第一部分：为什么要做信用评分

基本原理

信用评分 = Money?.png
“先购买，后付款”是许多金融和零售公司向其客户提出的一项诱人的提议，以增加其客户群。但是，双方在进行此类信贷决策时都需要了解风险。对于贷方和客户而言，重要的是客户能够履行信用义务并在贷款期限结束时偿还所有的欠款。贷款人需要能够评估每个客户的违约风险，以便贷方可以决定应该向谁提供要约。

什么是信用评分？

技术进步使金融贷方能够通过利用有关客户的各种数据来降低贷款风险。使用统计和机器学习技术，可用数据被分析并归结为一个称为信用评分的单一值，代表贷款风险。该值有助于指导决策过程。信用评分越高，贷方对客户的信誉越有信心。信用评分是一种基于预测建模的人工智能形式，用于评估客户违反信用义务，拖欠或破产的可能性。预测模型通过利用客户的历史数据以及对等组数据和其他数据来“学习”，以预测该客户未来表现定义行为的概率。
信用评分的最大好处是能够帮助您快速并有效地做出决策，例如接受或拒绝客户，增加或减少贷款额度、利率或期限。由此产生的决策速度和准确性使得信用评分成为银行，电信，保险和零售等各个行业风险管理的基石。

信用评分类型和客户生命周期

信用评分可以在整个客户生命周期中使用，在客户和组织之间的关系长度期间跨越整个客户体验。虽然主要是为信用风险部门开发的，但营销部门也可以在营销活动中受益于信用评分技术中（图1）。
如图1所示，在客户旅程的不同阶段使用不同的信用评分：

• 申请分数在决定是接受还是拒绝申请人时评估新申请人违约的风险。
• 行为评分在做出与账户管理相关的决策时评估与现有客户相关的违约风险，例如信用限额，超限管理，新产品等。
• 催收分数用于催收策略，用于评估收回债务的收款客户的可能性。

图1.客户整个生命周期中的信用评分

信用风险评分卡

多年来，用于实施信用评分的许多不同建模技术已经发展起来。它们的范围囊括了参数或非参数的，统计或机器学习的，监督或无监督算法的。最新技术包括利用数百或数千种不同模型的高度复杂方法，各种验证框架和具有多种学习算法的集合技术，以获得更好的准确性。

尽管存在这样的多样性，但有一种模型技术很突出 - 信用评分卡模型。通常称为标准记分卡，逻辑回归作为它的基础模型。与其他建模技术相比，这种方法满足了多方面的要求，使其成为从业者青睐的方法，近90％的评分卡开发人员都使用这种方法。评分卡模型易于构建，理解和实施，并且执行起来快。作为统计/机器学习混合，其预测准确性与其他更复杂的技术相当，其分数可以直接用作概率估计，从而为基于风险的定价提供直接输入。这对需要符合巴塞尔协议II监管框架的贷方至关重要。非常直观、易于理解和证明的特性，使得评分卡模型被某些国家/地区监管机构指定为为独家信用风险建模技术。

评分卡模型结果通常由一组以表格形式呈现的属性（客户特征）组成（图2）。在属性内，加权分数（正或负）被分配给范围中的每个属性值，并且这些分数的总和等于最终信用分数。

图2.标准记分卡格式.png

下一篇文章：信用评分：第二部分 - 信用评分卡建模方法

本文翻译转载自https://www.worldprogramming.com/blog/credit_scoring_development_pt1。