2. 基础知识

2.1 信用评分是什么：从“经验判断”到“概率排序”

信用评分（Credit Scoring）是用统计模型把借款人的历史行为、当前负债、身份属性等信息，压缩成一个分数或违约概率，用来预测其在未来一段时间内发生违约的可能性。它的本质不是“给客户贴标签”，而是对风险进行排序：分数越高，违约概率越低；分数越低，违约概率越高。风控人员据此决定是否放款、给多少额度、定什么价格、用什么策略。

理解信用评分要抓住三个关键词：预测目标（违约与否）、时间窗口（观察期与表现期）、概率校准（分数与真实违约率的对应关系）。缺少任何一个，评分卡都可能沦为“看起来很美”的数字游戏。

2.2 常见术语：建立共同语言

在评分卡项目中，术语混乱是沟通成本的最大来源。以下术语需要统一口径：

  • 观察期（Observation Period）：采集客户特征的时间窗口，例如申请前6个月的还款记录、近3个月的查询次数。
  • 表现期（Performance Period）：观察期之后，用于判断客户是否违约的时间窗口，例如放款后12个月。
  • 坏客户（Bad）：在表现期内发生约定违约事件的客户，常见定义如逾期90天以上（DPD90+）。
  • 好客户（Good）：在表现期内未发生违约事件的客户。
  • 灰客户（Indeterminate）：表现期内表现不明确或数据不足，通常被排除在建模样本之外。
  • WOE（Weight of Evidence）：证据权重，衡量某个特征分箱对好坏客户的区分能力。
  • IV（Information Value）：信息值，用于筛选特征，通常IV<0.02预测力弱，0.1~0.3中等，>0.3较强但需警惕过拟合。
  • KS（Kolmogorov-Smirnov）：衡量评分卡区分好坏客户能力的指标，KS越高区分度越好。
  • AUC：ROC曲线下面积，衡量模型排序能力，0.5相当于随机，0.7以上通常可接受。
  • PSI（Population Stability Index）：群体稳定性指标，监控评分分布随时间的变化，PSI>0.25通常提示不稳定。
建议在项目启动时建立“术语字典”，明确每个术语的计算口径、时间窗口和责任人，避免建模、策略、业务三方各说各话。

2.3 应用场景：评分卡在业务中的位置

信用评分贯穿信贷全生命周期，不同阶段使用不同类型的评分卡：

阶段 评分卡类型 核心目标 典型决策
贷前 申请评分卡（A卡） 预测新申请人的违约风险 是否通过、初始额度、定价
贷中 行为评分卡（B卡） 预测存量客户未来违约风险 提额、降额、交叉销售
贷后 催收评分卡（C卡） 预测逾期客户的回款概率 催收策略、资源分配
反欺诈 欺诈评分卡（F卡） 识别申请或交易欺诈 拦截、人工审核、名单管理

此外，还有营销响应评分卡、客户流失评分卡等。它们共同构成风控决策引擎的“评分层”，向上支撑策略规则，向下依赖数据平台和特征工程。

2.4 好坏客户定义在风控体系中的位置

好坏客户定义是评分卡的“地基”。它决定了模型学什么、策略拦什么、报表看什么。如果坏客户定义过宽，模型会把正常波动当成违约，导致误杀好客户；如果定义过窄，模型会漏掉真正的高风险客户，导致坏账攀升。

在风控体系中，好坏客户定义通常位于以下链条的起点：

  1. 业务目标：例如“将坏账率控制在2%以内”。
  2. 风险定义：明确什么是“坏”，如DPD90+、破产、核销、欺诈等。
  3. 样本设计：根据观察期和表现期抽取好坏客户样本。
  4. 特征工程：基于观察期数据构造特征。
  5. 模型训练：用好坏标签训练评分卡。
  6. 策略应用：设定cutoff、额度、定价等。
  7. 监控迭代：跟踪KS、PSI、坏账率，定期重训。
好坏客户定义不是一次性工作，而是需要随着业务阶段、产品类型、监管要求动态调整的“活文档”。

2.5 案例：某消费贷产品的坏客户定义复盘

某消费贷产品最初将“坏客户”定义为“逾期1天以上”，结果模型KS只有0.18，策略通过率极低，业务部门抱怨“好客户也被拒”。复盘发现：逾期1天以上包含了大量“忘记还款但很快还清”的客户，他们并非真正的高风险人群。后来将坏客户调整为“逾期30天以上（DPD30+）”，并排除“首次逾期且7天内还清”的样本，模型KS提升至0.34，通过率提高12%，坏账率保持稳定。

这个案例说明：坏客户定义必须与业务容忍度和风险偏好匹配。定义太严，模型学不到真正的风险信号；定义太松，模型无法区分好坏。

2.6 常见误区与避坑指南

  • 误区一：用“当前逾期”代替“表现期违约”。当前逾期只是时点状态，表现期违约才是未来风险。建模必须用表现期标签。
  • 误区二：观察期与表现期重叠。如果观察期包含了表现期的信息，会造成数据穿越，模型离线表现虚高，上线后迅速失效。
  • 误区三：好坏客户定义一刀切。不同产品、不同客群、不同额度，违约定义应差异化。例如大额长期贷款可用DPD90+，小额短期现金贷可用DPD30+。
  • 误区四：忽略灰客户。灰客户既不是好也不是坏，直接丢弃可能造成样本偏差，需分析其占比和原因。
  • 误区五：只关注KS，忽略PSI和业务指标。KS高不代表上线后稳定，必须结合PSI、坏账率、通过率综合评估。
在定义好坏客户时，务必与业务、风险、合规三方确认，并形成书面文档。任何口径变更都应记录版本、时间和影响范围。

2.7 核心流程：从定义到评分卡

一个标准的评分卡开发流程可以概括为以下步骤：

1. 明确业务目标与风险偏好
2. 定义好坏客户（表现期、违约事件、灰客户处理）
3. 设计观察期与表现期（避免重叠，确保样本充足）
4. 抽取样本（好坏比例、时间跨度、客群代表性）
5. 特征工程（WOE分箱、IV筛选、变量聚类）
6. 模型训练（逻辑回归、评分刻度转换）
7. 模型评估（KS、AUC、PSI、Lift）
8. 策略应用（cutoff设定、额度定价）
9. 监控与迭代（月度监控、季度重训）

其中，第2步和第3步是本章的重点，也是后续所有工作的前提。只有把好坏客户定义清楚，观察期和表现期设计合理，评分卡才能真正发挥风险区分作用。

2.8 小结：地基不牢，地动山摇

← 上一章 📖 返回目录 下一章 →