[发明专利]一种评分卡建模方法

说明书

本发明公开一种评分卡建模方法，包含确定变量及筛选变量、中间衍生变量逻辑回归、模型验证。其中在变量确定的过程中不但引入了WOE变量同时还引入了Recode变量，进而从稳定性和精确性两方面构建和筛选变量；本方法引入了基于因子分析和PCA算法的变量聚类分析，将自变量按其主成分分簇，并在每个分簇中各选取若干变量，从而最大限度地保留了维度的解释度和覆盖面。本发明的评分卡建模方法完成计分模型的建模，仅在特定的几个步骤中需要人为介入，采用这种半自动建模方法将现有的建模时间由一个月缩短到了三天的时间，克服了现有技术中建模时间较长的技术问题。

技术领域

本发明涉及信贷风控管理领域，具体地说，涉及针对放贷对象所做的一种评分卡建模方法。

背景技术

在信贷风控领域的传统评分卡构建流程非常复杂，一般分为数据探索、WOE计算、变量筛选、相关性分析、分箱调整、模型调参、模型评估、评分卡转换、模型稳定性验证等诸多步骤。传统模型建模流程主要有以下几个问题：

1.建模时间长：由于上述流程十分繁琐，所以评分卡的建立从数据探索到稳定性测试完成往往需要近一个月的时间，这就大大影响了以评分卡为基础的风控系统对市场变化的反应速度。其中，最费时费力的步骤主要集中在变量筛选、分箱调整和模型调参上。这些步骤往往需要反复的迭代测试。

2.模型效果：传统模型在变量筛选时仅依赖两个方面：

a)筛选与因变量相关性较高的自变量，基于如IV/KS/Gini值等；

b)为了减少共线性，剔除相关性较高的自变量；

基于以上筛选条件会过度消减训练逻辑回归模型前的入模变量个数，从而影响模型精度。

误操作率高：手动建立传统评分卡在每个步骤上都要做大量的数据分析、数据整理，这就大大增加了出错的可能性。

发明内容

本发明的目的在于提供一种评分卡建模方法，用于解决现有技术中评分卡建模过程中耗时长，不能适应外部市场变化、以及建模模型效果差，错误率高的技术问题。

本发明提供的一种评分卡建模方法包括以下步骤：

步骤S1，确定变量及筛选变量：对变量进行转换，转换为衍生变量，在所有所述衍生变量中通过筛选算法剔除部分所述衍生变量后，得到筛选后高解释性、低共线性的中间衍生变量；

步骤S2，中间衍生变量逻辑回归：先对所述中间衍生变量做向后逻辑回归，逐次剔除无效的或共线性较强的中间衍生变量；再对被剔除的所述中间衍生变量做向前回补，尝试逐个加回被剔除的中间衍生变量，确保模型效果最优，在向后逻辑回归和向前回补过程结束后确定最终入模变量及其权重，即确定了计分模型；

步骤S3，模型验证：利用样本验证集对所述计分模型进行验证，判断验证结果的合理性；当所述验证结果不合理时，退回执行所述步骤S2。

采用本发明的评分卡建模方法完成计分模型的建模，仅在特定的几个步骤中需要人为介入，采用这种半自动建模方法将现有的建模时间由一个月缩短到了三天的时间，克服了现有技术中建模时间较长的技术问题；除此之外，在对样本训练集中的中间衍生变量逻辑回归的步骤中采用了后逻辑回归及向前回补的两种回归迭代过程，对中间衍生变量中共线性较高的变量再次进行了验证和剔除，同时通过多次迭代后保证确定的各个中间衍生变量的权重最为合理，即便是在实际应用时部分变量缺失情况下，确定的权重也不会影响计分模型的输出结果，能够使得计分模型计分更加的精确，和快速，防止宕机。最后，本发明的评分卡计分模型除过需要人为介入的步骤外，其他的步骤均是标准化封装，其系统自动运行，减少了人工建模出错的可能性。

附图说明

图1是本发明评分卡建模方法的整体流程图；

图2是本发明步骤S1的流程图；