一篇入门之-小贷评分卡小白到入门-长文（含原理讲解、代码实现等）

评分卡是小贷风控中一种基于逻辑回归的的模型，它以卡表的形式对用户质量进行评分。评分卡一般分为A卡(申请评分卡)、B卡(行为评分卡)、C卡(催收评分卡)、F卡(欺诈评级评分卡)。本文讲解评分卡的原理，以及如何使用python实现一个评分卡。

一、什么是评分卡

1.1.什么是评分卡

评分卡，一般是指用于小贷客户质量评分的评分卡表。评分卡利用历史客户数据，分析出有效的特征(变量)，并对变量对行分组(离散化)，然后使用逻辑回归模型确定每个变量的权重和基础阈值。最后根据阈值、权重，确定基础分数和每个每个各个分组的分数。评分卡样式如下：

在来了新用户后，根据以上卡表，算出用户最终的评分。

1.2. 评分卡的种类

针对评分的使用不同场景，评分卡一般分为A、B、C、F卡。
A卡(Applicationscorecard,申请评分卡)使用申请时的数据建立评分卡，一般用于审批放款。
B卡(Behaviorscorecard,行为评分卡)加入贷后还款等行为数据，一般用于借贷中的客户的授信等等。
C卡(Collectionscorecard,催收评分卡)使用贷后还款行为数据，一般用于逾期用户的催收。
F卡(Fraudscorecard，欺诈评级评分卡)作用于申请阶段，针对欺诈客户的判断。
使用得最多的是A卡，它是业务的最前端，也是借贷业务的关键。

二、评分卡-原理介绍

2.1. 评分卡原理介绍

评分卡的整个建模过程共4步，如下：

1.建模数据准备
数据准备主要是建模之前，对原始数据进行分箱与变量分析
筛选出与客户质量相关的变量，作为建模的输入特征
2.建模
(1)数据预处理：归一化，并预留测试数据
(2)用逐步回归选出尽量少的特征(同时保持建模效果)
(3)训练逻辑回归模型
(4)检验AUC是否达标，并检查系数是否都为正
3.制作评分卡
制作评分卡也俗称“模型转评分”
将3中得到的逻辑回归模型，制作成评分卡表
4.确定评分阈值
确定生产上判定为坏客户的分数阈值
当分数低于该阈值时，就拒绝客户

上述流程仅供参考，它涉及的细节有许多，这里我们不展开讲述，因为我们借助评分卡包来实现并不需要过分的涉及每一个细节。
相关细节可参考《老饼讲解-评分卡教程》

三、评分卡-实例讲解

这里我们使用bbbrisk评分卡包来实现评分卡，如果python里没有bbbrisk包，可以通过pip来安装。

pip install bbbrisk

3.1. 评分卡-数据介绍

bbbrisk包的bloan小贷数据共包含10个变量与客户好坏标签，数据包含的10变量和标签如下：

数据共2万条，示例如下：

评分卡模型的目标是，依据客户特征数据(10个变量)，判断客户是否坏客户(is_bad).，根据客户的特征数据，对客户进行评分，客户质量越好，评分越高。
评分卡最终需要输出两样最基本的东西：
1.评分卡表
2.评分阈值
评分表用于计算客户的评分，而评分阈值则用来判断客户是否能通过，例如，评分阈值为650，那么评分为649的用户就会被拒绝。

3.2. 评分卡-变量分箱

在构建评分卡之前，需要先对变量进行分析与分箱，并选择出有效的变量作为建模变量，如果只是粗糙地看一下评分卡的效果，变量的分箱可以使用算法进行自动分箱。但在实际中往往会手动分箱，效果会更加可控。
bbbrisk包提供了bins.autoBin函数来对多个变量进行自动分箱， 具体代码如下：

import  bbbrisk  as br

# 加载数据                                                                     
data = br.datasets.load_bloan()                                      # 加载数据
x = data.iloc[:,:-1]                                                 # 变量数据
y = data['is_bad']                                                   # 标签数据

# 自动分箱
bin_sets  = br.bins.batch.autoBins(x, y,enum_var=['city','marital']) # 自动分箱,如果有枚举变量,必须指出哪些是枚举变量
bin_stats = br.bins.batch.bin_stats(x,y,bin_sets)                    # 统计各个变量的分箱情况
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)             # 美化pandas的显示方式
for var in bin_stats:                                                # 逐个变量打印分箱结果
    print('\n变量'+var+'的分箱结果:\n',bin_stats[var])               # 打印当前变量的分箱统计结果

