文章目录
一、信用风险和评分卡模型的基本概念1.信用风险的概念2.评分卡的概念3.评分卡模型的开发步骤4.评分卡开发的常用模型5.模型监控指标二、申请评分卡在互联网金融业的重要性和特性三、贷款申请环节的数据介绍和描述1.申请评分卡的常用特征2.数据介绍四、非平衡样本问题的定义和解决办法1.非平衡样本的解决办法金融评分卡项目—7.申请评分卡中的数据预处理和特征衍生金融评分卡项目—8.逻辑回归模型在申请评分卡中的应用金融评分卡项目—9.违约预测模型的后续工作一、信用风险和评分卡模型的基本概念
1.信用风险的概念
交易对手未能履行约定契约中的义务而造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。
组成成分：
PD—违约概率LGD—违约条件下的损失率EAD—违约风险下的敞口暴露RWA—风险权重资产EL—期望损失
坏样本的定义：
M3&M3+逾期债务重组个人破产银行主动关户或者注销其他相关违法行为
M0,M1,M2的定义：
M0：最后缴款日的第二天到下一个账单日M1：M0时段的延续，即在未还款的第二个账单日到第二次账单的最后缴款日之间M2：M1的延续，即在未还款的第三个账单日到第三次账单的最后缴款日之间
信用卡账单日是指发卡银行每月会定期对你的信用卡账户当期发生的各项交易，费用等进行汇总结算，并结计利息，计算你的当期总欠款金额和最小还款额，并为你邮寄账单，此日期即为账单日。而还款日则是指信用卡发卡银行要求持卡人归还应付款项的最后日期。
2.评分卡的概念
信贷场景中的评分卡
以分数的形式来衡量风险几率的一种手段是对未来一段时间内违约/逾期/失联概率的预测有一个明确的正区间通常分数越高越安全数据驱动（搜集数据，对数据研究，建立模型）包括：反欺诈评分卡、申请评分卡、行为评分卡、催收评分卡
①反欺诈评分卡、申请评分卡是在贷前准入环节里面
②申请评分卡用到的大部分是申请者的背景变量，而且这个模型一般也会比较谨慎。
③行为评分卡表示申请者已经获准贷款，已经放出贷款以后，根据贷款人的消费习惯，还款情况等一些信用特征，就是跟踪客户合同开始后的表现，来预估用户逾期或者是违约概率。
④催收评分卡是对已经逾期或者违约的客户，对他进行一个催收评分，严格来讲，有三个模型，还款率模型，账龄滚动模型，失联模型。
非信贷场景中的评分卡
包括：推荐评分卡、流失评分卡
申请评分卡模型建模过程数据涉及观察期与表现期：
观察点不一定是哪一天，可以是一段时间内，在某个时间区间内所有申请人，只要他们观察期和表现期相同即可。举例来说，当一个申请人在-7-14号这天来银行申请贷款，银行需要用已有的模型对申请人进行一个申请评分，评估他未来一年（表现期）内违约或者是逾期的概率，然后决定是否放贷。那么这个已有的模型是什么时候建立的呢？这里我们假定观察期为三年，因为上面是评估一年所以这里表现期为一年，那么往前推一年为-7-14号左右某个时间区间内作为观察点，再往前推三年（即观察期：-7-14到-7-14），利用这三年所有观察点内申请人一些信息建立模型的观察变量（即特征），然后再往后推一年（即表现期：-7-14到-7-14），所有在观察点内的申请人在这一年时间内的表现情况来定义违约。然后来训练出一个模型。对-7-14号的申请人进行评分。所以申请评分卡模型有着天然的滞后性，需要不断的对其模型进行监控。
3.评分卡模型的开发步骤
立项数据准备与预处理银行自有数据和第三方数据模型构建
假设模型训练集的观察点（即客户的申请时间段）为-01到-03,那么这个模型的观察期（这里我们假定为三年）为-01到-01,模型的表现期（这里我们假定为一年）为-03到-03。模型评估
