第四章：Scorecard Development Process, Stage 2: Data Review and Project Parameters

一： data avaliablity and quality
數據獲取，數量和質量，可靠和干凈的數據是需要的。
數據數量需要滿足多樣性，統計顯著和隨機。
具體數量大小，目前不是關鍵，依賴壞樣本定義。
對于申請評分卡（application scorecard），俗稱A卡，需要包含拒絕的樣本。通過拒絕推斷（reject inference）技術去推斷拒絕樣本中好樣本和壞樣本。
數據源的獲取：內部數據和外部數據，高質量內部數據需要處理，外部數據需要評估，量化和定義。重要一點是，個人建議： 數據源穩定性要監控，模型開發要考慮到源數據延時和缺失的情況。

二： Data Gathering for Definition?of Project Parameters
?對于申請評分卡來說，需要收集之前2到5年的樣本數據，或者大量足夠的樣本。相關字段（包括但不局限）：
?（1）身份id； （2）申請日期； （3）賬號拖欠和索賠歷史數據； （4）接受/拒絕 標記； （5）產品/通道，或者其他標識符； （6）當前賬號狀態（e.g., 不活躍，關閉，丟失，被盜，欺詐等）

對于行為評分卡（behavior scorecard）來說，俗稱B卡，賬戶選擇是在一個時間點上，對他們的行為分析，通常以6到12個月為周期。

三: ?Definition of Project Parameters

3.1 ?Exclusions
?????評分卡模型有時候需要過濾掉一些特定賬號樣本。開發涉及的賬號樣本是應該是應用到潛在用戶，日常貸款針對的人群。對一些異常表現群體，如欺詐群體。還有員工，vip，國外，盜卡，未成年這些群體，是不能加入開發模型，需要采用一些特殊規則進行處理。
對于一些金融公司如果之前客戶涉及比較多，比如一家汽車貸款公司，之前貸款業務包括個人汽車業務，駕駛技術業務等，如果現在業務聚焦到個人汽車貸款業務，那他評分卡開發涉及的樣本則需要改變，只能包含個人汽車貸款用戶樣本。
?????對于exclusion的另外一個理解，這些exclusions可以看成一種sample bias 案例。比如你開發評分卡模型只針對城市人口，那你開發樣本中則不能包含任何非城市人口。總體來說，如果一個群體或者申請類型，在未來應用上是不會被評分的，那這些樣本是不應該加入模型開發中的。

3.2 ?Performance and Sample Windows and “Bad” Definition?（表現窗口，樣本窗口，以及壞樣本定義）
?????評分卡模型是基于這樣一個假設“未來的表現將反映過去的表現" 。
?????所以，我們在收集樣本時候，需要考慮一個具體時間點開戶的賬戶，同時監控他們另外一個具體時間段表現，來確定這些樣本是好的還是壞的。開發樣本數據包含了樣本變量和樣本目標標簽。
???“perfomance window”(表現窗口)定義：為了確定賬戶分類（好的還是壞的）而監控賬戶行為的時間窗口。
?????“sample window”（樣本窗口）定義：選取已經確定好壞分類標簽的開發樣本的時間點。
?????表現窗口在樣本窗口之后。
???????
?????

如何確定樣本窗口和表現窗口，常見的方法是vintage analysis。
通過觀察不同表現窗口，觀察不良率曲線是否達到穩定。一般選取達到穩定期的時間窗。

“ever bad”define：對于表現窗口期內任何時間點達到預先定義好的不良狀態，則賬戶分類為壞樣本。
“current”define：只考慮最近最后一個月的不良狀態。
下面是一個賬號24個月的不良歷史行為記錄，delq行代表逾期月數。
如果采用“ever bad”define方法，這個賬戶分類為3個月不良狀態，如果采用“current”define方法，這個賬號被分類為無不良狀態。

3.3 Effects of Seasonality
樣本選擇時候需要考慮季節性影響。我們的開發樣本不應該包含異常時間段樣本， 我們開發樣本應該和正常商業時間段保持一致。這樣能保證之前的假設“未來和過去是相似的”，也能確保模型的預測準確性和魯棒性。
如何過濾異常時間段樣本？ 一種常見的方法，通過比較用戶特征平均屬性和樣本窗口開發樣本特征屬性。

