風險存在於申貸時→審批後。早起的風險管理以人工為主，由於風險因子眾多彼此互動極為複雜《一、人工成本高；二、無法保持一致，大規模作業》，所以減少人為主觀判斷，減輕風控人員負擔。
目前最普遍的工具為信用評分卡，應用範圍包括進件、貸後管理及催收。篩選高風險客戶，減少損失發生，找到優質客戶群，發掘潛在機會。
依發展母體區分
依使用時機區分
1.申請評分（a卡）
客戶進件審核。資料來自：申請資料，聯合信用中心。《授信人員將重心放在界於准駁邊緣的案件》
2.行為評分（b卡）
多用於信用卡客戶的動態風險，變數以客戶的交易及繳款形態資料。一般比較複雜，所以變數較多。
3.催收評分（c卡）
較多用於前端催收，主要功能是**客戶還款概率，屬於行為評分的延伸應用。
我們的目的是給予風險管理及營銷業務實際幫助的整體方案，建立評分卡之前。風險管理單位就其對信用評分的期望、應用計畫及策略提出專案規劃（以下）：
申請准駁、進件額度決定、貸後額度管理、中途授信、複審作業、交易授權、風險定價、交叉銷售及催收作業等
一般會切分為10~20個風險等級，將風險相近者歸為一類
資料的問題：缺失值過多等
業務問題：業務邏輯不符合模型開發需求
確定信用評分模型開發需要的資料期間長度，一般從最新資料的留存時點開始預算。
利用賬齡分析觀察目標客戶的違約成熟期長度，設定表現期長度。eg：我們觀察到正常客戶一般在12個月後轉壞比例趨於穩定，則表現期為12月
賬齡分析法：拐點理論
構建風控評分卡模型介紹（WOE KS ROC
什麼是評分卡 信貸場景中 以分數的形式來衡量風險機率的一種手段 對未來一段時間內違約 逾期 失聯概率的 通常評分越高越安全 根據使用場景分為反欺詐評分卡 申請評分卡 行為評分卡 催收評分卡 為什麼要開發評分卡 評分卡的特性 評分卡開發的常用模型 基於邏輯回歸的評分卡理論依據 單變數 歸一化，離散化，...
金融風控實戰之 Python 評分卡建模
當下金融科技是機器學習應用最火的業務場景之一，風控演算法工程師需求旺盛，既能深耕 風控業務 外功，又能兼修 機器學習 內功的演算法工程師市場稀缺。互利網上較多風控建模教程均採用國外陳舊資料集，早已脫離國內當前實際信貸業務，建模意義不大。因此，本 chat 不採用 lendingclub german...
金融風控 申請評分卡模型 申請評分卡介紹
從這篇博文開始，我將總結金融風控中的另外乙個模型 申請評分卡模型。這篇博文將主要來介紹申請評分卡的一些基本概念。本篇博文將以以下四個主題來進行介紹說明 交易對手未能履行約定契約中的義務而造成經濟損失的風險,即受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發生偏離的可能性它是金融風險的主要...