信用评分模型serving实战教程 - 第1节

1.1 什么是信用评分卡

信用评分卡（Credit Scorecard）是金融风控领域最经典的量化决策工具之一。它将借款人的多维特征（收入、负债、历史还款行为等）通过统计模型映射为一个整数分值，再根据总分区间划分风险等级，从而辅助信贷机构做出“是否放款、授信多少、利率几何”的决策。

评分卡的核心公式可简化为：

Score = Offset + Factor × ln(Odds)
其中 Odds = p(好客户) / p(坏客户)

通过 WOE 编码 与 逻辑回归 训练得到各分箱的权重，最终输出可解释的分数。评分卡不仅输出决策结果，还能给出拒绝原因代码，满足监管对模型可解释性的要求。

1.2 评分卡在金融风控中的核心作用

评分卡贯穿信贷全生命周期，是风控体系的“中枢神经”。其核心作用体现在以下四个层面：

• 标准化决策： 将人工审批的主观经验转化为统一、可复用的分数规则，消除审批员之间的偏差。
• 风险定价： 根据分数区间动态调整利率与额度，实现“高风险高定价、低风险低利率”的精细化运营。
• 组合管理： 监控整体资产池的分数分布，提前预警资产质量恶化趋势。
• 监管合规： 提供清晰的拒绝原因与模型文档，满足巴塞尔协议、央行征信管理办法等合规要求。

1.3 A卡 / B卡 / C卡 的区别

根据使用阶段的不同，评分卡分为三大类。理解三者的差异是构建 Serving 系统的前提。

1.3.1 申请评分卡（A卡）

• 使用时机： 客户提交申请时，贷前环节。
• 数据来源： 申请表信息、征信报告、外部三方数据（多头借贷、黑名单等）。
• 预测目标： 客户在贷后前 6~12 个月内发生 30+/90+ 逾期的概率。
• 特点： 变量以静态截面数据为主，对时效性要求极高（秒级响应）。

1.3.2 行为评分卡（B卡）

• 使用时机： 客户已获贷，在贷中阶段定期（每月/每季）重算。
• 数据来源： 内部还款流水、交易行为、额度使用率、历史逾期记录。
• 预测目标： 未来 3~6 个月内客户违约或流失的概率。
• 特点： 变量包含大量时序特征（如近 3 个月平均使用额度），模型需支持增量更新。

1.3.3 催收评分卡（C卡）

• 使用时机： 客户已逾期，进入贷后催收阶段。
• 数据来源： 逾期天数、历史催收接触记录、还款承诺履约情况。
• 预测目标： 客户在特定催收策略下的还款概率、最佳催收渠道与时机。
• 特点： 模型输出常与催收策略引擎联动，分数更新频率高（日级甚至小时级）。

1.4 三卡对比总结