信用評分卡建模的工作流程
結合閱讀書籍和實際工作經驗，整理一篇筆記性質的部落格，供參考。能幫助到需要的人就是我的滿足，更歡迎大神指導不足，謝謝！
一、流程概述
下圖概況了典型的評分卡開發流程，該流程的各個步驟的順序根據具體情況的不同調整，也可以根據需要重複某些步驟。
具體的步驟內容
- 問題準備
- 資料獲取與整合
- EDA（探索性資料分析）與資料描述
- 資料準備
- 變數選擇
- 模型開發
- 模型檢驗和評價
- 評分卡建立和刻度
- 評分卡實施
- 監測和報告
引用自：《信用風險評分卡研究_基於SAS的開發與實施》
二、問題準備
建模專案的規劃期，必須確認清楚以下事項，否則一旦出現問題就得從頭返工了，慎重再慎重！
1、模型的應用範圍
主要考慮首貸/續貸，產品種類，銷售渠道等可以明顯區分客群的因素
2、違約/正常樣本定義
即Y變數定義，也就是好人/壞人的定義，逾期多少天的人標記成壞人。可以是DPD15+，M1+，M3+等，一般當壞賬率 / 某個時點的逾期率 在80%左右，則可以用這個時點逾期作為違約的定義（此為單期產品的定義，多期產品的定義較為複雜，需要結合業務確認）
3、資料時間視窗
分為建模資料視窗和驗證資料視窗，建模資料是模型訓練資料，驗證資料是out of time驗證以避免模型過擬合的資料，一般選取建模資料視窗後的一段時間。
資料時間視窗選取的原則
1）表現期成熟：也就觀察期，表現期=借款期限+違約定義期限，比如借款30天的產品，以M1作為違約定義，那麼放款後60天才能算表現期成熟。
2）保證資料新鮮度：模型是為了預測未來的資料，所以要保證建模的資料最接近未來，所以選取最近的資料。
3）保證資料週期性：很多貸款產品特別是pay day loan，逾期率具有時間週期性，發薪日逾期率明顯低於其他時間，這種情況，資料視窗最好以月為單位選取。
4）保證樣本量大小：根據經驗，違約樣本的數量需要至少1500個。
4、資料來源確定
剛才確定了資料有哪些行，現在來確定有哪些列，也就是說，確定我們的特徵/變數/屬性。
資料來源可以分為內部資料、外部資料，具體來說，就是確定此次建模能用到的所有資料表。
資料來源選取的原則
1）資料覆蓋率：資料覆蓋率不能過低（不同模型演算法要求不同，邏輯迴歸要求覆蓋率較高，xgboost等數模型要求低些）。
2）資料穩定性：資料的計算邏輯是維持穩定的，不會發生資料定義的改變
3）未來有效性：在模型實施期，可能無法獲取的資料，不能用於建模
未完待續ING