在金融風(fēng)控領(lǐng)域彭雾，無(wú)人不曉的應(yīng)該是評(píng)分卡碟刺，美國(guó)fico公司算是評(píng)分卡的始祖，始于 20世紀(jì)六十年代薯酝， 評(píng)分卡大致20世紀(jì)末傳入我國(guó)半沽，我能看到國(guó)內(nèi)較早關(guān)于評(píng)分卡的講解的書(shū)籍是2005出版的爽柒。在中國(guó) 信貸 房貸車(chē)貸 高利貸 普惠金融的滋潤(rùn)下，評(píng)分卡這項(xiàng)對(duì)風(fēng)控有顯著效果的一項(xiàng)技術(shù)浮出水面者填。
簡(jiǎn)單來(lái)理解評(píng)分卡浩村，其實(shí)評(píng)分卡 就是 一個(gè)簡(jiǎn)單的決策樹(shù)，不過(guò)葉子節(jié)點(diǎn)都是數(shù)值占哟，那么根節(jié)點(diǎn)的養(yǎng)料是什么心墅，養(yǎng)料其實(shí)就是你個(gè)人當(dāng)時(shí)最原始的征信信息和個(gè)人信息
你的 收入 學(xué)歷 居住地居住時(shí)間 年齡 家庭人口 是否單身 工齡 現(xiàn)在單位工作時(shí)間
你的存款 你的逾期次數(shù) 你的銀行卡數(shù)量 信用卡數(shù)量 ，信用卡額度 信用卡種類(lèi)榨乎，突然間怎燥，發(fā)現(xiàn)我在申請(qǐng)一些資本主義國(guó)家簽證時(shí)，準(zhǔn)備的材料基本上就是這些谬哀，其實(shí)我們 不管做什么申請(qǐng)刺覆，只要是讓你提供個(gè)人信息資料等等，都可以看做是一個(gè)樸實(shí)的評(píng)分卡模型史煎，只是稍微有點(diǎn)區(qū)別谦屑，本質(zhì)上就是通過(guò)你的申請(qǐng)資料給你打分，及格就通過(guò)申請(qǐng)篇梭，不及格就駁回拒絕氢橙。
那么在互聯(lián)網(wǎng)金融風(fēng)控領(lǐng)域的標(biāo)準(zhǔn)評(píng)分卡又是什么鬼？當(dāng)然不是鬼恬偷，是一門(mén)很有效用的技術(shù)悍手，我通過(guò)給你提供的資料打分，比如月收入超過(guò)一萬(wàn) 打分30分袍患，超過(guò)兩萬(wàn)的打分50坦康，月收入無(wú)的打 負(fù)分 -20，學(xué)歷 研究生以上打分67分诡延，本科46分滞欠，專(zhuān)科23分，高中高職 中專(zhuān)16分肆良，初中及以下負(fù)分-8筛璧，居住地時(shí)間，超過(guò)五年78分惹恃，超過(guò)三年45分夭谤，不足一年負(fù)分-64.。巫糙。朗儒。大家可以看到我對(duì)以上我所關(guān)注的幾項(xiàng)特點(diǎn)【feature】都做了相應(yīng)的打分情況，通過(guò)這些打分，最后對(duì)一條記錄 【一個(gè)申請(qǐng)貸款的個(gè)體人】他會(huì)有一個(gè) 求和的總分score采蚀，比如我的總分區(qū)間是300-900疲牵，低于600分的統(tǒng)統(tǒng)拒絕駁回，只有600分以上的才可以通過(guò)申請(qǐng)放款榆鼠，那么就看這個(gè)人實(shí)際有多少分，決定了他到底能不能拿到貸款亥鸠，但是現(xiàn)實(shí)中還有更精細(xì)的操作 妆够，不是駁回了就沒(méi)有機(jī)會(huì)了，還有 拒絕推斷负蚊，意思其實(shí)還是從沙子里挑出金子來(lái)神妹，在低于600分以下的再做統(tǒng)計(jì)推斷，會(huì)挽留一部分人繼續(xù)放貸家妆，超過(guò)600分的也不一定都能拿到滿意的貸款鸵荠，比如在600-750之間我再做統(tǒng)計(jì)推斷，再拒絕一部分人 還有對(duì)一部分人的貸款額度只滿足其70% 等等
