【评分卡】评分卡⼊门与创建原则——分箱、WOE 、IV、分值分配本⽂主要讲“变量选择”“模型开发”“评分卡创建和刻度”变量分析⾸先,需要确定变量之间是否存在共线性,若存在⾼度相关性,只需保存最稳定、预测能⼒最⾼的那个。
需要通过 VIF(variance inflation factor)也就是 ⽅差膨胀因⼦进⾏检验。
变量分为连续变量和分类变量。
在评分卡建模中,变量分箱(binning)是对连续变量离散化(discretization)的⼀种称呼。
要将logistic 模型转换为标准评分卡的形式,这⼀环节是必须完成的。
信⽤评分卡开发中⼀般有常⽤的等距分段、等深分段、最优分段。
单因⼦分析,⽤来检测各变量的预测强度,⽅法为WOE、IV;WOEWOE(weight of Evidence)字⾯意思证据权重,对分箱后的每组进⾏。
假设good为好客户(未违约),bad为坏客户(违约)。
#good(i)表⽰每组中标签为good的数量,#good(T)为good的总数量;bad相同。
这⾥说⼀下,有的地⽅计算WOE时使⽤的是的,其实是没有影响的,因为我们计算WOE的⽬的其实是通过WOE去计算IV,从⽽达到预测的⽬的。
后⾯IV计算中,会通过相减后相乘的⽅式把负号给抵消掉。
所以不管谁做分⼦,谁做分母,最终的IV预测结果是不变的。
IVgood 占⽐bad 占⽐IV(information value)衡量的是某⼀个变量的信息量,公式如下:N为分组的组数;IV可⽤来表⽰⼀个变量的预测能⼒。
IV预测能⼒<0.03⽆预测能⼒0.03~0.09低0.1~0.29中0.3~0.49⾼>=0.5极⾼根据IV值来调整分箱结构并重新计算WOE和IV,直到IV达到最⼤值,此时的分箱效果最好。
分组⼀般原则1. 组间差异⼤2. 组内差异⼩3. 每组占⽐不低于5%4. 必须有好、坏两种分类举例说明例如按年龄分组,⼀般进⾏分箱,我们都喜欢按照少年、青年、中年、⽼年⼏⼤类进⾏分组,但效果真的不⼀定好:Age good bad WOE<185040 18~3010060 30~6010080 >608040 ALL330220ln()=40/22050/330−0.182321556793955 ln()=60/220100/3300.105360515657826 ln()=80/220100/330−0.182321556793955 ln()=40/22080/3300.287682072451781根据IV值可以看出,预测能⼒低,建议重新调整分箱。