什么是評分卡（信貸場景中）
以分數(shù)的形式來衡量風(fēng)險幾率的一種手段,對未來一段時間內(nèi)違約/逾期/失聯(lián)概率的預(yù)測
通常評分越高越安全;根據(jù)使用場景分為反欺詐評分卡、申請評分卡、行為評分卡、催收評分卡
為什么要開發(fā)評分卡?風(fēng)險控制的一個環(huán)節(jié)，根據(jù)已有數(shù)據(jù)提供逾期概率指標(biāo)參考
評分卡的特性
穩(wěn)定性
預(yù)測能力
等價于逾期概率
評分卡開發(fā)的常用模型
邏輯回歸
決策樹
基于邏輯回歸的評分卡理論依據(jù)
一個事件發(fā)生的幾率（Odds），是指該事件發(fā)生的概率與該事件不發(fā)生概率的比值。若一個客戶違約概率為p，則其正常的概率為1-p，由此可得：
此時，客戶違約的概率p可以表示為:?
評分卡表達式為：?
其中A、B為常數(shù)。由于log函數(shù)在(0→+∞)單調(diào)遞增，所以當(dāng)用戶違約幾率Odds越大時，Score評分越低。
通過給定?
（1）某特定Odds時的Score值S0；?
（2）該特定Odds值翻倍時Score增加值PD0;?
通過給定值S0與PD0帶入評分卡表達式，可求得A、B。?
通過以上分析，求該用戶評分Score的問題則轉(zhuǎn)化為求用戶違約對數(shù)幾率log(Odds)的問題。?
依照二元邏輯回歸構(gòu)造預(yù)測函數(shù)
其中hθ(x)表示結(jié)果取1的概率。?
推倒可得該事件的對數(shù)幾率log(Odds)如下：?
可以發(fā)現(xiàn)：在邏輯斯蒂回歸模型中，輸出Y=1的對數(shù)幾率是輸入條件x的線性函數(shù)。?
回到信貸業(yè)務(wù)中?
目標(biāo)：尋找最理想的參數(shù)估計θ使得模型預(yù)測的概率相對已有樣本最準(zhǔn)確。?
方法：損失函數(shù)最小化求得θ?
邏輯回歸的損失函數(shù)為對數(shù)損失函數(shù)（具體可由極大似然估計推倒）：?
變量篩選
單變量:歸一化，離散化，缺失值處理
多變量：降維，相關(guān)系數(shù)，卡方檢驗，信息增益。決策樹等。
這里講一種行業(yè)經(jīng)常用的基于IV值進行篩選的方式。
首先引入概念和公式。
IV的全稱是Information Value，中文意思是信息價值，或者信息量。
求IV值得先求woe值，這里又引入woe的概念。
WOE的全稱是“Weight of Evidence”，即證據(jù)權(quán)重。首先，需要確定變量之間是否存在共線性，若存在高度相關(guān)性，只需保存最穩(wěn)定、預(yù)測能力最高的那個。需要通過 VIF(variance inflation factor）也就是 方差膨脹因子進行檢驗。
變量分為連續(xù)變量和分類變量。在評分卡建模中，變量分箱（binning）是對連續(xù)變量離散化（discretization）的一種稱呼。要將logistic模型轉(zhuǎn)換為標(biāo)準(zhǔn)評分卡的形式，這一環(huán)節(jié)是必須完成的。信用評分卡開發(fā)中一般有常用的等距分段、等深分段、最優(yōu)分段。
單因子分析，用來檢測各變量的預(yù)測強度，方法為WOE、IV；
分組一般原則
組間差異大
組內(nèi)差異小
每組占比不低于5%
必須有好、壞兩種分類
例如按年齡分組，一般進行分箱，我們都喜歡按照少年、青年、中年、老年幾大類進行分組，但效果真的不一定好：
根據(jù)IV值可以看出，預(yù)測能力低，建議重新調(diào)整分箱。
先進行數(shù)據(jù)劃分，一般70%訓(xùn)練集、30%測試集。訓(xùn)練集用于訓(xùn)練模型，測試集用于檢測訓(xùn)練后的模型。
一般采用Logistic Regression建立模型，訓(xùn)練模型。將建好的模型對待測樣本進行預(yù)測。
評分卡
odds為good用戶概率（p）與bad用戶概率（1-p）的比值。
分值分配
在實際的應(yīng)用中，我們會計算出每個變量的各分箱對應(yīng)的分值。新用戶產(chǎn)生時，對應(yīng)到每個分箱的值，將這些值相加，最后加上初始基礎(chǔ)分，得到最終的結(jié)果。
如果用戶某個變量發(fā)生改變，由一個分箱變成另一個，只需將更新后所在分箱的值做替換，再重新相加即可得到新的總分。
我們都知道，假設(shè)模型結(jié)果為p，根據(jù)Logistic Regression計算公式有：
以上步驟都完成后，假如新產(chǎn)生一個用戶，我們只需將此用戶每個變量對應(yīng)到各分箱中得到其對應(yīng)的WOE值，再根據(jù)上面的公式計算出這個樣本在每個變量下的分數(shù)。最后將所有變量對應(yīng)的分數(shù)相加，即為最終評分結(jié)果。
最后說一下，特征選擇方面，并不是維度越多越好。一個評分卡中，一般不超過15個維度?？筛鶕?jù)Logistic Regression模型系數(shù)來確定每個變量的權(quán)重，保留權(quán)重高的變量。通過協(xié)方差計算的相關(guān)性大于0.7的變量一般只保留IV值最高的那一個。
參考資料:https://blog.csdn.net/sscc_learning/article/details/78591210
? ? ? ? ? ? ? ? ?https://blog.csdn.net/htbeker/article/details/79697557
