《Credit Risk Scorecard》第八章： Scorecard Implementation

最新推荐文章于 2020-11-12 10:19:13 发布
最新推荐文章于 2020-11-12 10:19:13 发布
阅读量2.1k 收藏 2
点赞数
分类专栏： 机器学习 风控
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/hero_fantao/article/details/68927194
版权
本文聚焦《Credit Risk Scorecard》第八章，讲解评分卡的实施阶段，涵盖开发后期的分析流程与关键步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

范涛
发表于2017-03-31

第八章： Scorecard Development Process, Stage 6: Scorecard Implementation


这章主要涉及开发后期的分析和处理，主要涉及三个方面：

（1） 理解评分卡实现的一些分析（比如稳定性分析）和和商业考虑； 
（2）理解评分卡和管理报告如何应用？
（3） 基于评分卡模型策略制定。

Preimplementation Validation

System Stability Report （稳定性分析）
模型稳定性一般通过PSI（population   stability index）指数来衡量，指数越低，模型稳定性越好。一般比较开发样本和外部样本分布来计算模型稳定性。公式如下：

最低0.47元/天 解锁文章
Awesome R：资源汇总
AI拉呱，专注于人工智与网络安全方面的研究，关注一起学习。
06-17 2968
Awesome R Awesome R 2020 2019 2018 Integrated Development Environments Syntax Data Manipulation Graphic Displays Html Widgets Reproducible Research Web Technologies and Services Parallel Computing High Performance Language API Database Management Machine
模型监控psi_PSI和CSI：前2个模型监控指标
weixin_26752765的博客
09-06 2162
模型监控psi 建模基础 (Modeling Fundamentals) Once a model has been put into PROD (production), regular monitoring is required to make sure that the model is still relevant and reliable. I have written a post ...
《Credit Risk Scorecards》读书笔记
hero_fantao的专栏
03-31 3402
因为有些相关工作原因，之前把《Credit Risk Scorecards》这本英文原著好好看下了，也做了些笔记。这本书基本整个信用风险评分卡模型构建流程都说了下，相当详细。 十分值得阅读和参考。在读这本书的时候，我顺便也搜集了一些这个领域相关其他资料，补充到笔记中。 近期，准备把其中有价值的笔记放在博客上，算作个备忘录吧，也方便讨论和交流。 下面贴个这本书封面
《Credit Risk Scorecard》第四章：Data Review and Project Parameters
hero_fantao的专栏
03-31 3169
一： data avaliablity and quality 数据获取，数量和质量，可靠和干净的数据是需要的。 数据数量需要满足多样性，统计显著和随机。 具体数量大小，目前不是关键，依赖坏样本定义。 对于申请评分卡（application scorecard），俗称A卡，需要包含拒绝的样本。通过拒绝推断（reject inference）技术去推断拒绝样本中好样本和坏样本。 数据源
《Credit Risk Scorecard》第五章： Development Database Creation
周红伟讲AI
05-24 276
第五章：Scorecard Development Process, Stage 3: Development Database Creation Selection of Characteristics 特征选择需要考虑：（1）有预测能力； （2）可靠并且鲁棒性； （3）易于收集； （4）可解释性； Sampling Development/Validation： 样本划分为训练集和测试集。这种常用的方法，交叉验证，跨时间窗验证等。 Good/Bad/Reject： 常见的开发样...
A COMPLETE GUIDE TO CREDIT RISK MODELLING
平平淡淡，戒急用忍，一生学闭嘴。
08-06 5982
This article explains basic concepts and methodologies of credit risk modelling and how it is important for financial institutions. In credit risk world, statistics and machine learning play an important role in solving problems related to credit risk. ...
PMP中英文术语对照
不怂，不弱，不退缩，厚积薄发
07-19 1万+
