評分模型的檢驗方法和標準&信用評分及實現

評分模型的檢驗方法和標準一般有：K-S指標、交換曲線、AR值、Gini數等。例如，K-S指標是用來衡量驗證結果是否優於指望值，具體標準爲：若是K-S大於40%，模型具備較好的預測功能，發展的模型具備成功的應用價值。K-S值越大，表示評分模型可以將「好客戶」、「壞客戶」區分開來的程度越大。

評分模型的檢驗方法和標準一般有：K-S指標、交換曲線、AR值、Gini數等。例如，K-S指標是用來衡量驗證結果是否優於指望值，具體標準爲：若是K-S大於40%，模型具備較好的預測功能，發展的模型具備成功的應用價值。K-S值越大，表示評分模型可以將「好客戶」、「壞客戶」區分開來的程度越大。

例如，K-S指標是用來衡量驗證結果是否優於指望值，具體標準爲：若是K-S大於40%，模型具備較好的預測功能，發展的模型具備成功的應用價值。K-S值越大，表示評分模型可以將「好客戶」、「壞客戶」區分開來的程度越大。

信用評分模型介紹（一）

2016-08-28 蔣靚 Larry Jiang Larry的風險模型分享與探討

引言：對於信用評分模型，不少朋友或多或少有所瞭解，這裏作通常性的介紹，並分享本身的多年從業經驗。這邊短文主要包括：信用評分模型，自變量的生成、篩選、分檔和轉換，及經常使用有監督學習模型。

信用評分模型

信用評分模型是一種有監督的學習模型（Supervised Learning），數據由一羣自變量X和對應的因變量y構成。傳統零售信用模型中，X大體分爲客戶的基本信息（年齡、性別、職業、學位等），財務信息（收入，每個月生活消費，每個月信貸還款額等），產品信息（LTV，信用卡類別，我的貸款用途等），徵信信息（前6個月被查詢次數，前6個信用卡最大利用率，未結清貸款數等）；而通常取值0-1因變量y能夠定義爲在將來12個月是否出現欠款90天等.

經驗備註：在大數據下，不少互聯網公司對我的的評估再也不侷限於以上幾種信息，而是根據更爲普遍的數據源對我的進行更全面的刻畫，故有稱之爲客戶畫像。數據維度會考慮我的在社會上留下的任何數據，如手機使用行爲，理財行爲，社交圈，網購行爲，旅遊行爲等等等等。你們的各方面數據其實都在被不一樣的公司和不一樣的APP收集。。。

自變量的生成

自變量是信用風險的來源，除了考慮直接收集的變量，信用評分建模過程當中每每須要建模人員產生更多的衍生變量。這部分工做要分析人員的直覺、長期經驗的積累和數據挖掘技術的應用。你們能夠經過京東和支付寶的評分一窺其自變量的維度：芝麻信用分爲5個維度：身份特質，履約能力，信用歷史，人脈關係，行爲偏好；小白信用分也分爲5個維度：身份，資產，關係，履約，偏好。

經驗備註：如今愈來愈多的模型技術被應用於信用模型，可是我的以爲不管高級模型仍是初級模型，最爲重要的是更普遍的數據和產生更多更具備預測能力的自變量。

自變量的篩選

自變量一旦豐富了起來，就涉及到有效變量的篩選，大體可根據一下幾個原則或方法：變量的直觀意義（是否跟y有關），變量的單調性或合理性，將來是否能夠獲取以便模型可實施，變量的區分能力（IV），變量間相關性（變量聚類），變量缺失率，分檔以後的穩定性等等。

經驗備註：對於區分能力太強的變量，或缺失率很大的變量，不建議直接放入模型，能夠考慮作成規則或者作成最後模型的調整。在大數據下，人們常常強調自變量與因變量的相關關係，應用於精準性要求不高的營銷模型問題不大。而對於精準度要求極高的信用評分模型，相關關係的應用值得推敲。 

