信贷业务模型维度

1. 贷前模型

   A卡 (Application scorecard) 申请评分卡

2. 贷中模型

   B卡 (Behavior scorecard) 行为评分卡

3. 贷后模型

   C卡 (Collection scorecard) 催收评分卡

4. 反欺诈模型

5. 画像模型

变量筛选的技术指标

基于缺失率 (Missing Rate)

基于变异系数 (Coefficient of Variation，CV)

基于稳定性 (Population Stability Index，PSI)

基于信息量 (Information Value，IV)

基于RF/XGBoost特征重要性 (Feature Importance)

基于线性相关性 (Linear Correlation)

基于多重共线性 (Multicollinearity)

基于逐步回归 (stepwise)

基于P-Vaule显著性检验

评分卡评估

区分度

• Gini
• AUC
• KS (Kolmogorov-Smirnov)

稳定性

PSI (群体稳定性指标)

排序性 (Ranking)

统计bad_rate、lift、Odds等指标，按照评分分数进行分箱。

拟合度 (Goodness of Fit)

其他

卡方分箱 (有监督分箱)

卡方检验就是对分类数据的频数进行分析的一种方法，它的应用主要表现在两个方面：拟合优度检验和独立性检验（列联分析）。

拟合优度

拟合优度是对一个分类变量的检验，即根据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异，从而达到对分类变量进行分析的目的。比如，泰坦尼克号中我们观察幸存者是否与性别有关，可以理解为一个X是否与Y有必然联系。

独立性检验

独立性检验是两个特征变量之间的计算，它可以用来分析两个分类变量是否独立，或者是否有关联。比如某原料质量和产地是否依赖关系，可以理解为一个X与另一个X是否独立。

卡方检验步骤

(卡方检验的步骤其实就是一般假设检验的过程)

1. 提出假设，比如假设两个变量之间独立
2. 根据分类的观察频数计算期望频数
3. 根据卡方公式，计算实际频数与期望频数的卡方值
4. 根据自由度和事先确定的显著性水平，查找卡方分布表计算卡法值，并与上一步卡方值比较
5. 得出结果判断是否拒绝原假设

卡方分箱是基于独立性检验的应用。

卡方分箱步骤

• 初始化

根据连续变量值大小进行排序 构建最初的离散化，即把每一个单独的值视为一个箱体。这样做的目的就是想从每个单独的个体开始逐渐合并。

• 合并
  • 计算所有相邻分箱的卡方值：也就是说如果有1,2,3,4个分箱，那么就需要绑定相邻的两个分箱，共三组：12,23,34。然后分别计算三个绑定组的卡方值。
  • 从计算的卡方值中找出最小的一个，并把这两个分箱合并：比如，23是卡方值最小的一个，那么就将2和3合并，本轮计算中分箱就变为了1,23,4。

  基本思想：如果两个相邻的区间具有非常类似的类分布，那么这两个区间可以合并。否则，它们应该分开。低卡方值表明它们具有相似的类分布。

• 停止条件

  • 卡方停止的阈值
  • 分箱数目的限制

Reference

漫谈信贷业务模型体系建设
一文看懂风控模型的所有（应该）
一文带你了解风控评分卡模型 (各种指标名称)
特征稳定性指标PSI的原理与代码分享
一文介绍特征工程里的卡方分箱，附代码实现
特征工程 | 信息价值IV与群体稳定性PSI 风控模型—WOE与IV指标的深入理解应用 (贝叶斯角度)
2.2万字，一文看懂风控模型所有