什么是信用记分卡?

信用评分是应用最广泛的信用风险分析工具之一。信用评分的目的是根据借款人的信用价值对其进行排名。在零售信贷(信用卡、抵押贷款、汽车贷款等)的上下文中，使用信用记分卡执行信用评分。信用记分卡代表客户的不同特征(年龄、居住状况、在当前地址的时间、在当前工作的时间等)转换为积分，积分的总数就成为信用分数。通过信用评分来总结客户的信用价值;高分通常对应的是低风险客户，反之亦然。在分析中小企业和大企业的信用时，也会使用分数。

信用记分卡是一个查找表，它将借款人的特定特征映射为点数。积分总数就变成了信用分数。信用记分卡是一种广泛使用的信用评分模型。因此，信用记分卡的目标是区分偿还贷款的客户(“好”客户)和不偿还贷款的客户(“坏”客户)。与其他信用评分模型一样，信用评分卡以评分和违约概率的形式量化借款人不偿还贷款的风险。

例如，信用记分卡可以根据个人借款人的年龄和收入给其分数，如下表所示。其他特征，如居住身份、就业身份，也可能包括在内，不过，为简便起见，本表格未列明。

使用本例中的信用记分卡，一个31岁、年收入为52,000美元的特定客户被置于第二年龄组(26-40岁)，根据其年龄获得25分，同样，根据其收入获得28分。其他特征(这里没有显示)可能会给他们的分数加分。总分数是所有分数的总和，在本例中假定客户总共得到238分(这是一个虚构的示例，基于任意的评分尺度)。

从技术上讲，要确定信用记分卡点数，首先要选择一组潜在的预测器(下一个图中的第1列)。然后，将数据分成组(例如，年龄为“Up to 25”，“25 to 40”(图中的第2列))。这种分组有助于区分“好”和“坏”客户。证据权重(WOE)是一种衡量“好”和“坏”在每个预测者(图中第三列)的容器或组中的分布情况的方法。通过拟合逻辑回归模型，您可以确定哪些预测因素在一起时能更好地区分“好”和“坏”客户。模型由其系数总结(图中第4列)。最后，将WOE和模型系数(通常缩放、移位和四舍五入)组合起来组成记分卡点(图中第5列)。

信用记分卡开发流程

的creditscorecard对象是为信用记分卡工作流的建模阶段而设计的。金宝app对所有三个阶段的支持需要其他MathWorks^®下载188bet金宝搏产品。