舉個例子: ?一個公司期望他們的信用卡申請者主要是成年的男士和女士，但是他們發現樣本窗口中有一個月樣本主要年輕人。這種情況是那個月有一個汽車展。針對這種情況，需要擴大樣本窗口，來平滑特征時間段的影響。
還有一種處理方式，就是過濾異常時間段樣本。比如一個公司確定他未來針對的客戶不會包括年輕女性，那么開發樣本中就可以過濾掉年輕女性樣本。
季節性影響，也可以通過采取多樣本窗口，固定表現窗口的的方法來處理。

3.4 Definition of “Bad”
如何定義賬戶表現是否是壞樣本？ ?破產，欺詐行為是一種相對直接的壞賬戶定義方式，但不是唯一方式。如果按照不良率方式定義的話，這里會涉及到根據不同不良等級的多種選擇。
對于壞賬戶的定義，會有如下的考慮：
?（1）需要和公司目標保持一致；
（2）需要和產品或者評分卡針對的目標保持一致；
（3）如果是設置相對嚴謹的定義，比如120+天不良率，準確率會相對較高，但是樣本量會減少；
（4）如果設置相對寬松的定義，比如30天不良率，樣本會很多，但是準確率會降低，好壞樣本的區分度不夠強，評分卡模型會變弱；
（5）定義必須好解釋和追蹤；
(6) 針對同一公司，不同場景的評分卡，使用相對統一定義，是相對有益，這樣方便管理。
（7） 有時需要遵守一些國家規定或者官方組織約定的定義方式；
常見的確定定義，采用滾動率分析（Roll Rate Analysis）和 當前和歷史最壞比較分析（Current versus Worst Delinquency Comparison）
"Roll Rate Analysis" : ?滾動率分析主要分析比如30天不良行為賬戶中有多少比率轉化成60天不良行為賬戶，60天不良行為賬戶多少比率轉化為90天不良行為賬戶等等。比如下面中可以發現，對于30天不良行為賬戶有13%率轉化成更長時間不良行為賬戶。通過滾動率分析，主要確定多長時間不良行為的賬戶大多數會成為最終的壞賬戶。通過最短的表現窗口來捕獲絕大多數壞賬戶樣本。

Current versus Worst Delinquency Comparison： 其實和滾動率分析很相似，但是相對容易執行。分析賬戶歷史最壞不良狀態和最近不良狀態，進行比較。從下面圖可以，看到歷史30天不良行為賬戶，84%最近都沒有不良行為，相反90天歷史不良賬戶60%最近都保持90天不良行為或者更長時間不良行為。和滾動分析類似，這種方法，也是為了確定多長時間不良行為的賬戶大多數會成為最終的壞賬戶。

3.5 “Good” and “Indeterminate”
好樣本定義和中間不確定樣本定義。
Good 好樣本特性可能：（1）無不良行為或者不良行為前向滾動率低于10%（前向滾動率： 比如30天不良行為向60天不良行為轉化率）。（2）盈利的，正向NPV；
?（3）無索賠； （4）無破產；（5）無欺詐；
Indeterminate： 指那些沒有落入bad和good類目中的賬戶樣本。這樣賬戶沒有足夠多的表現歷史或者有不良行為但是滾動率比較低（比如有30天不良行為，但是沒有進一步向更高風險轉化）。
常見特性可能如下：（1）命中30天或者60天不良行為，但是沒有進一步前向滾動； （2）不活躍用戶或者自動取消用戶； （3）不經常使用賬戶；?
（4）索賠金額低于某個閾值的保險賬戶； （5）NPV=0的賬戶；
一般Indeterminate賬戶不超過10%-15%比率，如果過高，是需要核查相關原因。
真實評分卡開發時候，只會包含好壞樣本。

4 Segmentation
相對采用統一的評分卡，分場景切割樣本，按不同場景構建不同評分卡模型可能更有效。
常見的場景劃分方法：（1）專家經驗和領域知識，再加以統計分析；（2）統計方法，如聚類和決策樹等；
?4.1 專家經驗
劃分的方式：（1）人口統計學規則：根據地理位置，年齡等。（2）產品類型：金卡或者普通卡，保險類型等 （3）獲客來源：客戶來源來源于店面， 互聯網，經銷商，電話等 ?(4) 數據來源；（5）申請類型: 新用戶還是老用戶；?

4.2 統計方法（略）

4.3 comparing the improvement
什么樣的劃分是合理的？相對不劃分是否有提升？ 這里主要參考c-stat，ks統計或者商業上的提升。具體可以參考下面兩幅圖。

4.4 chose segments
至于選擇什么劃分方式，需要綜合考慮開發代價，實現代價，監控策略等。
?

總結

以上是生活随笔為你收集整理的《Credit Risk Scorecard》第四章：Data Review and Project Parameters的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。