催收评分卡实战

 　催收评分卡分为滚动率模型、还款率模型和失联模型，市面上介绍C卡的模型较少，本人将收集到的贷后催收评分卡的视频教程整理列举如下：

1. 小象学院金融信贷评分卡中的机器学习模型第七课
   https://www.bilibili.com/video/BV1pJ411y7yA?p=7
2. 番茄风控大数据催收评分卡(推荐)
   https://www.bilibili.com/video/BV1ZE411V7Mk/

观察期和表现期

 　本次催收评分卡是M1滚动率模型，即预测当前处于M1状态的用户在本周期内回收(出催)的概率。

 　贷后催收评分卡需要不断积累建模样本，所以前期通常会制定一些贷后缓催策略，后期积累了一定样本之后再用评分卡来实现更精细化的切分。关于催收评分卡的观察期和表现期，大致有以下3种做法（假定观察期为6个月，表现期为2个月）：

第一种：锁定观察期
 　观察期为放款之后的前6个月，表现期为第7、8个月，也就是将mob账龄锁定。这种方法的观察点为第六期期末的时间，会因为放款月的不同在不断移动，但是观察期+观察点为账龄的前6期。
一般C卡要包含完整的年度数据，即观察点至少需要包含3月、6月、9月、12月四个时间节点，因此这种情况下至少要有18个月的样本数据。

第二种：锁定表现期
 　表现期锁定为某两个月，比如2020年3月和4月。建模样本则为截止2020年3月账龄大于6期的所有样本。放款月越早，观察点所处的mob就越大。观察期可以取最近6期，也可以取2020年3月之前的所有账期。

第三种：观察期和表现期都在移动
 　这种方法就是将每一个订单6期之后的数据按账单日拆分成多条，比如一个用户的还款表现为"FFFFFF1212"，那么入模的样本就会有"FFFFFF12"和"FFFFFF1212"两条。前面一条的观察期为前6期，表现期为第7、8期；后一条观察期为前8期，表现期为第9、10期，以此类推。这种方法可以扩充建模样本数量，但是X变量的衍生会比较复杂。

本文将采用第三种方法进行评分卡制作，第三种方法的难点在于X变量的衍生。

数据集划分

 　数据集划分为训练集、测试集、跨时间验证集（5:3:2）。训练集进行模型训练，如果需要进行调参的话还需要对训练集进行切分，划分成训练集和验证集。测试集用于查看模型的泛化能力。跨时间验证集则是监控随着时间变化对模型的预测效果产生的影响。
这里注意一点，分箱的过程应该是基于训练集进行，然后将跨时间验证集的数据根据分箱结果进行映射。之前为了省事直接在数据集上进行分箱，然后再根据放款月份取训练集和跨时间验证集，这样会造成模型过拟合。

变量选取

 　贷后催收评分卡常用到的变量有催收行为数据、逾期行为数据、历史还款数据、客户档案数据以及第三方数据。

催收行为数据：

历史还款数据：

客户档案数据：

第三方数据：

 　以上是番茄风控老骑士的催收评分卡课程中用到的变量，仅供参考。

 　以下是结合公司实际数据情况，用到的评分卡变量，主要用到mob表和还款计划表，基于这两张表进行变量的衍生。

 　特征衍生是催收评分卡制作过程中的重中之重了，一般会衍生很多时间切片变量，反映借款人最近一段时间内的还款能力和意愿。相对于前两种观察期和表现期的取法，一种是固定账龄mob，一种是固定表现月，这两种方法取时间切片变量的时候都相对比较容易。如果是观察期和表现期都不固定的这种，特征衍生的过程会复杂一点。

时间切片变量衍生

 　首先，会计算出截止每一期的账单日的还款历史状态。大概情况如下：

 　对每一行的repayment_history取长度等于mob的位数就可以得到当期的还款历史字段，然后就可以继续衍生当期而言的近3期、近6期的逾期行为变量。这里只能衍生逾期状态的行为变量，如果需要衍生逾期天数的行为变量，需要根据还款计划表进行计算。

 　首先，根据还款计划表计算每一期的逾期天数，如果至今未还的话就用当前时间代替。然后衍生一个类似于还款历史的字段，只不过是逾期天数组合成的字段。后面的操作就和逾期状态的处理一样了。

 　同理，还款金额的时间切片变量也可以这样衍生。

# 生成逾期天数的List
overdue_dict=(df_all.groupby('app_id')['overdue_days'].apply(lambda x:list(x))).to_dict()
df_all['overdue_days_list']=df_all['app_id'