自變量分檔和轉換

爲了保持模型的穩定性，信用模型通常對自變量進行分檔，好比根據風險不一樣把年齡分紅幾檔。這樣每檔須要一個值來表明這段的自變量輸入，這就是變量的轉換，常見的有WOE和Logit轉換。經過轉換後不只實現了穩定性要求，也克服不一樣變量間刻度不統一的問題，還克服迴歸中缺失值的填充問題。

經驗備註：若是分檔過粗糙，不但會下降單個變量的預測能力，也會形成最終評分集中度太高的問題。

解決方法：能夠考慮每檔用線性插值來代替常數，也能夠尋找更多能區分分數集中樣本的自變量放入模型。 

有監督學習模型介紹

目前比較流行的模型主要有如下幾種（之後分享會逐一介紹）：

1. Logistic 迴歸（Logistic Regression）

2. 決策樹（Decision Tree）

3. 支持向量機（Support Vector Machine）

4. 人工神經網絡（Artificial Neural Network） 

5. 生存分析模型（Survival Analysis Model）

經驗備註：除此上述以外，還有些高級方法或算法：集成方法（Ensemble Method）（例如隨機森林（Random Forrest），Boosting，AdaBoost），深度學習方法（Deep Learning），隨機梯度降低算法（Stochastic Gradient Descent）等。

 

信用評分及實現

一、何爲信用評級?

首先，何爲「信用」?俗話「有借有還」從道德上對信用進行了定義，而後銀行與其客戶之間「借貸」的關係，每每較爲複雜。一般，銀行須要全方位、多角度地去評價客戶，確認客戶的「信用」，才能放心地把錢「借」出去。

咱們都熟悉支付寶芝麻信用分，它是經過採集我的用戶信息，通過加工、計算得出用戶的信用得分，固然，分數越高表明信用越好。

這幾個維度包含了用戶我的基本信息、好友互動信息、信用帳戶狀況及履約歷史、購物及理財等行爲偏好等多項內容，經過大數據技術，最終以分數值的形式，造成對用戶信用的準確評價。這就是信用評級。

隨着數學和統計技術在傳統金融行業的普遍應用和推廣，銀行業也採用了「定量」的形式，多角度分析、判斷不一樣客戶的不一樣的信用等級，從而來決定客戶可獲取的授信額度、首付額度或利率優惠程度等，以科學手段準確地計量客戶的「信用」，從而避免因借貸雙方信息不一致而引起的信用風險損失。

二、信用評級的基礎：數據

現現在，早已不是撥打算盤手工記帳的年代，社會上任何活動都拖離不了信息系統，固然，這些信息系統中，也無時不刻地記錄着你的全部行蹤，這就是所謂的「數據」。對這些數據的存儲、清洗、加工，都爲銀行對客戶信用評級提供了健全、豐富的信息來源;基於此，銀行以大數據技術進行分析和計算，從而準確地對客戶進行信用評價。

銀行進行客戶信用評級的數據來源於銀行內部系統產生的數據或外部的數據，如圖示：

內部數據

從客戶的第一次開戶開始，其與銀行的每一次交互都將銀行的信息系統留存，例如存款、轉帳、還信用卡、還貸、銷戶或購買理財等，每一次活動的時間、方式、地點、帳戶、金額、交易對象等等，都完整的保存在銀行的數據庫中。這些積累的數據，是銀行很是寶貴的資產。與客戶評級相關的數據，一般包括如下幾個方面：

1)客戶基本數據：銀行經過不一樣形式、不一樣時間、不一樣地點所記錄的客戶名稱、證件編號、聯繫方式、營收狀況、學歷、就業狀況、客戶關聯人信息等;

2)貸款或信用卡帳戶信息：包括帳戶號碼、餘額、開銷戶時間、額度、額度調整歷史等;

3)交易歷史：即貸款放款、還款計劃及實際還款、現金提取、信用卡刷卡、還卡、換卡等各種事件的具體時間、地點、方式等詳細記錄;

