? ? ? ? 在構(gòu)建評(píng)分卡模型的工作中冬骚，數(shù)據(jù)的預(yù)處理和特征構(gòu)建工作是至關(guān)重要的一步。數(shù)據(jù)預(yù)處理可以有效處理缺失值和異常值，從而增強(qiáng)模型的穩(wěn)健性唉韭。特征構(gòu)建工作可以從數(shù)據(jù)中提煉信息夜涕，形成具有業(yè)務(wù)含義的優(yōu)異特征。

1.評(píng)分卡簡(jiǎn)介

風(fēng)控場(chǎng)景中的評(píng)分卡
o 以風(fēng)險(xiǎn)的形式衡量風(fēng)險(xiǎn)幾率的一種手段
o 是對(duì)未來一段時(shí)間違約属愤、失聯(lián)的概率預(yù)測(cè)
o 預(yù)測(cè)分?jǐn)?shù)有一個(gè)明確的（正）區(qū)間，評(píng)分越高越好
o 數(shù)據(jù)驅(qū)動(dòng)
o 反欺詐酸役、申請(qǐng)住诸、行為、催收評(píng)分卡
非風(fēng)控場(chǎng)景中的評(píng)分卡
o 推薦/營(yíng)銷涣澡、流失評(píng)分卡

1.1申請(qǐng)?jiān)u分卡（application scorecard）

用在貸前審核環(huán)節(jié)贱呐，評(píng)估放貸后是否會(huì)違約的模型。常用特征：個(gè)人信息（性別入桂、年齡奄薇、工作）、央行征信信息（歷史信用記錄）抗愁、申請(qǐng)行為信息（申請(qǐng)產(chǎn)品類型馁蒂、申請(qǐng)渠道）、其他輔助信息（電商蜘腌、運(yùn)營(yíng)商信息）沫屡。

1.2行為評(píng)分卡（behavioral scorecard）

用在貸后監(jiān)控環(huán)節(jié)，做早期預(yù)警工作撮珠。常用特征：貸后還款行為（還款率沮脖、額度）、消費(fèi)行為芯急。通常適用于還款周期長(zhǎng)的產(chǎn)品或者循環(huán)授信類產(chǎn)品勺届。

1.3催收評(píng)分卡（behavioral scorecard）

用在發(fā)生逾期后的管理環(huán)節(jié)，為催收工作提供指導(dǎo)娶耍。催收評(píng)分卡可細(xì)分為預(yù)測(cè)失聯(lián)的失聯(lián)評(píng)分卡免姿，預(yù)測(cè)逾期加重的滾動(dòng)率評(píng)分卡和預(yù)測(cè)催收后的還款率的還款率評(píng)分卡。常用特征：個(gè)人信息伺绽、貸后的還款行為信息养泡、消費(fèi)行為信息、聯(lián)系人信息奈应。
開發(fā)步驟：
1-確定場(chǎng)景澜掩、人群（樣本）定義
2-選取數(shù)據(jù)，清洗數(shù)據(jù)杖挣，特征工程
3-模型構(gòu)建肩榕，參數(shù)估計(jì)
4-性能測(cè)試
5-驗(yàn)證模型，審批模型
6-模型部署
7-持續(xù)線上監(jiān)控
評(píng)分卡常用模型：
1-邏輯回歸：優(yōu)點(diǎn)：簡(jiǎn)單，穩(wěn)定株汉，可解釋筐乳，技術(shù)成熟，易于監(jiān)測(cè)和部署乔妈；缺點(diǎn)：準(zhǔn)確度不高蝙云，不能有缺失值，異常值敏感路召。
2-決策樹：優(yōu)點(diǎn)：易解釋勃刨，數(shù)據(jù)質(zhì)量要求不高，可以處理缺失值股淡；缺點(diǎn)：準(zhǔn)確度不高身隐。
3-組合模型（隨機(jī)森林、gbdt唯灵、xgboost等）：優(yōu)點(diǎn)：準(zhǔn)確度高贾铝，不易過擬合；缺點(diǎn)：不易解釋埠帕，部署相對(duì)困難垢揩，計(jì)算量大。

