2. 信用评分模型基础：评分卡模型（逻辑回归）、决策树模型、随机森林模型、XGBoost模型的基本原理与适用场景

在信用评分领域，模型的选择直接决定了风控策略的有效性与稳定性。本章将系统梳理四种主流模型——评分卡（逻辑回归）、决策树、随机森林与XGBoost——的核心原理、数学基础及典型适用场景，帮助你在实际项目中建立模型选型的判断框架。

2.1 评分卡模型（逻辑回归）

评分卡是金融风控领域应用最广泛的模型，其本质是带逻辑回归二分类器的线性模型，通过WOE（Weight of Evidence）编码将原始特征转换为线性可加的分值。

2.1.1 基本原理

• 逻辑回归核心公式： \( \ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 x_1 + \dots + \beta_n x_n \)，其中 \(p\) 为违约概率。
• WOE转换：将连续变量分箱后，用WOE值替代原始数值，使特征与目标变量呈单调线性关系。
• 分值映射：通过公式 \( \text{Score} = A - B \cdot \ln(\text{Odds}) \) 将逻辑回归输出转换为整数评分。

2.1.2 适用场景

2.2 决策树模型

决策树通过递归划分特征空间，生成树状决策规则。在信用评分中，常用CART（Classification and Regression Tree）算法。

2.2.1 基本原理

• 分裂准则：使用基尼系数（Gini impurity）或信息增益选择最优分裂特征与阈值。
• 剪枝策略：预剪枝（限制树深度、叶节点最小样本数）与后剪枝（基于验证集误差）防止过拟合。
• 输出形式：叶节点输出类别（好/坏）或违约概率。

2.2.2 适用场景

2.3 随机森林模型

随机森林是Bagging策略的代表，通过构建多棵决策树并集成投票，显著提升预测稳定性与准确率。

2.3.1 基本原理

• 双重随机性：每棵树使用Bootstrap抽样（行采样）与随机特征子集（列采样）训练。
• 集成策略：分类任务采用多数投票，回归任务采用均值。
• 特征重要性：基于基尼系数减少量或OOB（Out-of-Bag）误差增加量评估特征贡献。

2.3.2 适用场景

2.4 XGBoost模型

XGBoost是梯度提升决策树（GBDT）的高效实现，在Kaggle竞赛与工业风控中表现突出，是目前信用评分领域最常用的集成模型之一。

2.4.1 基本原理

• Boosting机制：逐轮训练新树拟合前一轮残差，最终加权求和。
• 目标函数： \( \text{Obj} = \sum_{i=1}^n L(y_i, \hat{y}_i) + \sum_{k=1}^K \Omega(f_k) \)，其中 \(\Omega\) 为树复杂度正则项。
• 关键优化：二阶泰勒展开加速收敛、列抽样防过拟合、Shrinkage（学习率）控制步长。

2.4.2 适用场景

2.5 四类模型对比总览

2.6 模型选型决策流程

在实际信用评分项目中，建议按以下步骤进行模型选型：

1. 业务约束检查：是否面临强监管？是否需要向客户解释拒绝原因？若是，优先考虑评分卡。
2. 数据规模评估：样本量小于1万时，避免使用复杂集成模型；大于10万时，XGBoost优势明显。
3. 特征质量判断：特征工程充分且线性关系强，评分卡即可达到不错效果；特征交互复杂时，树模型更优。
4. 部署环境限制：在线实时评分系统对延迟敏感，评分卡与决策树推理速度最快；随机森林与XGBoost需模型压缩或使用ONNX加速。
5. 冠军/挑战者实验：至少选择2-3个候选模型进行离线对比，使用KS、AUC、Gini等指标评估，最终通过Champion实验确定上线模型。