4. 模型评分基础

在模型评分与业务规则融合决策的实战中，评分是连接数据与策略的“通用语言”。无论后续是额度审批、风险定价还是营销响应，第一步都要把模型输出转化为可解释、可比较、可落地的分数。本节围绕评分模型类型、评分卡构建流程、WOE/IV 以及逻辑回归与树模型的评分输出展开，帮助你建立从原始特征到业务分数的完整链路认知。

一、核心原理：评分模型的三类输出形态

评分模型并非只有一种形态。按输出目标与业务含义，常见可分为三类：

• 风险概率型评分：模型直接输出违约、欺诈或流失的概率，如逻辑回归的 sigmoid 输出。它适合需要精确概率参与期望损失计算的场景。
• 信用评分卡分数：将概率通过尺度变换映射为 300～850 之类的整数分，分数越高代表信用越好。评分卡强调可解释性与稳定性，广泛用于信贷审批。
• 排序型评分：树模型或集成模型输出的原始分数，如 XGBoost 的 margin 值。它不追求绝对概率校准，而关注样本间的相对排序，适合排序、筛选与规则阈值切分。

三类输出的关键差异在于“可解释性”与“校准度”的权衡。评分卡分数天然可解释，但拟合能力有限；树模型排序能力强，但原始输出需要额外校准才能当作概率使用。理解这一点，是后续融合业务规则的前提。

二、方法流程：评分卡构建的标准步骤

评分卡构建有一套成熟流程，通常包括以下环节：

1. 目标定义与样本划分：明确好坏样本定义，如“逾期 90 天以上为坏”，并按时间切分训练集、验证集与跨时间测试集。
2. 特征分箱：对连续变量做等频、等距或卡方分箱，对类别变量做合并，形成具有业务含义的分箱区间。
3. WOE 编码：将每个分箱映射为证据权重，使特征与目标之间呈现单调关系。
4. IV 筛选：计算信息价值，剔除预测力过弱或过强的特征。
5. 逻辑回归建模：以 WOE 编码后的特征训练逻辑回归，得到系数。
6. 评分尺度变换：将概率转换为标准分数，确定基准分与 PDO。
7. 验证与监控：检查 KS、AUC、PSI 等指标，确保跨时间稳定。

三、WOE 与 IV：分箱质量的量化标尺

WOE（Weight of Evidence）衡量某个分箱中好坏样本分布的差异，IV（Information Value）则是各分箱 WOE 的加权和，用于整体评估特征预测力。

WOE_i = ln( (Good_i / Good_total) / (Bad_i / Bad_total) )
IV = Σ ( (Good_i / Good_total) − (Bad_i / Bad_total) ) × WOE_i

实践中，IV 的经验判断如下表所示：

IV 取值范围	预测力判断	处理建议
< 0.02	几乎无预测力	剔除
0.02 ～ 0.1	弱预测力	谨慎保留，结合业务判断
0.1 ～ 0.3	中等预测力	优先保留
0.3 ～ 0.5	强预测力	重点使用，检查稳定性
> 0.5	过强，疑似泄漏	排查目标泄漏或时间穿越

四、逻辑回归与树模型的评分输出

逻辑回归输出概率后，可直接代入评分尺度公式得到评分卡分数。树模型则不同，以 XGBoost 为例，其原始输出为 margin，需要经过 sigmoid 变换才能得到概率：

# 逻辑回归评分卡分数计算示例
import numpy as np

def score_from_prob(prob, base_score=600, base_odds=50, pdo=20):
    B = pdo / np.log(2)
    A = base_score + B * np.log(base_odds)
    odds = prob / (1 - prob)
    return A - B * np.log(odds)

# XGBoost 原始 margin 转概率
def margin_to_prob(margin):
    return 1 / (1 + np.exp(-margin))

树模型输出概率后，同样可以映射为分数，但需注意其概率校准通常不如逻辑回归。若业务要求分数具备绝对概率含义，应先做 Platt 校准或等渗回归，再进入评分变换。

五、案例与复盘：评分卡上线后的典型误区

某消费金融团队曾用逻辑回归构建申请评分卡，训练集 AUC 达到 0.78，但上线三个月后 KS 从 0.42 降至 0.28。复盘发现三个问题：

• 分箱边界过拟合：连续变量按训练集等频分箱，跨时间后分布漂移，导致 WOE 映射失真。
• IV 筛选忽略业务含义：保留了 IV 高但业务上不合理的特征，如“近 7 天查询次数”，实际是贷后行为泄漏。
• 评分尺度未对齐：基准 odds 设置与业务实际通过率不匹配，导致分数阈值切分后通过率异常。

修正方案是：改用跨时间稳定的分箱策略，引入 PSI 监控；对每个特征做业务合理性评审；并用验证集重新校准基准分与 PDO。调整后 KS 回升至 0.38，且分数分布更符合业务预期。