接著我們來(lái)看伤极，如果你注意到蛹找，我們對(duì)每個(gè)feature 都做了間隔區(qū)分，一個(gè)特征分了好幾個(gè)檔次哨坪，每個(gè)檔次打分都不一樣庸疾，正所謂 因?yàn)橛须A級(jí)的存在才會(huì)有不平等，但是階級(jí)永遠(yuǎn)不可能被消滅当编，就好比矛盾届慈，舊的生產(chǎn)關(guān)系消失了 自然 舊的矛盾也就銷(xiāo)聲匿跡了，但是迎面新的生產(chǎn)關(guān)系和生產(chǎn)力而來(lái)的 次要矛盾就會(huì)占領(lǐng) C位忿偷，武力消滅的舊的階級(jí)金顿，未來(lái)在新的階級(jí)就會(huì)因?yàn)樯a(chǎn)關(guān)系切換不斷分化出新的小雞雞 【階級(jí)】，對(duì)于評(píng)分卡 最重要的就是我們?nèi)绾蝸?lái)分檔【分箱】鲤桥，如何為每個(gè)檔設(shè)置合理的分?jǐn)?shù)[woe iv],可以看得出評(píng)分卡這個(gè)幺蛾子就被我們給分解掉了揍拆。
那我們來(lái)說(shuō)說(shuō)分箱吧
分箱其實(shí)就是為了給評(píng)分卡分檔區(qū)別，評(píng)分卡拿到的原始數(shù)據(jù)剛開(kāi)始可能都是一些類(lèi)別數(shù)據(jù)芜壁，比如 張三【 本科 月收入1萬(wàn) 居住地3年 信用卡3張 28歲 單身 工齡3年 先工作入職一年 白金卡一張 信用額度缺失 礁凡。。慧妄∏昱疲】
看到么，這些原始的數(shù)據(jù) 都是文字描述 塞淹，并不可以直接放入評(píng)分卡程序中跑分的窟蓝。
需要我們首先對(duì)數(shù)據(jù)做預(yù)處理 比如缺失值異常值 等等處理，然后是數(shù)據(jù)類(lèi)型的轉(zhuǎn)換饱普，str 轉(zhuǎn)int float 运挫，把文字的描述轉(zhuǎn)為 數(shù)值型特征状共，或者 one-hot編碼 ，有一大部分?jǐn)?shù)值型特征他是連續(xù)值谁帕，對(duì)于連續(xù)值 如果直接使用峡继，對(duì)模型未來(lái)的泛化能力其實(shí)不大，容易過(guò)擬合匈挖，并且容易受噪音數(shù)據(jù) 極值影響碾牌，對(duì)模型的貢獻(xiàn)有限，但是如果 把連續(xù)值轉(zhuǎn)化為離散值儡循，那么噪音影響減弱舶吗，泛化能力加強(qiáng)，模型的可解釋性更強(qiáng)择膝。那么 連續(xù)值轉(zhuǎn)為離散值的這個(gè)過(guò)程就叫分箱
分箱 最樸實(shí)的有兩種 等頻 和等距誓琼，啥意思呢，
等頻 就是把一個(gè)分箱的區(qū)間段看做箱子肴捉，每個(gè)箱子放的樣本數(shù)量是一致的腹侣，相等的，等頻會(huì)考慮 箱子的樣本數(shù)量每庆，但是不會(huì)考慮箱子大小間隔長(zhǎng)度筐带。
等距就是 分箱的每個(gè)區(qū)間段都是相等 大小的，但是每個(gè)箱子里的裝的樣本就不一定是相等的了缤灵，等距 只考慮箱子相同大 伦籍，但是不會(huì)考慮箱子到底裝多少
當(dāng)然 不管哪一種分箱 ，箱子的個(gè)數(shù)大部分是需要你人為指定的腮出。
前兩種分箱 都是比較機(jī)械帖鸦，有很大的局限性，我們分箱的目的是啥胚嘲，是為了區(qū)分樣本作儿，正確的分箱可以將樣本的信息及趨勢(shì)暴露出來(lái)，假如我們學(xué)歷分箱馋劈，【輟學(xué)過(guò)攻锰，小學(xué)到博士】那么這樣的分箱 學(xué)歷基本就廢掉了，他無(wú)法體現(xiàn)出學(xué)歷的價(jià)值妓雾，小學(xué)生畢業(yè)和博士生畢業(yè)娶吞，兩者的社會(huì)信譽(yù)度和誠(chéng)信度簡(jiǎn)直一個(gè)天上一個(gè)地下，兩者放一個(gè)區(qū)間段械姻，還怎么判斷妒蛇。所以 在評(píng)分卡中我們尤為關(guān)注的是分箱。
怎么分箱比較合理呢 ，fico 中model Builder 給出 了 一部分答案绣夺，
fico 分箱 主要兩部分吏奸，先細(xì)分箱 然后再分箱合并，因?yàn)閒ico細(xì)分箱的粒度并不是很細(xì)陶耍，在分箱合并的時(shí)候 奋蔚，大部分是可以手工完成的。不過(guò)分箱合并也是有三個(gè)過(guò)程物臂，計(jì)數(shù)合并階段旺拉，要求每個(gè)分箱的樣本量不低于多少，正負(fù)樣本不少于多少棵磷，相似合并 則是計(jì)數(shù)原來(lái)每個(gè)分箱的 woe iv 值，以iv損失最小的相鄰合并晋涣，注意了仪媒，以我們現(xiàn)在樸實(shí)邏輯抽象出來(lái)的分檔 是有一個(gè)類(lèi)似線性的趨勢(shì)，一般都是相鄰合并谢鹊，最后是趨勢(shì)合并算吩，
