦短，我用python。
