信贷风控模型开发----模型流程&好坏样本定义

第二章 模型开发流程&好坏样本定义

2.1模型开发流程

2.1.1 评分模型流程图

2.1.2流程图阐述

该小结提出了一些数据指标，如果不明白没有关系，往后的文章笔者会一个个地解释这些指标的含义和计算方法

• 数据获取：获取建模所需要的数据，一般分为内部为外部数据，内部数据例如贷款公司内部搜集存储的客户信息，例如客户在平台内部的登陆、注册、消费信息等，外部数据一般有第三方数据，例如人行征信报告、一些第三方机构提供的多头借贷等
• EDA与数据描述，EDA全称explore data analysis，目的在于探索性地分析客户数据分布情况以及数据质量，检查数据是否为单一值、包不包含缺失以及异常数据等。同时通过各种分析手段（Gini、列联表、χ2χ2检验、相关系数）等分析变量与目标(违约与否)的关联
• 数据准备，准备好我们需要进行建模的样本宽表，包括数据合并、清洗、转换等工作，这也是建模中最耗费时间的一项。
• 变量选择，在数据准备好以后，未必所有的变量都需要进入模型，否则容易出现维度灾难，就是数据集过大导致开发时间过长，根据一定方法选择最优变量进入模型就成了必要的工作，常用的有IV值，逐步回归(也就是先将一个变量纳入模型，然后逐步将其他变量一个一个纳入模型训练，剔除掉不能减少AIC的变量，然后继续加入新变量，直到AIC无法再下降为止)。另外还有假如L1惩罚项，用集成学习的方法选择变量等。
• 模型开发，利用机器学习，训练模型，常用的模型有logsitic回归、线性回归、决策树、深度学习等。
• 模型评估，评价模型对于好坏样本的区分能力，常用的指标有ROC曲线、RECALL、PERCISION、KS值等。
• 评分卡创建和刻度，利用模型估计出来的参数(也就是公式)将其转化为评分规则或者是风控规则。
• 检测和报告，监控模型是否运行稳定，常用的指标有PSI、评分迁移矩阵、kendall 秩相关系数等。
• 评分实施，模型部署上线，用于风控系统。

2.2 好坏样本定义

开发信用评分模型的首要目标就是知道来者是好人还是坏人，他未来会不会出现逾期、失联等。所以，如何定义一个借款人的好坏十分讲究，并不是一个人有过逾期欠款他就不是好人了，毕竟发生逾期的原因总是多方面的，有的仅仅是偶尔忘了，这部分总体还是好人，而有的是中途发生财务原因暂时无力偿还，还有的严重一点就是主观上存在坏的目的，借了钱就消失赖账，甚至是身份被骗子盗用。所以，建模过程中，为了训练出一个优质的模型，需要正确地定义好坏样本。

2.2.1观察期、表现期、观察点

在这里，需要明确三个定义：观察期、表现期、观察点，可以先从如下时间轴看起。 

- 观察期：就是时间轴左侧，主要是用来生成用户特征的时间区间，不宜太长也不宜太短，一般为1年到3年左右 
- 观察点：这个点并是一个具体的时间点，而是一个时间区段，表示的是客户申请贷款的时间，用来搜集那些用来建模的客户样本，在该时间段申请的客户会是我们用来建模的样本 
- 表现期：用来定义用户是否好坏的时间区段，一般是6月到1年左右，一般最常用的是定义为坏样本的指标有：M3+逾期、M3以内逾期中定义为失联、欺诈、身份盗用等情况，这些需要看自身业务情况而定

补充说明： 
1.观察点的设计： 
观察点的设计有额外的讲究，其中涉及到一个Mob的概念。而所谓Mob，全称month on book，等于观察点减去贷款发放时间。所以，观察点的设计在于贷款发放时间往后推Mob期，Mob的长短关系到模型的观察期以及观察期生成的时间切片变量。

2.观察期过长或过短的影响： 
- 一个过长的观察期，可能会导致客户不在你的mob内，大批样本无法进入模型 
- 一个过短的观察期，则会导致样本无法生成足够多有效的时间切片变量

3.时间切片变量： 
- 时间区段的行为变量，例如过去3个月平均消费金额、过去6个月消费平均次数等

2.2.2举例说明

假如，现在我们的模型表现期为1年，观察期为1年，观察点为什么时候呢？也就是说当我们有一个客户在2018-1-1号来申请贷款，贷款机构需要用现有的模型对该申请人进行一个申请评分，评估他未来表现期内触发坏样本属性的概率，那么该模型采用的客户样本是什么时候申请进件的？ 
答案：因为上面定义的表现期是1年，那么往前推一年，观察点大概为2017-1-1号左右某段时间区间，因为观察期也是1年，所以再往前推1年（即观察期：2016-1-1到2017-1-1），利用这1年所有观察点内申请人一些信息建立模型的观察变量，然后再往后推一年（即表现期：2017-1-11到2018-1-1），所有在观察点内的申请人在这一年时间内的表现情况来定义违约。然后来训练出一个模型。对2018-1-1号的申请人进行评分。所以申请评分卡模型有着天然的滞后性，需要不断的对其模型进行监控。

参考文档：https://blog.csdn.net/hankkuang/article/details/79639631