本期，小编将从风控评分卡的应用场景、目标定义与数据准备、特征分箱、WOE权重、变量筛选、评分卡的实现与评估、风险等级划分等方面来给大家详细介绍风控评分卡模型。

风控模型的预测目标一般是指判断某个客户是否为坏样本（通常以0/1为标准）。但在运用的过程中，不能简单地将坏客户定为1，好客户定义为0。需要结合时间点与业务指标进行综合判断。因此，我们引入以下概念：

风控模型的周期

观察点：该点并不是一个具体的时间点，而是一个时间段，在该时间段的客户样本将作为建模的历史数据。

观察期：此阶段主要用以生成用户特征的时间区间，不宜过长也不宜过短。若区间过长可能导致大批样本无法进入模型；过短可能会导致无法生成足够多有效的时间切片变量。

表现期：用以定义用户好坏的时间段，一般是6个月到1年左右，不宜过短，以保证样本群体分类的稳定性，使客户的风险充分表露出来。

表现点：截止到此时间点的客户被分类成“好客户”和“坏客户”。

此外，在观察的过程中，数据可能会出现错误。因此，需要通过数据的整理及清洗来提高数据的准确性。

一般而言，根据观察期和表现期的定义从数据池中取数，进行前期的数据清洗和稳定性验证工作。数据清洗包括用户唯一性检查、缺失值检查、异常值检查等。

稳定性验证主要考察变量在时间序列上的稳定性，衡量的指标有PSI、平均值/方差、IV等。

在风控评分卡模型中，通常为了业务解释性，我们会发挥线性判断变量的作用。当特征变量x越来越大，目标变量y也会越来越大。但实际x与y之间经常存在着非线性关系，此时可经过WOE变换。

WOE全称是Weight of Evidence，即证据权重，也被称为自变量的一种编码，公式定义如下：

WOE数据关系

基于观察期的定义，通过时间滑窗可以构造大量的特征变量，包括：数量统计类特征、占比统计类特征、趋势统计类特征、稳定性衍生特征和第三方变量衍生特征。

但这些变量并不都满足要求，需要剔除不符合要求的变量，从输入上保证风控系统的鲁棒性。

变量筛选的技术指标包括：

理解指标的计算逻辑和业务含义是十分重要的。因此，接下来将从计算逻辑和业务含义两个维度展开分析。

1、缺失率（Missing Rate）

计算逻辑：缺失率 = 未覆盖样本数 / 总样本数 × 100%

业务含义：变量缺失率越高，可利用价值越低。缺失率变化不稳定的变量，特别是缺失率趋势在升高的变量，代表未来数据源采集率下降，不建议采用。

数据源是特征变量的基础，数据源不稳定，会直接导致模型稳定性下降。

2、变异系数（Coefficient of Variation，CV）

计算逻辑：变异系数 C·V =（ 标准偏差 SD / 平均值Mean ）× 100%

业务含义：变异系数越小，代表波动越小，稳定性越好。缺点在于CV没有统一的经验标准。

3、稳定性（Population Stability Index，PSI）

计算逻辑如下图：

上式含义为：PSI = SUM( (实际占比 - 预期占比）* ln(实际占比 / 预期占比) )。预期占比是指训练集上每个分箱里的样本占比，实际占比是待比较样本集的每个分箱里的样本占比。测算结果含义如下图：

4、信息量（Information Value，IV）

计算逻辑如下图：

业务含义：用以评估变量的预测能力。通常情况下，IV越高，预测能力越强。但IV过高时，需要检查是否发生信息泄漏（leakage）问题，即是否在自变量X中引入了Y的信息。

一般地，IV<0.02的为无效特征；0.02<=IV<0.1的为弱效果特征；0.1<=IV<=0.5为有效特征；IV>0.5为强特征。

5、RF/XGBoost特征重要性

计算逻辑：XGBoost默认使用特征在所有树中作为划分属性的次数来计算特征重要性。RF（Random Forest，随机森林）则利用袋外数据OOB准确率来计算决策树模型的特征重要性。如：XGBoost默认使用特征在所有树中作为划分属性的次数，具体如下图：

业务含义：在特征变量特别多的时候，特征重要性可用于快速筛选特征。从机器学习可解释性角度而言，特征重要性只具有全局可解释性，无法对单个case给出解释。

6、线性相关性（Linear Correlation）

计算逻辑：皮尔逊（Pearson Correlation Coefficient）等相关系数。

业务含义：评分卡建模使用的逻辑回归为一种线性模型，其基础假设是“自变量之间应相互独立”。当两变量间的相关系数大于阈值时（一般阈值设为0.6），剔除IV值较低的变量。

7、多重共线性（Multicollinearity）

计算逻辑：方差膨胀因子（Variance Inflat