2. 评分卡模型基础：申请评分卡(A卡)、行为评分卡(B卡)、催收评分卡(C卡)的区别与适用场景
在信用评分建模体系中，根据信贷业务的生命周期阶段，评分卡通常被划分为三大类：申请评分卡（A卡）、行为评分卡（B卡）和催收评分卡（C卡）。这三类模型在数据来源、预测目标、建模样本以及业务应用场景上存在显著差异。理解它们的区别是构建有效风控体系的前提。
2.1 三类评分卡的核心定义与定位
下图展示了三类评分卡在信贷全生命周期中的位置与核心逻辑：
2.2 三类评分卡的详细对比
下表从多个维度对A/B/C卡进行系统性对比，帮助建模人员快速把握关键差异：
| 对比维度 | 申请评分卡 (A卡) | 行为评分卡 (B卡) | 催收评分卡 (C卡) |
|---|---|---|---|
| 业务阶段 | 贷前（申请环节） | 贷中（账户管理期） | 贷后（逾期/催收阶段） |
| 预测目标 | 客户首次违约概率（PD） | 客户未来逾期/流失/额度使用率 | 回收率、还款可能性、失联概率 |
| 建模样本 | 所有申请客户（含被拒客户需做拒绝推断） | 已获批且处于正常还款状态的客户 | 已逾期的客户（M1/M2/M3+） |
| 数据来源 | 申请表、征信报告、外部三方数据 | 还款流水、交易行为、额度使用、客服交互 | 催收记录、还款承诺、失联修复、资产信息 |
| 观察期与表现期 | 观察期：申请时点；表现期：6-12个月 | 观察期：最近3-12个月行为；表现期：未来3-6个月 | 观察期：逾期后0-30天；表现期：未来30-90天 |
| 模型更新频率 | 较低（6-12个月） | 较高（3-6个月） | 中等（3-6个月，视策略调整） |
| 主要应用 | 审批决策、额度初始核定 | 额度调整、交叉营销、风险预警 | 催收策略分配、委外决策、核销预估 |
2.3 适用场景与业务价值
2.3.1 申请评分卡（A卡）—— 风控的第一道防线
- 适用场景：信用卡申请、消费贷款申请、抵押贷款申请等所有新客准入环节。
- 业务价值：在客户进入信贷体系前，快速识别高风险申请，降低首笔坏账率。A卡是金融机构最基础、最核心的模型之一。
- 典型特征：年龄、收入、职业、征信查询次数、负债比（DTI）、历史逾期记录等。
建模提示： A卡建模时，被拒绝客户的表现未知，通常需要采用拒绝推断（Reject Inference）技术来修正样本偏差，否则模型会高估通过客户的信用质量。
2.3.2 行为评分卡（B卡）—— 存量客户的动态管理
- 适用场景：信用卡额度调整、贷款续贷审批、客户流失预警、精准营销。
- 业务价值：基于客户在贷中的实际还款行为，动态调整风险评级。B卡能捕捉到A卡无法获取的“行为信号”，如还款习惯、消费模式变化。
- 典型特征：近3个月平均使用额度、还款及时性、分期行为、账户余额变化趋势、客服投诉次数等。
关键指标： B卡模型中，“额度使用率”和“还款行为稳定性”通常是最强预测变量。额度使用率突然升高往往预示着资金紧张，是风险上升的前兆。
2.3.3 催收评分卡（C卡）—— 贷后催收的精细化运营
- 适用场景：逾期M1（1-30天）、M2（31-60天）、M3+（61天以上）各阶段的催收策略制定。
- 业务价值：对逾期客户进行分层，将催收资源集中在回收可能性高的客户上，对失联或低回收客户采用低成本策略，提升催收效率与回收率。
- 典型特征：逾期天数、历史催收联系次数、承诺还款但未兑现次数、是否失联、资产状况、第三方联系人信息等。
注意： C卡建模时，样本分布极不均衡（大部分逾期客户最终会还款，少数成为坏账）。建议使用分层抽样或代价敏感学习来处理样本不平衡问题，避免模型偏向多数类。
2.4 三类评分卡的协同工作流
在实际业务中，A/B/C卡并非孤立运行，而是形成一套完整的“全生命周期风控闭环”。下图展示了三者之间的数据流转与决策联动：
2.5 建模选型建议
实战建议：
- 初创机构：优先建设A卡，这是风控的基石。没有A卡，后续的B卡和C卡将失去意义。
- 成长型机构：在A卡稳定后，尽快部署B卡，用于存量客户的额度管理和风险预警，这是提升利润的关键。
- 成熟型机构：完善C卡，实现贷后催收的精细化管理，降低坏账损失。同时，建立A/B/C卡之间的数据反馈机制，形成模型迭代闭环。
总结而言，A卡解决“谁可以进来”的问题，B卡解决“进来后怎么管”的问题，C卡解决“出问题后怎么办”的问题。三者缺一不可，共同构成完整的信用评分体系。