《信用评分卡开发流程报告.docx》由会员分享，可在线阅读，更多相关《信用评分卡开发流程报告.docx（12页珍藏版）》请在三一文库上搜索。
1、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局部；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. Stri ng 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
2、 ;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=-15) 单位职务高层领导=3 ;中层领导=2 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) 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=03. 缺失值处理训练集数据分箱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； -nV-
3、曰、. iUX* Azfcr r-trz人 Q-U 亠-XU. tVaI i:、-TTrf. 丄 at .、4 /*+. TTrf -nV-曰b)当变量 元糸为数值且剔 除缺失类型后，兀素类型=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；1、类别型变量分箱方法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
4、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,那么进行合并；a) 合并的原那么如下：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
5、) 检查是否存在某一类超过变量整体个数比例90%，如果存在，那么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；分箱原那么：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。b) 检查分箱组中，组间所对应的坏客户比例是
6、否单调；如果不单调，根据卡方分箱原那么，将分箱组数进行缩减，直到单调。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WO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,比拟该组变量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
7、辑回归方程P值最不显著的变量(P值|z|0. 025 0.975-9.5130-1.642-1.081-4.6020-1.038-0.418-4.2710-1.046-0.388-5.0080-0.995-0.435-5.6910-1.219-0.595-5.460-1.22-0.576-4.8160-1.367-0. 576-3.7850-1.046-0. 332-2.0520.04-1. 197-0.0272. 1580.0310.0721.502-2. 190.029-1.626-0.09-37.6550-2.511-2.263变量类别WOEIn terceptCofficie ntWO
8、E*Coff+In tercep/11FactorOffsetScore性别女0.66-2.39-0.97-0.8672.13217.8181.70性别男-0.16-2.39-0.97-0.0672.13217.8124.25最高学历初中及以下0.02-2.39-0.61-0.2372.13217.8136.47最高学历大专-0.07-2.39-0.61-0.1772.13217.8132.31最高学历高中-0.23-2.39-0.61-0.0872.13217.8125.41最高学历本科及缺失及硕士及以上0.35-2.39-0.61-0.4372.13217.8150.96婚姻状况已婚已育0
9、.16-2.39-0.91-0.3672.13217.8146.05婚姻状况未婚0.10-2.39-0.91-0.3172.13217.8142.06婚姻状况其他及离异-0.55-2.39-0.910.2872.13217.81-0.34婚姻状况已婚未育及缺失1.03-2.39-0.91-1.1572.13217.81102.60现住房情况其他-0.29-2.39-0.900.0572.13217.8116.38现住房情况缺失0.35-2.39-0.90-0.5372.13217.8158.26现住房情况自购现有贷款及共同拥有或与父母 同住及小产权0.44-2.39-0.90-0.6172.1
10、3217.8163.70现住房情况宅基地房及与父母同住及自有及租 借或公司所有及多套自有-0.68-2.39-0.900.3972.13217.81-8.49现住房情况自购现无贷款及租房0.16-2.39-0.90-0.3672.13217.8145.63单位性质国有企业0.02-2.39-0.86-0.2472.13217.8136.84单位性质微型企业0.30-2.39-0.86-0.4772.13217.8153.91单位性质政府机关0.01-2.39-0.86-0.2372.13217.8136.16单位性质民营企业-0.09-2.39-0.86-0.1472.13217.8129.6
11、4单位性质缺失-0.37-2.39-0.860.1072.13217.8112.84本人查询次数统计 BinBin0 =20.16-2.39-0.72-0.3372.13217.8143.69本人查询次数统计 BinBini =3-0.68-2.39-0.720.2772.13217.810.13本人查询次数统计 BinBin2 4-1.22-2.39-0.720.6572.13217.81-27.34近6个月累计查询次数BinBin0 =80.19-2.39-0.73-0.3672.13217.8145.50近6个月累计查询次数BinBini =11-0.58-2.39-0.730.2072
12、.13217.815.16近6个月累计查询次数BinBin2 15-1.52-2.39-0.730.8972.13217.81-44.24正在使用的信用卡超额Bin0 =9-0.19-2.390.79-0.3772.13217.8146.34便用账尸数正在使用的信用卡超额 使用账户数Bin1 =120.07-2.390.79-0.1672.13217.8131.39止在使用的信用卡超额 使用账户数Bin2 =160.20-2.390.79-0.0672.13217.8124.21止在使用的信用卡超额 使用账户数Bin3 241.09-2.390.790.6472.13217.81-26.46查
13、询未放款次数Bin0 =10.19-2.39-0.72-0.3572.13217.8145.27查询未放款次数Bin1 =2-0.74-2.39-0.720.3172.13217.81-2.78查询未放款次数Bin2 =3-0.75-2.39-0.720.3272.13217.81-3.12查询未放款次数Bin3 4-1.43-2.39-0.720.8172.13217.81-38.55最近1个月内的查询次 数贷款审批Bin0 =20.15-2.39-0.69-0.3272.13217.8142.80最近1个月内的查询次 数贷款审批Bin1 =27-0.60-2.39-0.690.1972.1
14、3217.815.79最近1个月内的查询次 数贷款审批Bin2 =83-0.70-2.39-0.690.2772.13217.810.45最近1个月内的查询次 数贷款审批Bin3 118-1.12-2.39-0.690.5672.13217.81-20.32信用卡近24个月内正 常还款月数 BinBin0 =2-0.77-2.39-1.360.8372.13217.81-39.87信用卡近24个月内正 常还款月数 BinBin1 =27-0.23-2.39-1.360.0972.13217.8112.99信用卡近24个月内正 常还款月数 BinBin2 =830.46-2.39-1.36-0.
15、8472.13217.8180.25信用卡近24个月内正 常还款月数 BinBin3 1180.85-2.39-1.36-1.3772.13217.81118.58六、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,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那么，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W0进行替代。八、根据所得到的训练集 W0表计算评分按照公式 ，l 1I I ii I1 11 - ilTW - 1 I -n 计算每个用九、测试集用户得到的评分进行等频划分根
16、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。KS Curve0 9000 8000.7000 6000 S000.4000 3000 2000.1000 000mISKo 0一星 二艮密岂 isaKRx iw曇 KSMlhx 【rEPs龙 NEPYrx 宵 pbx mg 网谕) mEEHSE- NffiR 一 祈srri也 祈艮总 莎w 恳 WOE) hCETSdLTir-Btd Cum Ratejdoc Cumltiitcin dexbadgoodtotalscore_b inBad_CumRateGood_CumRatetalPc ntKS01942615551.0001.0000.0330.000十、模型的结论和感想模型缺陷：1模型在对训练集中连续型数据处理有一定缺陷；主要表达在分箱未考虑最小箱占比过小带来的分组随机差异。2、在训练集的测试中，未进行过采样处理，导致测试集好客户累计比例曲线较为近似为直线。感想：由于对评分卡业务及流程不熟悉，在开发过程中方法有较多问题，花了大量的时间在进行方法调整和程序算法实现上面，导致完成时间较长。此外，通过本次评分卡模型开发，使自己在评分卡流程设计上有较多收获， 自己整理设计了较多函数框架, 为今后高效完成评分卡打下一定根底。