fico 本身可以自己分箱不用人為干預(yù)，但是效果不是最理想的佃扼。
接著我們來(lái)看分箱的高階思路偎巢，既然我們分箱是為了更好的區(qū)分樣本，使其暴露更多的信息價(jià)值兼耀，來(lái)擬合一些趨勢(shì)压昼，那么我們就往這方便思考，什么可以讓他做到這些瘤运。
第一 卡方檢驗(yàn)分箱 第二信息熵 第三貝葉斯分箱
如果使用這三種分箱窍霞，你會(huì)發(fā)現(xiàn) 分箱 1不等距 2 不等頻，但是分箱的區(qū)分度大大提升
https://blog.csdn.net/pylady/article/details/78882220
評(píng)分卡在做分箱的時(shí)候拯坟，必然會(huì)把每個(gè)特征 每個(gè)分箱區(qū)間的 woe iv 計(jì)算出來(lái)但金。
https://blog.csdn.net/sscc_learning/article/details/78591210
之后就會(huì)有區(qū)別了，最古老的評(píng)分卡在紙上打鉤操作
在上世紀(jì)計(jì)算機(jī)遠(yuǎn)遠(yuǎn)不太發(fā)達(dá)的時(shí)候郁季，評(píng)分卡都是當(dāng)時(shí)的美國(guó)銀行的信貸風(fēng)控?cái)?shù)據(jù)分析師手動(dòng)在紙上填寫(xiě) 打鉤的冷溃，每個(gè)特征 在每個(gè)區(qū)間具體打多少分，也是有公式的梦裂，最后給你打出一個(gè)總分來(lái)似枕。這樣一來(lái)你的分?jǐn)?shù)就固定了下來(lái)，剩下的操作就是放貸部門(mén)參考給你的打分塞琼，為你量身定做放款數(shù)額或者駁回菠净。
同時(shí)與信貸相關(guān)的就是信用卡申請(qǐng)，樸素現(xiàn)實(shí)意義來(lái)說(shuō)，信用卡其實(shí)就是一款小額的個(gè)人信用無(wú)抵押借貸形式毅往，一次申請(qǐng)一次審核 多次復(fù)用信貸牵咙，相比 小額借貸是每次申請(qǐng) 都要單獨(dú)審核，信用卡的優(yōu)勢(shì)和風(fēng)險(xiǎn)就更多了攀唯。所以信用卡申請(qǐng)也是可以用評(píng)分卡的洁桌，
另外信貸 形式可以分很多種 ，線上消費(fèi)分期 線上現(xiàn)金分期 線下消費(fèi)分期 線下現(xiàn)金分期 車(chē)貸單獨(dú) 房貸 裝修貸 留學(xué)貸款 信用卡抵償 套現(xiàn) 等等多種場(chǎng)景侯嘀，每種場(chǎng)景的模型都會(huì)有很大的區(qū)別另凌。
在互聯(lián)網(wǎng)發(fā)達(dá)起來(lái)，計(jì)算機(jī)耗材 性能大幅度提升戒幔，我們的評(píng)分卡不再僅僅是【紙上談兵】吠谢，開(kāi)始使用更高級(jí)的技術(shù)，機(jī)器學(xué)習(xí) 和深度學(xué)習(xí)
我們?cè)谥暗臄?shù)據(jù)分箱 清洗后诗茎，在歸一化 標(biāo)準(zhǔn)化 無(wú)量綱 one-hot 時(shí)間衍生 工坊，特征組合，我們還要做好 單變量分析 多變量相關(guān)系分析 通過(guò)聚類(lèi)散點(diǎn)圖查看 一些信息特征敢订，做估計(jì)和假設(shè)檢驗(yàn)王污，完成統(tǒng)計(jì)學(xué)相關(guān)的操作后， 我們就可以使用機(jī)器學(xué)習(xí)的套路對(duì)其進(jìn)行學(xué)習(xí)楚午，原來(lái)紙上的評(píng)分卡是沒(méi)有預(yù)測(cè)能力的昭齐，只是來(lái)個(gè)人，我看你的個(gè)人信息 給你打分【樸素來(lái)說(shuō)矾柜，打分打得好 打的快 靠心算也算是人的預(yù)測(cè)能力吧】阱驾，現(xiàn)在使用機(jī)器學(xué)習(xí)我把數(shù)據(jù)分為 訓(xùn)練集 和測(cè)試集，用帶標(biāo)簽的訓(xùn)練集來(lái)訓(xùn)練數(shù)據(jù)把沼，然后再用測(cè)試集來(lái)驗(yàn)證結(jié)果啊易。