ABC|参见Activity Based Costing ABM|参见Activity Based Management Abstract Resource|抽象资源 Abstraction|抽象 AC|实际费用 Acceleration|加速 Acceptability Criteria|验收标准 Acceptable|可接受的 Acceptable Quality Level|(AQL) 可接受质量水平 Acceptance|验收 Acceptance Criteria|验收标准 Acceptance
德国信贷数据集GermanCredit
05-03
我们将会使用在信用评级建模中非常常用的德国信贷数据（German credit dataset）作为建模的数据集。德国信贷数据共有1000条数据，每条数据20个特征。这些特征包括AccountBalance（Checking账户余额）、Duration (Duration of Credit in month 借款期限）、Paymentstatus（还款记录）等。 其中比较难以理解的指标是Instalmentpercent，其代表着 Installment rate in percentage of disposable income （分期付款占可支配收入的百分比）。
SCORECARDS.py 全自动分箱逻辑回归制作评分卡
09-19
链接: https://pan.baidu.com/s/1BLo62Y3i3WLEWBTm2ndE-Q 提取码详见附件。 来自网络分享于网络，仅供交流请不要用于商用。 ########################################################################################################## # SCORECARDS.py 全自动分箱逻辑回归制作评分卡 # # AUTHOR. S.ivannov # # REMARK: 1、源数据首列target为样本违约情况，1是BAD，0是GOOD ； # # 2、计算WOE前使用Kmeans聚类算法进行样本自动分箱,WOE本质是度量自变量每箱的违约数量占比ln量化，# # WOE越大则违约概率越大; # # 3、针对样本依次进行IV值（度量单一自变量对违约情况的ln量化---每箱加权和）、 # # person、VIF方法的自变量筛选，选取最优自变量因子组合; # # 4、针对样本优化选定的自变量因子组合进行逻辑回归、取得模型截距、刻度、自变量系数等常量； # # 5、生成评分卡模型、对验证集进行算分、预测； # ##########################################################################################################
german_credit_data
12-27
德国信贷数据（German credit dataset）为信用评级建模中非常典型的数据。共有1000条数据，每条数据20个特征。本数据从github.com上下载的，原汁原味~
german credit data
11-29
互联网上经常被用来研究信用风险评级模型的加州大学机器学习数据库中的german credit data
加州大学机器学习数据库中的german credit data
06-06
互联网上经常被用来研究信用风险评级模型的加州大学机器学习数据库中的german credit data
《Credit Risk Scorecard》 第六章: Scorecard Development
hero_fantao的专栏
03-31 6017
第六章：Scorecard Development Process, Stage 4: Scorecard Development 开发流程： 对于申请评分卡（A 卡）来说，下面是整个开发流程。对于行为评分卡（B卡）来说，除了没有拒绝推断外，基本是一样的。 Explore Data ： 数据收集和处理相关的。之前章节已经提到过 Missin
信用评分卡 (part 1 of 7)
fulk6667g78o8的专栏
11-12 541
时值蚂蚁上市之际，马云在上海滩发表演讲。马云的核心逻辑其实只有一个，在全球数字经济时代，有且只有一种金融优势，那就是基于消费者大数据的纯信用！ 我们不妨称之为数据信用，它比抵押更靠谱，它比担保更保险，它比监管更高明，它是一种面向未来的财产权，它是数字货币背后核心的抵押资产，它决定了数字货币时代信用创造的方向、速度和规模。一句话，谁掌握了数据信用，谁就控制了数字货币的发行权！ 数据信用判断依靠的就是金融风控模型。更准确的说谁能掌握风控模型知识，谁就掌握了数字货币的发行权！信用评分卡是风控模型中最常见的模.
信用评分卡模型
.
09-12 4233
信贷风险是指借款人因偿还贷款或履行合同承诺而破产而产生损失的可能性。传统上，它与贷款人无法偿还所欠利息和本金、影响现金流和增加装配成本所产生的风险有关。很难准确预测谁会违约。尽管如此，适当的评估和风险管理可以通过减少损失的严重程度，帮助您显著降低此类信贷风险。个人信用风险当任何贷款人发放贷款（如抵押贷款、信用卡或其他类似贷款）时，存在借款人可能无法偿还贷款金额的可避免风险。此外，如果一家公司向客户提供此类信贷，客户也会面临同样的风险，即客户不会偿还。
Scorecard 评分卡模型
热门推荐
textboy的专栏
07-20 4万+
公式 woe=ln(odds)，beita为回归系数，altha为截距，n为变量个数，offset为偏移量（视风险偏好而定），比例因子factor。   总评分。或去掉负号。   Logistic Regression with Weight of Evidence   比例因子和偏移量为： 令好坏比为50，对应的评分为600；在些基础上评分值增加20分，e
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值