评分卡建模流程

基于Logistic回归的申请评分卡模型开发

基本申请评分卡建模流程：

1.数据准备：收集并整合在库客户的数据，定义目标变量，排除特定样本。

2.探索性数据分析：评估每个变量的值分布情况，处理异常值和缺失值。

3.数据预处理：变量筛选，变量分箱，WOE转换、样本抽样。

4.模型开发：逻辑回归拟合模型。

5.模型评估：常见几种评估方法，ROC、KS等。

6.生成评分卡

1. 数据准备

因为不同评级模型所需要的数据也是不同的，所以在开发信用评级模型之前，要先明确我们需要解决的问题。

1.1 排除一些特定的建模客户

用于建模的客户或者申请者必须是日常审批过程中接触到的，需要排除异常情况。如 欺诈，特殊客户。

1.2 明确客户属性

根据不同的数据来源，可以分为以下几类：

1.人口统计特征：客户的基本特征，如性别，年龄、居住情况、年收入等

2.征信机构数据和外部评分:如人行征信报告、芝麻分等。

3.其他数据来源。

1.3 目标变量的确立

预测模型的一个基本原理是用历史数据来预测未来，申请者评分模型需要解决的问题是未来一段时间（如12个月）客户出现违约（如至少一次90天或90天以上逾期）的概率。先将客户标签定义为二分类，不良/逾期：观察窗口内，观察窗口内，60/90/120天算逾期日期；良好:从未或截止逾期；从未或在观察期内截止逾期

其中关于不良/逾期需要界定以下两项内容：确定违约日期时长、观察窗口期设置。

定违约日期时长

违约时长的确定可以使用逾期转移矩阵来确定

(以上数据纯属虚构)

通过上图可以看出来，M3客户变坏的概率为93%.也就是说当客户逾期超过60天后，被催回的几率为7%。因此，可以定义逾期超过60天的客户为坏客户。

违约窗口期设置——账龄分析

一般情况下巴塞尔协议硬性要求12个月及以上作为窗口期。一般情况下，观察窗口=3-5倍的预测窗口，同时决定信用评等模型开发所需数据期间长度，一般又会从最新资料的留存时点开始推算，利用账龄分析观察目标客户的违约成熟期长度，借此设定观察期长度（预测窗口的时间长度）。比如2017.04开卡的人，第10个月，稳定成熟了，观察窗口时间可以确定为10-12个月；2017.05开卡的人，第11个月，稳定成熟了，观察窗口时间可以确定为11-12个月。

好坏客户标签

通过观察转移矩阵和账龄，我们定义在10-12月逾期超过60天的客户为坏客户。同时第十个月没有发生逾期的客户定义为好客户。那逾期天数在0-60之间的客户怎么定义呢，，比如45天，这样的客户不能简单的将其归为好客户或坏客户，需要暂时将他从模型样本中摘除，将其定义为不确定的客户。

2.数据描述和探索性数据分析

数据准备和数据预处理阶段消耗大量的时间，主要的工作包括数据获取、探索性数据分析、缺失值处理、数据校准、数据抽样、数据转换、离散变量降维、连续变量优先分段等工作。

EDA实施包含以下过程：

描述性统计。

评估每个变量值的分布并检验正态假设

极端值的识别和处理

缺失值的计算和处理

2.1 描述性统计