评分卡开发流程全解析---python版_python scorecard

一、背景

从去年暑假到今年2月份曾在两家互金公司实习，接触了很多金融信贷场景下的知识，其中最基础的当属评分卡的开发了。接下来将结合我在实习中的工作讲一下评分卡的开发全流程，有兴趣的童鞋可以看一下，有任何不对的地方希望大家批评指正。

二、正文

首先评分卡的开发流程大致包含下面这些步骤：

（一）定义问题

确定两类重要的问题：观察期和表现期、好坏客户的定义。

观察期相当于X变量，即搜集用户的行为；表现期相当于Y变量，即用户的表现，在评分卡中通常就是好坏两类。观察期从观察时点起向前回溯的最远时长，表现期从观察时点起根据账龄分析来决定。

从图中可看出，在9个月以后的坏账率趋于稳定，说明坏客户重复暴露的时间为9个月，那么就定义表现期为9个月。

好坏客户通过滚动率和迁移率来分析。滚动率分析就是从某个观察点之前的一段时间(称为观察期)的最坏的状态向观察点之后的一段时间(称为表现期)的最坏状态的发展变化情况，如下所示：

从上看出，在观察期正常还款的在表现期还正常还款的概率为96%，在观察期逾期3个月的客户在表现期逾期4个月的概率为61%，说明M3的用户有很大概率会更坏变为M4，故定义M3为坏客户，即逾期60-90的人。

（二）数据准备和预处理

贯穿全文的包---scorecardpy

根据定义的观察期和表现期拉取数据，预处理主要是对异常值、缺失值，有些情况还需要特征缩放即归一化和标准化处理，比如时间和金额等等和其他字段的取值相差很大时，可以利用已有的方法也可以自定义，如下所示：

#相当于数据预处理, 设定要删除的规则，主要是指缺失率，iv<0.02等等
dt_s = sc.var_filter(data, y="flagy")
print("变量预处理前后变化：",data.shape[1],"->",dt_s.shape[1])

（三）特征工程

可以从数据来源、业务类型、时间范围和统计单位4个维度来衍生，将4个维度作笛卡尔积交叉组合特征。

除此之外维度指标有频次（近3个月的f贷款申请次数）、总和、平均、占比、一致性（身份证和手机号所在的省份是否一致）、距离、波动、占比趋势和对比趋势等。还有一些可以结合具体的业务来，如在信用卡业务中对于还款有近1、3、6、12、24个月的还款次数、最大单笔还款距今时长、最后一次还款距今时长等等。

（四）变量筛选

在评分卡中由于需要业务具有很强的解释性，通常入模的变量为8~16个，需要筛选变量。变量筛选的方式有以下几种：

1. 如果不使用预测模型，有监督的可以使用信息值、卡方统计量和gini系数；无监督的可以使用相关性、聚类和PCA等
2. 若使用预测模型，可以使用逐步回归、正则化(AIB,BIC,lasso)、交叉验证和机器学习如xgb等自带筛选特征，在经过预处理后