# 选择iv足够大的变量
select_bin_set = {}                                                  # 初始化选择的变量的分箱
for var,stat in bin_stats.items():                                   # 逐个变量循环
    if (stat['iv'].iloc[-1]>0.1):                                    # 当前变量的iv值是否满足要求
        select_bin_set[var] =  bin_sets[var]                         # 如果满足,则添加到选择池
print('\n iv > 0.1 的变量与分箱结果:\n',select_bin_set)              # 最终选择的变量的分箱

分箱结果如下：

进一步地，代码中统计了样本在各个分箱的分布，如下所示：

…

一般来说，会将iv值太小的变量筛选掉，参见代码里的逻辑。

3.3. 评分卡-建模

在完成变量分箱后，就可以直接使用bbb的评分卡包来构建评分卡，以及打印相关报告，具体代码如下：

import bbbrisk as br

#加载数据                                                                     
data = br.datasets.load_bloan()                                                    # 加载数据
x = data.iloc[:,:-1]                                                               # 变量数据
y = data['is_bad']                                                                 # 标签数据

# 变量的分箱
bin_sets = {
    'rev'     :[[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2],]
    ,'age'    :[[80,'+'],[60,80],[45,60],['-',45]]
    ,'city'   :[('J','E','I'),'_other',('D','N','S'),('F','P')]
    ,'income' :[[1000,5000],[5000,9000],(['-',1000],[20000,'+'],None),[9000,16000],[16000,20000]]
    ,'marital':[1,0,2]
    ,'debrate':[([0,0.1],[850,'+']),([0.1,0.5],[5,850]),([0.5,0.8],0),[0.8,5]]
    ,'due30'  :[0,1,2,(3,4),[4,'+']]
    ,'due60'  :[0,1,2,[2,'+']]
    ,'due90'  :[0,1,[1,'+']]
    ,'loan_num':[[3,'+'],(2,3),1,0]
    }

# 构建评分卡
model,card = br.model.scoreCard(x,y,bin_sets,train_param={'random_state':0})   # 构建评分卡,为了使结果能重现,笔者设置了固定的随机种子 
score      = card.predict(x[card.var])                                         # 用评分卡进行评分
card.featureScore                                                              # 评分卡-特征得分表
card.baseScore                                                                 # 评分卡-基础分

# 打印结果
print('\n-----【 模型性能评估 】----')
print('* 模型训练AUC:',model.train_auc)                                        # 打印模型训练数据集的AUC
print('* 模型测试AUC:',model.test_auc)                                         # 打印模型测试数据集的AUC
print('* 模型训练KS:',model.train_ks)                                          # 打印模型训练数据集的KS
print('* 模型测试KS:',model.test_ks)                                           # 打印模型测试数据集的KS
													                           
print('\n--------【 模型 】---------')                                         
print('* 模型使用的变量:',model.var)                                           # 模型最终使用的变量
print('* 模型权重:',model.w)                                                   # 模型的变量权重
print('* 模型阈值:',model.b)                                                   # 模型的阈值


# 计算阈值表与分数分布图
thd_tb    = br.report.get_threshold_tb(score,y,bin_step=10)                    # 阈值表
br.report.draw_score_disb(score,y,bin_step=10,figsize=(14, 4))                 # 分数分布

代码运行结果如下：

在评分卡建模时，会先用逐步回归筛选变量，减少最终模型使用的变量个数， 如图所示，当添加marital变量时，AUC提升不明显，因此不再添加变量，最终只选择5个变量。
card.featureScore和card.baseScore里分别存放了特征得分与基础分，两者合并后就是最终的评分卡表，如下：

代码中的report.get_threshold_tb用于计算阈值表，report.draw_score_disb则用于绘制分数分布图， 阈值表计算结果如下：

根据阈值表，就可以选择一个合适的阈值，用于判断样本是否能通过，具体方法见《阈值表与评分阈值》，所有样本的分数分布图如下：

这里的横轴代表的是分数起始值，例如610代表[610,620)之间的样本个数，其中绿色是好样本、红色是坏样本。

四、结束语

评分卡的内容比较多，更多的细节可以参考如下教程：
《评分卡-入门教程》
《评分卡-分箱教程》
《bbrisk-API说明》