2.特征構(gòu)建

? ? ? ? 在評(píng)分卡模型的開發(fā)中搞监，特征構(gòu)造是極為關(guān)鍵的步驟水孩，其作用是將分散在不同字段中的信息加以組合，從中提煉出有價(jià)值的琐驴、可用的信息而進(jìn)行評(píng)分卡 模型的開發(fā)俘种。

1.部分常用的特征構(gòu)造方法有：

求和：例如過去一段時(shí)間內(nèi)的每月網(wǎng)購金額的總和
比例：例如申請(qǐng)貸款的月還款本息與月收入的占比
頻率：例如過去一段時(shí)間內(nèi)境外消費(fèi)次數(shù)
平均：例如過去一段時(shí)間內(nèi)平均每次信用卡取現(xiàn)額度

2.好的特征需要具備以下優(yōu)勢(shì)：

穩(wěn)定性高：在人群分布穩(wěn)定，產(chǎn)品營(yíng)銷穩(wěn)定绝淡、宏觀經(jīng)濟(jì)穩(wěn)定宙刘、監(jiān)管政策穩(wěn)定時(shí)，特征的分布要穩(wěn)定
區(qū)分度高：未來違約與非違約的人群在特征分布上要有顯著區(qū)別
差異性大：不能對(duì)全部人群或者絕大部分人群有單一的取值
符合業(yè)務(wù)邏輯：特征與信用風(fēng)險(xiǎn)的關(guān)聯(lián)關(guān)系要符合業(yè)務(wù)邏輯

3.數(shù)據(jù)質(zhì)量檢驗(yàn)與異常處理

1.數(shù)據(jù)集中度

在模型開發(fā)過程中牢酵，數(shù)據(jù)集中度是常見的問題悬包，即在變量中，某單一數(shù)值的占比就占了全部樣本的絕大多數(shù)馍乙。例如在一批訓(xùn)練樣本中布近，學(xué)歷為本科的樣本占了90%，具有極高集中度的字段或者變量丝格，需要按照風(fēng)險(xiǎn)程度進(jìn)行區(qū)分：
（1）“多數(shù)值”與“少數(shù)值”的壞樣本率沒有顯著差別撑瞧。由于包含的信息較少，對(duì)模型開發(fā)沒有太大價(jià)值显蝌，可以直接將字段刪除预伺；
（2）“多數(shù)值”與“少數(shù)值”的壞樣本率有顯著差別，且“少數(shù)值”的壞樣本率低于“多數(shù)值”的壞樣本率，但我們更加關(guān)注風(fēng)險(xiǎn)度高的一組酬诀，“少數(shù)值”并不會(huì)帶來額外的意義脏嚷，可以直接將字段刪除；
（3）“多數(shù)值”與“少數(shù)值”的壞樣本率有顯著差別瞒御，且“少數(shù)值”的壞樣本率高于“多數(shù)值”的壞樣本率父叙，“少數(shù)值”的存在會(huì)帶來較大的收益，保留字段肴裙；

2.數(shù)據(jù)缺失

數(shù)據(jù)缺失度是數(shù)據(jù)質(zhì)量檢驗(yàn)的重要一項(xiàng)高每，主要有兩個(gè)檢驗(yàn)維度：
（1）字段維度，即某個(gè)字段在全部樣本上缺失值個(gè)數(shù)占比践宴；
（2）樣本維度，即某條樣本在所有字段上缺失值的個(gè)數(shù)占比爷怀；
處理方法：
（1）刪除：缺失占比過高
（2）補(bǔ)缺（前提是缺失率不宜過高阻肩，否則會(huì)引入較大偏差）：對(duì)于數(shù)值型，均值法运授、回歸法烤惊；對(duì)于類別型，眾數(shù)法
（3）缺失值作為特殊取值

3.異常值

LR模型對(duì)異常值比較敏感吁朦，需要具體情況具體處理柒室，有時(shí)數(shù)值異常大，會(huì)有業(yè)務(wù)意義逗宜，比如人行征信查詢次數(shù)雄右，查詢過多意味著資金需求高，風(fēng)險(xiǎn)較大

4.數(shù)據(jù)含義一致性

實(shí)際工作中纺讲，原本屬于同一含義的記錄會(huì)有不同的表示形式擂仍，比如：“QQ”與“qq”。

（如有不同見解熬甚，望不吝賜教７暧妗！）