信用评分卡开发流程报告材料

评分卡开发流程文档

一、数据集切分

将数据集按照70% 与30%比例切分为训练集和测试集两部分；

二、分别对训练集与测试集进行数据预处理

1.衍生变量：进行衍生的变量

1)未销户信用卡最近6个月平均使用率=未销户信用卡最近6个月平均使用额度/未销户信用卡授信总额

2)未销户信用卡已使用率=未销户信用卡已用额度/未销户信用卡授信总额

2.String 变量转换为数值型。

1)性别：

男=0 ；女=1；缺失=-1；

2)最高学历：

硕士及以上=5；本科=4；大专=3；高中=2；初中及以下=1；缺失=-1；

3)婚姻状况

已婚已育=5；已婚未育=4；离异=3；未婚=2；其他=1；缺失=-1；

4)现住房情况

多套自有=11；自有=10；小产权=9；宅基地房=8；共同拥有或与父母同住=7；与父母同住=6；租借或公司所有=5；租房=4 ；自购

现无贷款=3；

自购现有贷款=2；其他=1；缺失= -1

文案大全

5)单位职务

高层领导=3；中层领导=2 ；一般员工=1；缺失=-1；

6)单位性质

国有企业=4；政府机关=3；微型企业=2；民营企业=1；缺失=-1；

7)手机号码是否一致

一致= 1；不一致=0；缺失= -1；

8)坏客户标签

坏客户=1 ；好客户=0

3.缺失值处理

1)变量初分类：各变量元素个数检查

a)当变量元素数值个数= 1，表示为常量；删除该变量；

b)当变量元素为数值且剔除缺失类型后，元素类型>=10;归为连续型变量；

c)其他变量归类为类别型变量；

2)变量缺失值处理

a)对连续型变量：如果缺失值比例大于0.7，删除变量；其他变量中缺失值采用-999999特殊处理，单独归为一类；

b)对于类别型变量：如果缺失值比例大于0.5，删除变量；其他变量中缺失值采用随机插值法补充缺失值；

二、训练集数据分箱

1、类别型变量分箱方法

文案大全

根据数据预处理中得到的类别变量，

1)如果类别变量元素类型中有坏客户率相同的组，如果元素类别大于2，合并元素。

2)如果类别变量元素中最小箱占比小于总样本比例2%，根据其坏客户率，寻找坏客户率最相近的组，进行合并，直到最小箱占比大

于总样本比例2%。

3)如果类别变量元素类型超过5类，寻找变量中最小箱，计算其坏客户率，寻找与其坏客户率最相邻的元素合并，直到变量元素类型

不超过5类。

4)如果类别变量元素类型不超过5类，检查单个变量占箱的比例；如果类别中某一类超过变量整体个数比例90%；删除该变量；

5)检查每一组分箱中坏客户比例，如果存在某个箱中坏客户比例为0，则进行合并；

a)合并的原则如下：根据坏客户比例从低到高排序，根据排序将坏客户比例为0的组与相邻组合并，直到不存在坏客户比例为0

的组；

b)检查是否存在某一类超过变量整体个数比例90%，如果存在，则删除该合并分组后的变量。

6)经过以上步骤后得到的类别变量，计算类别变量的WOE和IV值；

2、连续型变量分箱方法

连续型变量= 预处理中得到的连续型变量。

1)如果数值变量中元素存在为-999999的，把-999999单独归为一类处理；

2)将以上连续型变量进行卡方分箱，得到分割点，进行初步分箱；

分箱原则：最大分箱组数为5组，分箱保证了组内元素的卡方值差异最小，进行分箱合并；

3)得到初步分箱组

a)检查每一组分箱中坏客户比例是否存在=0的组，如果存在，需要对其进行合并，直到不存在为止。

文案大全

b)检查分箱组中，组间所对应的坏客户比例是否单调；如果不单调，根据卡方分箱原则，将分箱组数进行缩减，直到单调。

a)检查分箱后某一组超过变量整体个数比例90%，如果存在，则删除该变量。

4)经过以上步骤后得到的类别变量，计算类别变量的WOE和IV值；

三、将训练集原数据用WOE值替代；

四、训练集单变量及多变量筛选（剔除多重共线性）

1、单变量筛选：

1)IV值筛选标准：IV >0.2;

2、多变量筛选

1)计算WOE替代后变量间的相关系数，如果变量间相关系数>0.6, 比较该组变量IV值，删除IV值小的变量；

2)通过对不同变量线性回归得到的R2，计算VIF值，剔除VIF = 1/（1 – R2）>10的变量；

五、构建及评估逻辑回归模型

1、利用上述步骤筛选得到的变量，构建逻辑回归方程；

2、采用后向逐步回归，通过剔除逻辑回归方程P值最不显著的变量（P值<0.05），重复以上步骤，直到所有变量均显著，或者最后没有可剔除变量。

3、最后得到的逻辑回归方程即为所训练的最终模型。

4、通过计算KS、AR指标评估模型；

训练集KS and AR for the scorecard in the test dataset are 57% and 45%

文案大全

文案大全

文案大全

六、测试集数据分箱

根据逐步回归模型得到的变量具有显著意义的变量，文案大全

对于连续行变量，依据其在训练集的分箱的切点，对上述变量中连续型变量进行分箱操作。

对于分类型变量，根据其在训练集的合并规则，对上述变量中分类型变量进行分箱操作。

七、根据测试集数据分箱，按照训练集所得的WOE进行替代。

八、根据所得到的训练集WOE表计算评分

按照公式计算每个用户所对应的评分。九、测试集用户得到的评分进行等频划分

根据用户得分的顺序，从低到高将用户评分划分为30组，根据所划分的分组，计算测试集KS = 0.29。

文案大全