那我們來(lái)說(shuō)，過(guò)來(lái)申請(qǐng)借貸的人饮睬，本身不帶標(biāo)簽target租谈，我們?cè)趺粗浪呛萌恕究梢詢斶€到底】，壞人【跑路欺詐】捆愁，假如都帶上了割去，還要什么風(fēng)控組，誰(shuí)敢給帶壞標(biāo)簽的人 放貸昼丑，真金白金都是錢(qián)呀呻逆，真要放了，肯定是肉包子打狗一去不回頭菩帝，這個(gè)時(shí)候我們需要人為的設(shè)置標(biāo)簽咖城，一般來(lái)說(shuō)我們的標(biāo)簽來(lái)自這個(gè)人之前的信貸歷史茬腿，這個(gè)人至少是有個(gè)人征信記錄的，之前辦理過(guò)貸款 還貸的經(jīng)歷宜雀，所以來(lái)說(shuō)切平，單單有個(gè)人學(xué)歷 居住地戶口也是不敢輕易放貸的，因?yàn)椴恢滥愕恼\(chéng)信度到底深淺辐董，當(dāng)然也有本科 研究生騙貸跑路的悴品。以你的個(gè)人征信記錄 做加工分析，有一個(gè)賬齡分析简烘，一般來(lái)說(shuō) M1 30天就有個(gè)大概了苔严，好像是80%，當(dāng)然也是有遷移率孤澎，比如還著貸 突然資金鏈斷了不還了届氢，或者逾期了， 經(jīng)過(guò)催賬 又開(kāi)始還了覆旭，中間斷斷續(xù)續(xù)悼沈，或者一直在還了好久突然人間蒸發(fā)跑了。放貸是一個(gè)長(zhǎng)期工程姐扮，觀察期 和表現(xiàn)期 漫長(zhǎng)，都知道下蛋公雞不是正經(jīng)的
衣吠，和普通機(jī)器學(xué)習(xí)以auc roc為評(píng)估衡量標(biāo)準(zhǔn)茶敏，評(píng)分卡 的機(jī)器學(xué)習(xí)更關(guān)注 ks 值，這個(gè)ks其實(shí)就是正負(fù)樣本的區(qū)分程度缚俏，區(qū)分度越大 ks值就越大惊搏，這個(gè)ks 一般只求最大的區(qū)別最為模型的ks值，這個(gè)時(shí)候 TP TN FN FP 召回率 準(zhǔn)確率 精準(zhǔn)率 F1-score ,其實(shí)和ks 是有點(diǎn)類(lèi)似的忧换。
一般來(lái)說(shuō)我們?cè)谑褂迷u(píng)分卡做機(jī)器學(xué)習(xí)恬惯，或者說(shuō)是用機(jī)器學(xué)習(xí)做評(píng)分卡，我們常用的模型 就是邏輯回歸 GBDT DNN RNN亚茬，假如我們用邏輯回歸酪耳，我們最后得到的其實(shí)是一個(gè) 判斷這個(gè)人是什么的概率或者優(yōu)勢(shì)，一般處于0-1之間刹缝，那我們?nèi)绾伟堰@個(gè)概率或者優(yōu)勢(shì)轉(zhuǎn)換為 評(píng)分卡的score呢碗暗，當(dāng)然也是有公式的。
通過(guò)這個(gè)公式 我們就可以解釋出他拿到這個(gè)分?jǐn)?shù)
https://blog.csdn.net/strwolf/article/details/51576469
至此評(píng)分卡的原理基本上算是初步講完梢夯，評(píng)分卡現(xiàn)在來(lái)說(shuō)是一個(gè)比較成熟的技術(shù)言疗，在國(guó)內(nèi)還比較小眾，一些國(guó)有銀行已經(jīng)開(kāi)始涉足使用颂砸。
https://data-science-tools.github.io/ScoreCardModel/ScoreCardModel.html#id8
https://jakevdp.github.io/blog/2012/09/12/dynamic-programming-in-python/
https://github.com/data-science-tools/ScoreCardModel
