评分卡模型基础：逻辑回归原理、WOE编码、IV值计算与特征筛选

信用评分卡模型的核心是使用逻辑回归（Logistic Regression）作为分类器，结合WOE（Weight of Evidence，证据权重）编码和IV（Information Value，信息量）值进行特征筛选。本章将系统讲解这三者的原理、计算方法和在评分卡构建中的实际应用。

2.1 逻辑回归原理

逻辑回归是一种广义线性模型，用于解决二分类问题。在信用评分中，它预测借款人“违约”的概率（P），输出值在0到1之间。

核心公式：

logit(P) = ln(P / (1 - P)) = β₀ + β₁X₁ + β₂X₂ + ... + βₙXₙ

其中：

  • P：违约概率
  • 1-P：正常概率
  • ln(P/(1-P))：对数几率（Log-odds）
  • β₀：截距项
  • βᵢ：特征Xᵢ的回归系数

通过Sigmoid函数将线性回归结果映射到概率空间：

P = 1 / (1 + e^(-z))，其中 z = β₀ + β₁X₁ + ... + βₙXₙ
关键理解：逻辑回归的系数βᵢ直接反映了特征对违约对数几率的影响方向与强度。正系数表示该特征值越大，违约概率越高；负系数则相反。

2.2 WOE编码原理与计算

WOE（证据权重）是一种将原始特征（尤其是分箱后的类别特征）转换为连续变量的编码方式，它衡量了每个分箱中“好客户”与“坏客户”分布的差异。

WOE计算公式：

WOEᵢ = ln( (坏客户占比ᵢ) / (好客户占比ᵢ) ) = ln( (Badᵢ / Bad_total) / (Goodᵢ / Good_total) )

其中：

  • Badᵢ：第i个分箱中的违约客户数
  • Goodᵢ：第i个分箱中的正常客户数
  • Bad_total：全部违约客户总数
  • Good_total：全部正常客户总数

WOE编码的直观含义：

  • WOE > 0：该分箱中坏客户占比高于好客户占比，违约风险较高
  • WOE < 0：该分箱中好客户占比高于坏客户占比，违约风险较低
  • WOE = 0：该分箱中好坏客户分布与整体一致，无区分能力
实践建议：WOE编码天然建立了特征与对数几率的线性关系，因此逻辑回归模型可以直接使用WOE值作为输入，无需额外处理非线性关系。这是评分卡模型的标准做法。

2.3 IV值计算与特征筛选

IV（信息量）值用于衡量一个特征对目标变量（违约/正常）的区分能力，是特征筛选的核心指标。它基于WOE值计算得出。

IV计算公式：

IV = Σᵢ [ (Badᵢ/Bad_total - Goodᵢ/Good_total) × WOEᵢ ]

其中i遍历所有分箱。

IV值评估标准：

IV值范围 预测能力 处理建议
< 0.02 无预测能力 删除
0.02 ~ 0.10 弱预测能力 可保留，但需谨慎
0.10 ~ 0.30 中等预测能力 推荐保留
0.30 ~ 0.50 强预测能力 优先保留
> 0.50 可疑（可能过拟合） 需验证稳定性
注意：IV值过高（>0.5）的特征可能存在过拟合风险，或与目标变量存在高度偶然的相关性。在评分卡建模中，建议结合业务逻辑和变量稳定性（PSI）综合判断。

2.4 特征筛选流程

特征筛选是评分卡建模的关键步骤，通常遵循以下流程：

  1. 初步筛选：删除缺失率>70%、单一值占比>95%的特征
  2. 分箱与WOE编码：对连续变量进行等频/等距/最优分箱，计算每个分箱的WOE值
  3. IV值计算：基于WOE计算每个特征的IV值
  4. IV阈值筛选：保留IV > 0.02的特征，优先选择IV > 0.10的特征
  5. 相关性分析：删除高度相关（|r| > 0.7）的特征对中IV值较低的一个
  6. 逐步回归/业务确认：使用统计显著性（p值）和业务可解释性最终确定特征集
特征筛选与评分卡建模流程 原始特征集 初步筛选（缺失率/单一值） 分箱 & WOE编码 IV值计算 相关性分析 + 逐步回归 最终特征集

2.5 逻辑回归与WOE的协同关系

在评分卡模型中，逻辑回归直接使用WOE编码后的特征作为输入，这种组合具有以下优势：

  • 线性化：WOE编码将非线性关系转化为线性关系，使逻辑回归能够有效拟合
  • 标准化：不同量纲的特征经过WOE编码后，系数可直接比较重要性
  • 缺失值处理：缺失值可单独作为一个分箱，计算其WOE值，无需额外插补
  • 业务可解释：WOE的正负方向与业务逻辑一致，便于向业务人员解释
评分卡分数转换：逻辑回归输出的对数几率（Log-odds）通过线性变换转换为标准评分卡分数：
Score = Offset + Factor × ln(Odds)
其中Offset和Factor由预设的基准分数和PDO（Points to Double the Odds）决定。

2.6 代码示例：WOE与IV计算

import pandas as pd
import numpy as np

def calc_woe_iv(df, feature, target):
    """
    计算单个特征的WOE和IV值
    :param df: DataFrame
    :param feature: 特征名
    :param target: 目标变量名（0=好客户，1=坏客户）
    :return: WOE字典, IV值
    """
    total_bad = df[target].sum()
    total_good = len(df) - total_bad
    
    grouped = df.groupby(feature)[target].agg(['count', 'sum'])
    grouped.columns = ['total', 'bad']
    grouped['good'] = grouped['total'] - grouped['bad']
    grouped['bad_pct'] = grouped['bad'] / total_bad
    grouped['good_pct'] = grouped['good'] / total_good
    
    # 避免除零
    grouped['bad_pct'] = grouped['bad_pct'].replace(0, 0.0001)
    grouped['good_pct'] = grouped['good_pct'].replace(0, 0.0001)
    
    grouped['woe'] = np.log(grouped['bad_pct'] / grouped['good_pct'])
    grouped['iv'] = (grouped['bad_pct'] - grouped['good_pct']) * grouped['woe']
    
    woe_dict = grouped['woe'].to_dict()
    iv = grouped['iv'].sum()
    
    return woe_dict, iv

# 示例使用
# woe_dict, iv_value = calc_woe_iv(data, 'age_bin', 'is_default')
# print(f"IV值: {iv_value:.4f}")
← 上一章 📖 返回目录 下一章 →