數(shù)據(jù)建模：個(gè)人信用分是如何計(jì)算出來(lái)的？

1、.數(shù)據(jù)建模：個(gè)人信用分是如何計(jì)算出來(lái)的？ 無(wú)論是金融、互聯(lián)網(wǎng)企業(yè)亦或運(yùn)營(yíng)商，都在基于多年積累的大數(shù)據(jù)搭建個(gè)人征信評(píng)分體系，不僅用于自身，也在提供給其他征信機(jī)構(gòu)做為個(gè)人信用評(píng)估標(biāo)準(zhǔn)。那么，個(gè)人的信用分到底是如何計(jì)算出來(lái)的呢？筆者相信不同的信用分有不同的計(jì)算方法，無(wú)論是FICO評(píng)分、芝麻信用亦或其它信用分，這些評(píng)分既可以很簡(jiǎn)單，也可以很復(fù)雜，使用的建模方法各不同，但也總是會(huì)遵循一些基本的原則，這里筆者就信用分計(jì)算的一些關(guān)鍵技術(shù)作簡(jiǎn)要介紹，希望于你有益。一、業(yè)務(wù)分析我們?cè)跇?gòu)建信用評(píng)分的時(shí)候，首先當(dāng)然要定義何謂信用高，何謂信用低的用戶(hù)，這是建模的起點(diǎn)，銀行會(huì)基于用戶(hù)的還貸歷史來(lái)確定高低信用用戶(hù)，但如果

2、是第三方企業(yè)，則需要基于自身的業(yè)務(wù)特點(diǎn)定義出類(lèi)似的高低信用用戶(hù)，即正負(fù)樣本，比如運(yùn)營(yíng)商可能會(huì)基于通信欠費(fèi)來(lái)確定高低信用用戶(hù)的樣本，當(dāng)然這也是遠(yuǎn)遠(yuǎn)不夠的，需要從更多的途徑獲取，比如可以免費(fèi)獲取法院公示的老賴(lài)名單等。二、變量初選身份特征、消費(fèi)能力、信用歷史、行為偏好及人脈關(guān)系是當(dāng)前業(yè)界評(píng)估信用的五個(gè)方面，很多信用評(píng)分體系都基于此而來(lái)，當(dāng)然，不同行業(yè)由于數(shù)據(jù)不同，因此形成的具體明細(xì)指標(biāo)肯定也有明顯的差異，比如針對(duì)身份特征，可能選擇的具體指標(biāo)包括婚姻、年齡、職業(yè)、性別等等，諸如運(yùn)營(yíng)商可以有幾十個(gè)指標(biāo)來(lái)表征身份特征，五個(gè)方面的涉及的具體指標(biāo)更是多達(dá)上百個(gè)，因此，關(guān)鍵的下一步就是如何刪選合適的變量。三、特

3、征刪選很多新手喜歡用越多的變量來(lái)建模，以為多多益善，其實(shí)不然，變量篩選的目在于去除對(duì)于模型預(yù)測(cè)準(zhǔn)確提升無(wú)效甚至影響模型預(yù)測(cè)效果的無(wú)用變量， 比如兩個(gè)相關(guān)變量的同時(shí)存在往往會(huì)導(dǎo)致準(zhǔn)確性下降。特征的選擇有很多方式，比如IV值的判斷，這里以隨機(jī)森林來(lái)示例，隨機(jī)森林算法能夠輸出每個(gè)變量對(duì)模型預(yù)測(cè)的重要性大小，重要性越大代表該變量對(duì)于提升模型預(yù)測(cè)準(zhǔn)確度所做貢獻(xiàn)就越大，反之如果重要度值為負(fù)，就代表該變量加入會(huì)降低模型預(yù)測(cè)準(zhǔn)確度，所以在該步驟直接選擇基于模型輸出結(jié)果來(lái)完成變量篩選，以下是示例：經(jīng)過(guò)隨機(jī)森林初步篩選，和變量預(yù)測(cè)探索分析，最終五個(gè)維度共輸入XX個(gè)變量分別進(jìn)入模型訓(xùn)練。四、算法選擇一般會(huì)采用log

4、istic分類(lèi)算法，在輸入數(shù)據(jù)形式的標(biāo)準(zhǔn)與線性回歸基本一致。在選擇邏輯回歸時(shí)，注意要進(jìn)行數(shù)據(jù)預(yù)處理，最主要是兩點(diǎn)：1、 離散變量啞變量處理。離散變量不適用于線性分類(lèi)模型中，建議轉(zhuǎn)化為0,1類(lèi)變量，例如用戶(hù)行業(yè)字段，存在8個(gè)類(lèi)別（學(xué)生、工人、公務(wù)員），經(jīng)過(guò)啞變量轉(zhuǎn)化處理的話，該字段轉(zhuǎn)化為8個(gè)變量：是否學(xué)生，是否工人，是否公務(wù)員）。2、 變量線性化處理。對(duì)于線性分類(lèi)算法，指標(biāo)與目標(biāo)變量之間呈現(xiàn)線性關(guān)系，對(duì)于變量的預(yù)測(cè)效果會(huì)更好，但實(shí)際數(shù)據(jù)往往都是非線性表示，因此為提升模型預(yù)測(cè)效果，需要針對(duì)連續(xù)型且非單調(diào)性變量進(jìn)行WOE處理，用WOE值替換指標(biāo)值，以實(shí)現(xiàn)數(shù)據(jù)之間的線性關(guān)系。WOE計(jì)算公式為 WOE=

