智能风控体系之divergence评分卡简介

评分卡模型的出现据说最早是在20世纪40年代，Household Finance and Spiegel和芝加哥邮购公司第一次尝试在贷款决策过程中使用信用评分.但是这两家公司都终止了这项业务。后来，在20世纪50年代末，伊利诺伊州的美国投资公司（AIC）聘请两位数学家比尔·法尔（Bill Fair）和厄尔·艾萨克 （Earl Isaac）通过审查一个小型贷款样本（其中一些支付信用良好，其中一些较差）来确认是否可以获得可用的数据模型。我们通常见到的银行内的风险模型通常是基于逻辑回归开发的，在美国开发的fico score是基于divergence算法开发。

▍FICO最大化分离度(Divergence)评分模型开发

采用了FICO Model Builder专利的最大化分离度(Divergence)算法去开发评分模型，通常除了分析每个变量的IV之外，还需要分析/检查每个变量的MC(Marginal Contribution-边际贡献度)。按照费埃哲的60年的经验般变量的MC小于0.001会不予考虑选为模型变量，同时比较每个变量选入和选出模型对应总体模型表现(好坏区分度Divergence)的影响，最终选出最优的变量组合，形成评分模型。

最大分离度算法假设好用户的评分和坏用户的评分服从两个不同的正态分布，然后最大化两个分布的差异。这个假设和优化目标都非常直观且符合逻辑。正常的建模完成后，好用户和坏用户的评分基本都长下图的样子，两个分布越是分离的远，模型ks值越高。