4)擔保信息：即貸款抵押物基本信息、估值或評級信息，擔保人信息等。

除上述外，信用卡或貸款產品的營銷活動等數據，也與客戶評級有關。

外部數據

外部數據來源普遍，以人行徵信數據爲例，其包含了客戶基本信息，如姓名、性別、證件編號、婚姻狀況、聯繫方式、住址等等;借款人的信用歷史，如逾期狀況、貸款還沒有結清信息、擔保信息、異常交易信息等;還有一些我的非銀行信息，如住房公積金信息、社保信息等。

目前，各家銀行都已經創建ODS或數據倉庫等數據平臺，其包含的信息能知足銀行各條線的業務須要，爲開展各種管理、經營決策的提供數據基礎。然而，客戶信用評級數據做爲數據平臺的一部分，一般混合於其餘數據之中，所以，有必要僅針對信用風險管理或信用評級的須要，面向信用風險管理應用開發，單獨創建信用風險數據集市。

數據來源於各種生產、業務系統，經由數據倉庫，進入信用風險數據集市中。風險數據集市則按照上層應用的須要，進行數據的整合和存儲。通常來講，信用風險相關的數據通過拆分、拼裝或重組，以主題的形式存儲在信用風險數據集市中。一般，包含如下幾個主題：

三、信用評分的實現：模型開發

數據挖掘是從大量的、有噪音的數據中，發現潛在的規律和價值，以輔助提升管理、決策能力。銀行經過對外部數據及信貸等業務中產生的數據進行提煉、分析，開發模型，對客戶進行信用評分，以服務於信貸管理，加強風險控制能力。

第一步：樣本抽取

銀行積累的客戶評級相關的數據量極其龐大，出於數據處理速度及模型開發效率的考慮，一般抽取必定量的數據做爲樣本，開發模型。經常使用的樣本選擇方式有兩種，隨機抽樣和分類抽樣。隨機抽樣較爲交單，即隨機選擇樣本，認爲樣本能夠表明總體狀況。例如，總貸款帳戶數是5000，不良貸款帳戶數是100，佔比1/50;那麼隨機抽取100個貸款帳戶，其中包含2個不良貸款帳戶。而分類抽樣，則須要先分類，確認各種樣本的數據量，再分別進行隨機抽樣。例如上述例子中的帳戶樣本選擇，首先據擔保狀況進行分類，有無擔保比例分別爲3:2，則再分別隨機抽取60個有擔保的不良貸款帳戶和40個無擔保的不良貸款記錄。

固然，以上僅爲示例，實際狀況卻每每複雜不少。

第二步：變量選擇

明確因變量和自變量。其中因變量爲表現變量，即模型的結果「客戶信用狀況」;自變量爲與之相關的因素，它的預測能力決定於它與因變量之間相關關係和邏輯因果關係。一般，與信用等級相關的因素包含客戶的學歷、工資、年齡、額度使用狀況、現金提取次數、還款時間等。

第三步：模型分組

模型分組的意義在於區分不一樣行爲模型和數理關係，以提升模型預測的精準度。例如，學生和在職人員的還款能力是有差別的，可是某類自變量和壞帳率的表現上，趨勢十分類似，因此講模型分組，將避免相互之間的模型因素的干擾和影響。

第四步：模型設計

影響模型結果的變量很是複雜，所以須要根據單個變量的實際預測能力進行篩選，剔除沒有預測能力的變量，以縮小變量的範圍。

常見的模型算法有線性迴歸分析、非線性迴歸分析、邏輯迴歸模型、神經網絡模型、決策樹模型等。在實際的模型選擇過程當中，需根據模型性質、分析人員經驗等多方面因素綜合考量。

第五步：模型檢驗

模型檢驗，在於衡量開發的信用評分模型能力。經常使用的檢驗報告有如下幾類：

1. 交換曲線
2. K-S指標
3. 區分度
4. 擬合度曲線

其中，前三者表現的效果爲：「評分越高，則好帳戶出現的越多」;而擬合度曲線，則用於對比預測狀況與實際狀況差別。

寫在最後

信用評分對銀行的經營效益有着重要的做用，信用評分模型應用效果，很大程度上也取決於銀行的內部管理及信貸政策。技術和管理相結合，左右開弓，必定是控制客戶信用風險的最優方案。

End.

轉自：http://www.36dsj.com/archives/75665