信用评分卡开发流程报告材料
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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