评分卡开发流程简介

做评分卡，很多人一上来就开始跑模型。我见过不少项目，数据还没理清楚就急着调参，最后IV值算出来全是虚的。嗯，这里要强调一个观点：流程比算法重要。

为什么呢？说白了，评分卡是金融风控的“判官”。判官判案得有章法。数据清洗、特征筛选、模型训练、分数映射，每个环节出错，最终分数都会有偏差。我在项目中就吃过这样的亏——有一次数据里混了贷后表现变量，结果评分卡在测试集上KS高得离谱，上线后却毫无区分力。后来才发现，是流程里少了“时间切割”这一步。

标准流程长什么样

我个人习惯把评分卡开发拆成七个大步骤。先给你看一眼全景图：

核心阶段详解

① 数据采集与整合

你需要确定建模样本和观察期/表现期。我建议至少拉取借款申请前6个月的数据，包括征信、多头、收入、负债等。千万注意：表现标签必须用贷后实际表现（比如逾期30天+），不能用审批结论当标签。我见过有人偷懒直接用“是否通过审批”做Y变量，结果模型完全没有前瞻性。

② 数据清洗与预处理

缺失率超过80%的变量直接砍掉。剩下的要分类型处理：连续变量做截尾（比如99%分位），分类变量编码成数值。这一步花的时间往往比建模还多，但值得。

③ EDA与IV特征筛选

先做单变量分析，把IV值极低的变量筛掉。IV<0.02的可以直接剔除，0.02~0.1的勉强可用，0.1以上的才值得保留。你想想看，如果一堆弱变量堆进模型，很容易过拟合。

④ 特征分层（WoE变换）

这是本书的核心，后面会专门花好几章讲。简单说就是：把连续变量或无序分类映射成坏账率单调的分箱，然后用WoE替换原值。这样做能让逻辑回归的系数有业务意义。

⑤ 逻辑回归模型训练

用WoE后的变量做逻辑回归，加上L1/L2正则防止过拟合。我个人习惯先做逐步回归筛选变量，再用交叉验证选最优λ。注意系数要检查符号：比如收入越高，违约概率应该越低——如果符号反了，说明变量有问题。

⑥ 模型评估

主要看KS（区分能力）和AUC。一般要求KS>0.3，AUC>0.75。但别光看指标，一定要做时间外验证。我在项目中常用「跨时间验证」：用2018年数据训练，在2019年数据上验证，这样能暴露变量时效性问题。

⑦ 评分卡生成与验证

把逻辑回归的系数乘以某个常数（比如1000），再加上基准分，就能映射成整数评分卡。最后需要在保留样本上验证分数区分度和稳定性。这一步经常被忽略，但银行监管审核时基本都看它。

好，流程概览就到这儿。后面的章节我们会逐一深入每个步骤。你知道整体脉络之后，学起来会更有方向感。