搭建金融信贷风控中的机器学习模型-(10)行为评分卡(B卡)
2019-09-28 本文已影响0人
GQRstar
行为评分卡在风控领域中起着违约监控与额度管理的作用。此外,在巴塞尔模型里,内部评级法模型(Internal Rating Based Model)也非常依赖于行为评分卡。
1.行为评分卡基本概念
定义
- 根据贷款人放贷后的表现行为,预测未来违约风险概率的模型。
使用场景 - 和申请评分卡不同,行为评分卡用在贷款发放之后、到期之前的时间段,即“贷中”环节。
使用目的 - 监控贷款人在贷款结束之前的逾期/违约风险
- 在此基础上构建内部评级法中的PD(probability of default)模型
使用的信贷产品 - 还款周期长的信贷产品
• 长周期的产品有房贷、车贷、某些信用现金贷 - 循环授信类的信贷产品
• 信用卡、某些信用贷
注:
对于还款周期短的产品,一般无法也无需构建行为评分模型。可以用申请评分预测还款表现
对于较新的账户(例如开户时长在半年内),行为评分模型也不适用对其进行监控
观察期与表现期 - 行为评分卡预测的是条件概率:
-
构建和使用行为评分卡的两个时间段:
观察期:当前以及过去一段时间内,用于搜集变量、特征的时间窗口,通常为1年或者半年以内
表现期:未来一段时间
观察期与表现期
- MOB(Month on Book)=观察点-贷款发放日
- 表现期的设定
不宜太短,否则
• 失去预测的意义
• 时间长度无法保证
• 概率难以预测 - 观察期的设定
• 不宜太长,否则MoB过长,大量客户无法进入模型
• 不宜太短,否则构建的变量,有效性不够
2.行为评分卡特征构造
时间切片:两个时刻之间的跨度,例如:观察日期之前30天内信用卡账户的总消费额。
基于时间切片的衍生:观察日期前180天内,平均每月的逾期次数
常用的时间切片:1、2个月,1、2个季度,半年,一年
时间切片的选择:
• 不能太长:保证大多数样本都能覆盖到
• 不能太短:丢失信息
![](https://img.haomeiwen.com/i15137897/b8ab2988e017c783.png)
![](https://img.haomeiwen.com/i15137897/9c77531e02573475.png)
![](https://img.haomeiwen.com/i15137897/f541b0fe661ed6ae.png)
![](https://img.haomeiwen.com/i15137897/46f6d74709b37f55.png)
![](https://img.haomeiwen.com/i15137897/86cf5a89c2e751ff.png)
![](https://img.haomeiwen.com/i15137897/225717429caa0b18.png)