5、ln(%good/%bad)，其中%good表示違約用戶(hù)構(gòu)成。%bad表示好樣本用戶(hù)構(gòu)成。以資金字段為例：接下來(lái)就是用邏輯回歸進(jìn)行模型訓(xùn)練，從而獲得概率值。五、評(píng)分卡轉(zhuǎn)換1、評(píng)分卡刻度那么如何將概率值轉(zhuǎn)化為評(píng)分呢，其實(shí)怎么算都可以，這里采用評(píng)分卡轉(zhuǎn)換的方式，具體網(wǎng)上都有詳細(xì)解釋?zhuān)@里簡(jiǎn)要講下，違約與正常比率被定義為一個(gè)記錄被劃分為違約的估計(jì)概率與被劃分為正常的估計(jì)概率之間的比率，將估計(jì)違約概率用p表示，估計(jì)正常概率為1-p。因此可定義發(fā)生比：Odds=p/(1-p)評(píng)分卡設(shè)定的分值刻度是可以將分值表示為比率(Odds)的線性表達(dá)式來(lái)定義。如下所示：Score=A-B*log(Odds)其中：A

6、,B都為常數(shù)。其中A成為補(bǔ)償分?jǐn)?shù)，B稱(chēng)為刻度，它們可以通過(guò)兩個(gè)已知或者假設(shè)的分值代入計(jì)算得到，一是在某個(gè)特定比率設(shè)定特定的預(yù)期分值，二是指定比率翻番的分?jǐn)?shù)（PDO）。首先，設(shè)定比率y的特定點(diǎn)的分值為P0，然后，比率為2y的點(diǎn)的分值為P0 PDO,代入上式可以得到如下兩個(gè)等式：P0=A-B*log(y)P0 PDO=A-B*log(2y)解上述兩方程中的常數(shù)A和B，可以得到：B=PDO/log(2)A=P0 B*log(y)在這里可以借鑒標(biāo)準(zhǔn)FICO信用分與違約率的定義，比如B=58,A=437，計(jì)算分?jǐn)?shù)公式則為：Score=437-58*log(Odds)最終可以得到該模型的評(píng)分卡刻度情況最終

7、結(jié)果，如下表所示：2、分值分配對(duì)于logistic回歸算法，odds也可以表示為：log(Odds)=B0 B1*X1 B2*X2 BnXn由此可得：Score=437-58*（B0 B1*X1 B2*X2 BnXn）由于建模過(guò)程所有變量都有使用WOE轉(zhuǎn)換，因此可以將分值分配到每個(gè)變量取值上去，以下是示例：這樣，我們就得到了用戶(hù)的信用各個(gè)變量取值的信用分值。六、確定五個(gè)維度的權(quán)重用戶(hù)的信用分總分是基于五個(gè)大維度綜合權(quán)重計(jì)算獲得的，當(dāng)前每個(gè)大維度信用分（該維度涉及很多變量）已經(jīng)可以通過(guò)前面計(jì)算得到，總信用分表達(dá)式如下：Total_score=a1*score1 a2*score2 a3*scor

8、e3 a4*score4 a5*score5。網(wǎng)上公開(kāi)的芝麻信用的五個(gè)大維度的最終權(quán)值是信用歷史(35%)、行為偏好(20%)、履約能力(25%)、身份特質(zhì)(15%)及人脈關(guān)系(5%)，各類(lèi)信用評(píng)分體系權(quán)重肯定是不同的，因?yàn)橛胁煌募s束條件，需要計(jì)算得到a1,a2,a3,a4,a5。七、模型效果評(píng)估信用評(píng)分模型主要從準(zhǔn)確性，區(qū)分度等方面來(lái)進(jìn)行評(píng)估。1、準(zhǔn)確性：感受性曲線下面積(ROC_AUC)是一個(gè)從整體上評(píng)價(jià)模型準(zhǔn)確性的指標(biāo)，是感受性曲線(ROC)與橫軸之間的面積。相比于其他評(píng)價(jià)指標(biāo)，感受性曲線(ROC)具有一定的穩(wěn)定性，它不會(huì)因?yàn)檎?fù)樣本分布的變化而產(chǎn)生不同的曲線。感受性曲線(ROC)通過(guò)

9、真陽(yáng)率(True Positive Rate, TPR)和假陽(yáng)率(False Positive Rate, FPR)兩個(gè)指標(biāo)進(jìn)行繪制，感受性曲線(ROC)示意如圖1所示，感受性曲線下面積(ROC_AUC)取值范圍為0,1,取值越大，代表模型整體準(zhǔn)確性越好。2、區(qū)分度：區(qū)分度指標(biāo)(KS)是度量具體模型下正常樣本和違約樣本分布的最大差距，金融領(lǐng)域評(píng)估信用模型的一個(gè)核心方法，首先按照樣本的信用分?jǐn)?shù)或預(yù)測(cè)違約率從小到大進(jìn)行排序，然后計(jì)算每一個(gè)分?jǐn)?shù)或違約率下好壞樣本的累計(jì)占比，正常和違約樣本的累計(jì)占比差值的最大值即為區(qū)分度指標(biāo)(KS)，區(qū)分度指標(biāo)(KS)的示意如圖所示，區(qū)分度指標(biāo)(KS)小于0.2代表模型準(zhǔn)確性差，超過(guò)0.75則代表模型準(zhǔn)確性高?？梢钥吹?，信用分的計(jì)算過(guò)程借助了一般的建模方法，也有其自身的特點(diǎn)，信用分要建的好，還有很多的工作要做：一是為了讓信用分具備可解釋性，需要量化每個(gè)變量每個(gè)區(qū)間的信用分值分