1. 课程导入

在信贷风控、消费金融、反欺诈与客户分层等场景中，评分卡模型是决策引擎的核心组件。无论是申请评分卡（A卡）、行为评分卡（B卡）还是催收评分卡（C卡），都离不开一个基础而关键的环节：将原始变量转化为具有业务解释力的风险刻度。WOE（Weight of Evidence，证据权重）与IV（Information Value，信息值）正是完成这一转化的经典工具。

很多初学者会问：既然有逻辑回归、XGBoost等模型，为什么还要手工做WOE分箱？原因在于，评分卡不仅要“准”，还要“稳”和“可解释”。监管要求、业务方沟通、策略迭代都依赖清晰的变量分段与风险排序。WOE把连续变量或复杂类别变量映射为单调的风险分值，IV则量化每个变量对目标变量的区分能力。二者配合，能在模型性能与可解释性之间取得平衡。

学习目标

完成本章及后续实战后，你应当能够：

• 理解WOE与IV的数学定义、业务含义及在评分卡中的位置；
• 掌握最优分箱的常用算法（卡方分箱、决策树分箱、等频/等距分箱）及其适用边界；
• 能够对分箱结果施加单调性约束，并解释为什么单调性对风控模型至关重要；
• 使用Python完成从数据准备、分箱、WOE转换、IV筛选到逻辑回归评分卡的全流程；
• 识别并规避WOE分箱中的常见陷阱，如过拟合、IV虚高、缺失值处理不当等。

整体课程框架

本课程共30章，按照“原理—工具—实战—复盘”的脉络展开。前几章建立WOE/IV与分箱的理论基础；中间章节深入最优分箱算法与单调性约束的实现细节；后段以真实风控数据集为主线，完成评分卡开发、验证与部署。每章都配有可运行的代码片段与业务解释，避免只讲公式不讲落地。

阶段	章节范围	核心内容	产出
基础篇	第1-6章	WOE/IV定义、评分卡逻辑、分箱概念、环境准备	理解风险刻度与区分度指标
算法篇	第7-14章	卡方分箱、决策树分箱、最优分箱、单调性约束	可复用的分箱函数
实战篇	第15-24章	数据清洗、变量筛选、WOE转换、逻辑回归建模	完整评分卡模型
进阶篇	第25-30章	模型评估、稳定性监控、拒绝推断、部署要点	可上线的评分卡方案

核心原理速览：WOE与IV到底在算什么

假设我们有一个二分类目标变量，例如“是否违约”（1=违约，0=正常）。对某个变量进行分箱后，每个箱内可以统计违约与正常的数量。WOE的定义为：

WOE_i = ln( (Bad_i / Bad_total) / (Good_i / Good_total) )
      = ln( 坏样本占比 / 好样本占比 )

WOE的符号和大小直接反映该箱的风险方向：WOE为正且越大，说明该箱坏样本占比越高，风险越大；WOE为负则相反。IV则是各箱WOE的加权和：

IV = Σ ( (Bad_i / Bad_total) - (Good_i / Good_total) ) * WOE_i

IV越大，变量对好坏样本的区分能力越强。经验上：IV<0.02预测力极弱；0.02~0.1较弱；0.1~0.3中等；0.3~0.5较强；>0.5则需警惕过拟合或信息泄露。

案例场景：一个变量如何从原始值变成风险刻度

以“近6个月逾期次数”为例，原始取值0~10。直接放入逻辑回归会假设每增加一次逾期，风险线性增加，但实际业务中往往不是这样：0次和1次差异巨大，5次和6次差异可能很小。通过分箱，我们可以将其划分为[0]、[1]、[2,3]、[4+]四段，分别计算WOE：

分箱        坏样本数  好样本数   WOE      IV贡献
[0]          50       950       -1.82    0.152
[1]          80       420       -0.35    0.012
[2,3]        120      180        0.69    0.041
[4+]         150      50         1.95    0.118
合计         400      1600       —       0.323

可以看到，IV合计约0.323，属于“较强”区间。WOE从负到正单调递增，符合“逾期越多风险越高”的业务常识。这样的变量进入逻辑回归后，系数解释清晰，评分卡刻度也容易向业务方说明。

实战环境准备

本课程使用Python 3.9+，核心依赖如下。建议使用虚拟环境，避免版本冲突。

python -m venv venv
source venv/bin/activate        # Windows: venv\Scripts\activate

pip install numpy pandas scikit-learn matplotlib
pip install optbinning          # 最优分箱与单调性约束
pip install scorecardpy         # 评分卡常用工具
pip install jupyterlab          # 交互式实战

数据方面，课程使用一份模拟信贷申请数据，包含客户基本信息、征信变量、历史逾期记录与违约标签。你可以在后续章节中跟随代码逐步加载、清洗和建模。建议提前确认环境可运行以下最小检查：

import pandas as pd
import numpy as np
from optbinning import OptimalBinning

print(pd.__version__)
print(np.__version__)
print("环境就绪")

常见误区与复盘

• 误区一：IV越高越好。IV过高（如>0.5）往往意味着变量与目标高度相关，可能是泄露变量或分箱过细导致过拟合，需要结合业务判断。
• 误区二：分箱越细越好。箱数过多会让每个箱样本量不足，WOE波动大，模型不稳定。通常单变量分箱控制在3~8箱。
• 误区三：忽略单调性。如果WOE随分箱顺序上下跳动，业务方无法理解，模型也可能学到噪声。单调性约束是评分卡可解释性的底线。
• 误区四：缺失值单独一箱却不解释。缺失值本身可能携带信息，但必须确认缺失机制，避免把“没有记录”误判为“低风险”。

本章作为课程导入，已经建立了WOE/IV的价值认知、学习目标、课程框架与实战环境。接下来你将进入具体算法与代码实现，逐步把上述概念转化为可运行的评分卡工具链。