4. 评分卡开发流程：样本定义（好/坏客户）、观察期与表现期设定、模型训练与验证

催收评分卡（Collection Score）的开发遵循一套严谨的量化流程，核心在于通过历史数据预测债务人在未来特定时间段内的还款概率。本章将拆解开发流程中的三个关键环节：样本定义（好/坏客户界定）、观察期与表现期设定、以及模型训练与验证。

4.1 样本定义：好客户与坏客户

样本定义是评分卡开发的基石。定义标准直接决定了模型学习的目标。在催收场景中，通常以“逾期后是否在特定时间内结清”作为评判依据。

4.2 观察期与表现期设定

评分卡模型需要明确“用哪段时间的数据预测哪段时间的结果”。这涉及两个关键时间窗口：观察期和表现期。

• 观察期（Observation Window）： 用于提取客户特征（X变量）的时间段。例如，取客户过去6个月的还款行为、催收接触次数、收入稳定性等数据。
• 表现期（Performance Window）： 用于定义客户好坏标签（Y变量）的时间段。例如，观察期结束后，再观察客户未来3个月是否还款。
• 时间间隔（Gap）： 观察期结束与表现期开始之间的时间点，通常为0，即观察期结束的次日开始计算表现。

4.3 模型训练与验证

在完成样本定义和时间窗口设定后，进入模型开发的核心环节。通常采用逻辑回归（Logistic Regression）作为基础模型，因其可解释性强，适合金融监管要求。

4.3.1 训练流程

1. 数据划分： 将样本集按时间顺序或随机方式分为训练集（60%）、验证集（20%）和测试集（20%）。
2. 特征筛选： 通过IV值（Information Value）、相关性分析、逐步回归等方法筛选入模变量。
3. 模型拟合： 使用训练集拟合逻辑回归模型，得到各特征的权重系数。
4. 评分转换： 将模型输出的概率值通过线性变换转换为整数评分（如300-900分）。

4.3.2 验证指标

4.4 模型输出与评分卡转换

训练完成的逻辑回归模型输出的是违约概率（PD）。为了便于业务使用，需要将其转换为整数评分卡。转换公式如下：

# 评分卡转换示例（Python伪代码）
# 假设模型系数已求出
import numpy as np

# 设定基准分和PDO（Point of Double Odds）
base_score = 600
pdo = 50  # 评分每增加50分，好坏比翻倍

# 计算偏移量和刻度因子
factor = pdo / np.log(2)
offset = base_score - factor * np.log(0.5 / 0.5)  # 假设基准好坏比为1:1

# 将概率转换为评分
def prob_to_score(prob):
    odds = prob / (1 - prob)
    score = offset - factor * np.log(odds)
    return int(round(score))

# 示例：违约概率0.8的客户评分
print(prob_to_score(0.8))  # 输出：约450分