一、风控评分模型概述
大家好，我是你们这堂课的主讲人。做了十来年风控建模，今天咱们聊聊最基础、也最核心的东西——评分卡模型到底是什么。
说实话，我刚入行那会儿，觉得评分卡就是个黑盒子。把客户信息扔进去，出来一个分数，高于某个阈值就批贷，低于就拒绝。后来踩了不少坑才明白，这玩意儿远没那么简单。
1.1 什么是评分卡模型
评分卡模型，说白了就是一种量化信用风险的工具。它把借款人的各种特征——年龄、收入、负债、历史还款记录——转化成一个个分数，最后加总得到一个总分。这个分数越高，代表违约风险越低。
我习惯把评分卡比作一个「体检报告」。你去医院体检，医生会量血压、测血糖、查血脂，然后综合判断你的健康状况。评分卡也一样，它综合评估一个人的「信用健康状况」。
核心公式（简化版）：
总评分 = 基准分 + 特征1得分 + 特征2得分 + ... + 特征N得分
举个例子，一个典型的评分卡长这样：
| 特征变量 | 取值区间 | 得分 |
|---|---|---|
| 年龄 | 25-35岁 | +15分 |
| 月收入 | 8000-15000元 | +20分 |
| 征信查询次数 | 近3个月≤3次 | +10分 |
| 负债收入比 | ≤40% | +25分 |
| 基准分 | - | 600分 |
| 总分 | - | 670分 |
嗯，这里要注意：每个特征的得分不是拍脑袋定的，而是通过统计模型算出来的。具体怎么算，咱们后面章节会细讲。
1.2 评分卡在信贷全生命周期中的应用
你可能觉得评分卡就是用来「批贷」的。其实不然。我经历过一个项目，客户把评分卡只用在申请环节，结果贷后管理一塌糊涂，坏账率飙升。
评分卡应该贯穿信贷的全生命周期。我把它分成四个阶段：
- 贷前（申请评分卡）：决定「批不批」。这是最传统的应用，评估新客户的违约概率。
- 贷中（行为评分卡）：决定「调不调额」。客户已经借了钱，他的还款行为、消费习惯都在变化，需要动态监控。
- 贷后（催收评分卡）：决定「怎么催」。逾期了，是发短信、打电话还是上门？不同客户催收策略不同。
- 反欺诈（欺诈评分卡）：决定「真不真」。专门识别团伙欺诈、身份冒用等恶意行为。
我记得有一次，一个合作机构只做了申请评分卡，结果贷中阶段客户突然失业，行为评分卡没跟上，等发现时已经逾期90天了。所以我的建议是：评分卡体系要打组合拳，缺一个环节都可能出问题。
个人经验：很多公司只重视申请评分卡，觉得「批完就完事了」。其实行为评分卡的价值往往更大——它能帮你提前3-6个月预警风险，给你留出足够的应对时间。
1.3 模型开发标准流程（CRISP-DM）
做评分卡模型，不是上来就写代码调参。我见过太多新手，拿到数据就开跑，结果模型上线后一塌糊涂。这里必须引入一个行业标准流程——CRISP-DM（跨行业数据挖掘标准流程）。
CRISP-DM 把建模分成6个阶段，我用自己的话给你翻译一下：
- 业务理解：搞清楚「为什么要做这个模型」。是降低坏账？还是提高通过率？目标不同，模型设计完全不同。
- 数据理解：看看手头有什么数据。哪些能用？哪些有缺失？哪些是脏数据？
- 数据准备：清洗、合并、衍生变量。这一步最耗时，通常占整个项目60%的时间。
- 建模：选算法、调参数、训练模型。逻辑回归是评分卡的经典选择，因为可解释性强。
- 评估：模型好不好？KS值多少？AUC多少？有没有过拟合？
- 部署：把模型上线，接入业务系统。别忘了监控模型表现，它会随时间衰减。
下面这张图是我自己画的，把整个流程串起来了：
你可能会问：为什么要把「部署」单独拎出来？我曾经犯过一个错——模型在离线测试集上KS值高达0.45，上线后却只有0.2。为什么？因为线上数据和训练数据分布不一样了。所以部署后的监控和迭代，才是真正考验功力的地方。
避坑指南：我曾经在一个项目中，数据准备阶段只花了2天，建模调参花了2周。结果模型上线后效果极差，最后发现是数据清洗出了问题——缺失值处理方式不对。记住：数据准备占60%的时间，建模只占20%，别搞反了。
小结
这一章我们聊了三件事：评分卡是什么、它在信贷全生命周期怎么用、以及开发流程怎么走。说白了，评分卡不是一张「批贷/拒贷」的判决书，而是一个贯穿始终的风险管理工具。
下一章我们会深入变量筛选——这是评分卡建模中最「脏」最「累」的活，但也是决定模型上限的关键。到时候我会分享一些我自己的筛选技巧，保证让你少走弯路。
公众号:蓝海资料掘金营，微信deep3321