邏輯回歸模型：廣泛應用在申請評分、行為評分、市場響應、客戶流失等建模領域。
決策樹模型：往往被用來做催收評分和客戶盈利模型。
神經網路模型：用來防止申請和交易欺詐。
信用評分的主要目的是估計消費者的信用情況（正常或違約），具體做法是根據酷虎的歷史資訊資料，利用合適的數學統計模型，得到消費者違約的概率值。
客戶的資訊資料：人口統計學資料（性別、年齡、婚姻、收入、住房、居民、教育、種族、子女）、客戶行為資訊（交易記錄、產品所有和使用記錄）、徵信機構的資料和評分
信用評分的步驟：
（1）業務理解與目標的量化定義
銀行信用卡中心的目標：構建信用卡申請者的評分模型+減少客戶違約造成的的損失。
信用評分的目標：**客戶是否違約。某銀行對於違約的：客戶在持卡期間欠款時間逾期90天，視作違約，被標識為「壞」客戶。
（2）資料理解
（3）資料準備
資料準備在整個資料評分的過程中非常重要，消耗時間也非常長，大約80%的時間花費在資料準備上。
目的：準備建模檢視（寬表），包含**建模中所有變數的資料寬表，且每個客戶只有唯一的一條記錄。
三方面的工作：一是收集到不同的資料集，大量清洗和轉換，處理異常值和缺失值。二是粗選**變數，對候選**變數統計特徵和違約率的分布進行分析。三是生成另外的候選**變數，提高模型的**能力，生成挖掘建模寬表。
（4）建立和開發模型
經典的評分技術：判別分析法、回歸分析法、神經網路法、分類樹方法。
真實的業務中，最常用的是logistic回歸模型，穩定+好理解。建模前變數分群。
（5）模型驗證和評估
指標：**結果準確+穩定+可解釋
檢驗方法：從已知違約情況資料集中抽取。可以通過多個診斷統計量加以判定。
乙個好的模型不應該包含太多的變數（最好不要超過15個變數）。最好有實際意義和可解釋性。
（6）決策實施
第一步把分析結果即評分模型轉化為可實施**，如sas、sql等。第二步根據業務，最終確定接受、拒絕的臨界得分值，反饋到銀行的業務作業系統。
對高風險的打分的日常跟蹤非常必要，對模型定期跟蹤和驗證。
信用評分模型
邏輯回歸模型 廣泛應用在申請評分 行為評分 市場響應 客戶流失等建模領域。決策樹模型 往往被用來做催收評分和客戶盈利模型。神經網路模型 用來防止申請和交易欺詐。信用評分的主要目的是估計消費者的信用情況 正常或違約 具體做法是根據酷虎的歷史資訊資料，利用合適的數學統計模型，得到消費者違約的概率值。客戶...
金融大資料信用評分模型解析
傳統個人徵信的分析維度包括 1 個人基本資料，如年齡 性別 職業 收入 婚姻狀況 工作年限 工作狀況等 2 信貸情況，主要是信貸和信用卡相關資料 3 公共資料，包括稅務 工商 法院 電信 水電煤氣等部門的資料 4 個人信用報告查詢記錄。如今隨著大資料時代的到來和發展，可用於評估人們的資料越來越豐富，...
模型違約概率到信用評分的轉化
模型違約概率到信用評分的轉化 定義壞好比 o dd s p 1 p odds p 1 p odds p 1 p p是lr計算的違約概率 即壞人的概率 1 p即好人的概率。評分卡設定的分值刻度可以通過將分值表示為比率對數的線性表示式 s co res a b ln p 1 p scores a b l...