对照上面的模型构建的时间来，我们来建立测试集，假定其测试集观察点（即客户的申请时间段）为（-04),同理可得观察期，和表现期真实的违约或者逾期与否。这时把模型放在这个测试集上进行测试看看效果如何。这里需要注意训练集和测试集上用户在表现期的表现如何都是基于一个已经发生的时间段上。验证/审计模型部署
新旧模型替换，评分卡的实时性要求没那么高，在银行通常一个月更新一次模型。有些咨询机构可能一天更新一次评分卡模型。模型监控
跟踪模型各项性能是否发生弱化。
4.评分卡开发的常用模型
逻辑回归决策树优点：简单、稳定、可解释，技术成熟，易于检测与部署
缺点：准确度不高
神经元模型组合模型（模型融合）优点：对数据的质量要求低，易解释
缺点：准确度不高
缺点：准确度高，不宜过拟合
缺点：不易解释；部署困难；计算量大
5.模型监控指标
AR(Accuracy Ratio)
该指标是衡量分数预测能力的指标，需要一个完整的表现期。取值位于-1~1之间。
KS(Kolmogorov-Smirnov)
该指标是衡量分数区分能力的指标。
PSI(Population Stability Index)
该指标是衡量分数稳定性的指标
Kendall`s Tau
Migration Matrix
迁移矩阵是衡量分数迁移的指标。
二、申请评分卡在互联网金融业的重要性和特性
互联网金融机构可分为如下情形：
传统金融机构+非金融机构传统金融机构：传统金融业务的互联网创新以及电商化创新、APP软件等非金融机构
利用互联网技术进行金融运作的电商企业
（P2P）模式的网络借贷平台
众筹模型的网络投资平台
挖财类（模式）的手机理财APP
第三方支付平台
开发申请评分卡的作用：
风险控制营销资本管理
评分卡的特性：
稳定性区分性预测能力和逾期概率等价
三、贷款申请环节的数据介绍和描述
1.申请评分卡的常用特征
个人信息学历、性别、收入负债信息
在本金融机构或其他金融机构的负债情况消费能力
商品购买记录、出境游、奢侈品消费历史信用记录
历史逾期行为新兴数据
人际社交、网络足迹、出行、个人财务
2.数据介绍
每一行代表一个样本（一笔成功成交借款），每个样本包含200多个各类字段。
PPD_Training_Master_GBK_3_1_Training_Set：
idx：每一笔贷款的unique key
UserInfo_*：借款人特征字段
WeblogInfo_*:Info网络行为字段
Education_Info*:学历学籍字段
ThirdParty_Info_PeriodN_*:第三方数据时间段N字段
SocialNetwork_*:社交网络字段
LinstingInfo：借款成交时间
Target：违约标签(1 = 贷款违约，0=正常还款)
PPD_LogInfo_3_1_Training_Set：
主要是借款人的登录信息
ListingInfo：借款成交时间LogInfo1：操作代码LogInfo2：操作类别LogInfo3：登陆时间
PPD_Userupdate_Info_3_1_Training_Set：
主要是借款人修改信息
ListingInfo1：借款成交时间UserupdateInfo1：修改内容UserupdateInfo2：修改时间
四、非平衡样本问题的定义和解决办法
在分类问题中，每种类别的出现概率未必均衡。
信用风险：正常客户远多于逾期/违约用户流失风险：留存客户多于流失客户
由于样本类别不均衡，训练出来的模型，会降低对少类样本的灵敏性，模型泛化能力差。
1.非平衡样本的解决办法
过采样欠采样优点：简单，对数据质量要求不高
缺点：过拟合
SMOTE(合成少数过采样技术)优点：简单，对数据质量要求不高
缺点：丢失重要信息
优点：不易过拟合，保留信息
缺点：不能对有缺失值和类别变量做处理
SMOTE算法如下：
