主要内容

关于信用记分卡

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。信用评分的目标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)环境中，信用评分是使用信用记分卡执行的。信用记分卡表示客户的不同特征(年龄、居住状况、当前地址的时间、当前工作的时间等)，并将这些特征转换为积分，积分的总数就成为信用评分。客户的信用价值由他们的信用评分来概括;高分通常对应低风险客户，反之亦然。分数也用于中小企业和大企业的企业信用分析。

信用记分卡是将借款人的特定特征映射为分数的查找表。积分的总数成为信用评分。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，信用记分卡以分数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借款人的年龄和收入给他们打分，如下表所示。其他特征，如居住状况，就业状况，也可能包括在内，尽管，为简洁起见，他们没有显示在这个表中。

信用记分卡点预测年龄和收入

在这个例子中，使用信用记分卡，一个31岁，年收入52,000美元的特定客户被放入第二个年龄组(26-40岁)，年龄为25分，同样，收入为28分。其他特征(这里没有显示)可能会为他们的分数贡献额外的分数。总成绩是所有分数的总和，在这个例子中假设给客户的总分是238分(这是一个虚构的任意评分量表的例子)。

信用记分卡为特定客户的年龄和收入预测点

从技术上讲，要确定信用记分卡点，首先要选择一组潜在的预测因子(下一个图中的第1列)。然后，将数据分组(例如，年龄“至25岁”，“25至40岁”(图中的第2列)。这种分组有助于区分“好”和“坏”客户。证据的权重(WOE)是一种方法，用于衡量“好”和“坏”的分布在每个单独的预测器(图中的第3列)在不同的箱或组之间的分离程度。通过拟合逻辑回归模型，您可以确定哪些预测因素放在一起时，可以更好地区分“好”和“坏”客户。该模型由其系数总结(图中第4列)。最后，WOE和模型系数的组合(通常缩放、移位和四舍五入)构成记分卡点(图中的第5列)。

年龄和收入的预测因子用WOE和模型系数表示

信用记分卡开发过程

  1. 数据收集和准备阶段

    这包括数据收集和集成，如查询、合并、对齐。它还包括对缺失信息和异常值的处理。有一个基于预测因子和响应变量之间的关联度量报告的预筛选步骤。最后，有一个采样步骤，生成一个训练集，有时称为建模视图，通常也称为验证集。训练集，以表格的形式，是输入到系统所需的数据creditscorecard对象时，必须先准备此训练集表creditscorecard对象在建模阶段。

  2. 建模阶段

    使用creditscorecard对象和关联对象函数来开发一个信用记分卡模型。您可以对数据进行存储，应用证据权重(WOE)转换，并计算其他统计数据，例如信息值。您可以拟合逻辑回归模型，也可以查看结果记分卡点，并格式化其缩放和四舍五入。的详细信息creditscorecard对象,看到creditscorecard．

  3. 部署阶段

    部署需要将信用记分卡模型集成到IT生产环境中，并保持跟踪日志、性能报告等。

的creditscorecard对象是为信用记分卡工作流的建模阶段设计的。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。

另请参阅

||||||||||||||

相关的例子

更多关于