金融信贷风控（一）——申请评分卡
互联网金融业申请评分卡介绍
申请评分卡的重要性和特性
评分卡：
- 以分数的形式来衡量风险几率
- 对未来一段时间内违约\逾期\失联概率的预测
- 通常分数越高越安全
- 申请环节：反欺诈评分卡，申请评分卡；监控环节：行为评分卡；逾期环节：催收评分卡
| 评分卡类型 | 含义 | 意义 |
|---|---|---|
| 申请评分卡 | 用在申请环节，以者当日及过去的信息为基础预测未来放款后的逾期和违约概率。 | 用于风险控制（借贷生命周期的第一个关口）、营销（识别优质客户）、资本管理（可作为PD模型的一个因子） |
申请评分卡的特性
- 稳定性
- 还款能力和还款意愿在短期内不会发生剧变。当总体违约/逾期概率不变时，分数的分布也应该不变
- 区分性
- 违约人群和正常人群的分数应该有明显差异
- 预测能力
- 低分人群的违约率更高
- 评分和逾期概率等价
- 可以精准的反映违约/逾期概率，反之亦然
评分卡模型开发步骤
- 立项：确定应用场景、对象和目的
- 数据准备与预处理：账户、客群、内部/外部数据
- 模型构建
- 模型评估：区分度、预测性、平稳性
- 验证/审计：是否有计算错误、逻辑错误、业务错误
- 模型部署：从开发环境到生产环境、容量、并发度
- 模型监控：性能是否减弱，是否需要优化甚至重新开发
申请评分卡常用特征
- 个人信息：收入、年龄、性别
- 历史行为信息：历史逾期记录
- 负债信息：在本金融机构或者其他金融机构负债情况
- 消费能力：商品购买纪录，出境游，奢侈品消费
- 新兴数据：人际社交 网络足迹 出行 个人财务
非平衡样本问题的定义和解决方法
信用风险：正常用户远多于逾期/违约用户
流失风险：留存用户多于流失用户
平衡的定义：在金融评分数据领域中的负正样本比例在1：20内都算数据样本平衡。其他领域具体分析。
解决方法
一些阅读材料
干货｜如何解决机器学习中数据不平衡问题
Comparison of balancing techniques for unbalanced datasets
python工具包 imbalance-learn
机器学习中非平衡数据处理
因为下采样会丢失信息，如何减少信息的损失呢？第一种方法叫做EasyEnsemble，利用模型融合的方法（Ensemble）：多次下采样（放回采样，这样产生的训练集才相互独立）产生多个不同的训练集，进而训练多个不同的分类器，通过组合多个分类器的结果得到最终的结果。第二种方法叫做BalanceCascade，利用增量训练的思想（Boosting）：先通过一次下采样产生训练集，训练一个分类器，对于那些分类正确的大众样本不放回，然后对这个更小的大众样本下采样产生训练集，训练第二个分类器，以此类推，最终组合所有分类器的结果得到最终结果。第三种方法是利用KNN试图挑选那些最具代表性的大众样本，叫做NearMiss，这类方法计算量很大,感兴趣的可以参考“Learning from Imbalanced Data”这篇综述的3.2.1节。