3、评分卡基础概念：评分卡在风控中的应用、从申请评分到行为评分再到催收评分的演进逻辑
3.1 评分卡的本质与核心价值
评分卡（Scorecard）是金融风控领域最经典的量化决策工具。它将借款人的多维特征（如收入、负债、历史还款记录）通过统计模型转化为一个可比较的分数，用以预测借款人未来发生违约或逾期等风险事件的概率。评分卡的核心价值在于：标准化、可解释、可回溯。
Score = Offset + Factor × ln(Odds)
其中 Odds = p/(1-p)，p 为违约概率；Offset 和 Factor 为预设的刻度参数。
在信贷全生命周期中，评分卡并非单一存在，而是根据业务阶段和数据特征演进出三种主要形态：申请评分卡（Application Scorecard）、行为评分卡（Behavior Scorecard） 和 催收评分卡（Collection Scorecard）。三者共同构成了从贷前到贷后的风险量化闭环。
3.2 三种评分卡的对比与演进逻辑
下表从数据来源、预测目标、使用阶段和模型特征四个维度，清晰对比三种评分卡的核心差异：
| 维度 | 申请评分卡 | 行为评分卡 | 催收评分卡 |
|---|---|---|---|
| 数据来源 | 申请表信息、征信报告、外部黑名单 | 账户交易流水、还款行为、额度使用率 | 逾期天数、催收接触记录、还款承诺 |
| 预测目标 | 申请即违约概率（首次逾期） | 未来 3-6 个月违约概率 | 未来 30/60 天内还款概率 |
| 使用阶段 | 贷前审批、定额定息 | 贷中额度调整、风险预警 | 贷后催收策略、触达优先级 |
| 模型特征 | 强特征：征信查询次数、负债比 | 时序特征：近 3 个月逾期次数 | 动态特征：催收响应率、失联状态 |
3.3 从申请评分到行为评分的演进：数据维度的跃迁
申请评分卡是信贷风控的第一道防线。它依赖的是“截面数据”——借款人在申请时点的静态信息。然而，借款人的风险状态会随时间变化：收入波动、多头借贷、还款意愿改变。行为评分卡的出现，正是为了解决“贷后风险动态监控”的问题。
- 数据维度升级：从静态截面数据（申请信息）升级为动态时序数据（账户行为轨迹）。
- 预测窗口缩短：申请评分预测 12-24 个月违约；行为评分聚焦未来 3-6 个月，更灵敏。
- 业务决策扩展：从“批或不批”的二元决策，扩展到“提额、降额、冻结、预警”等精细化管理。
3.4 从行为评分到催收评分的演进：目标与策略的转变
当借款人进入逾期阶段，行为评分卡的预测目标（未来违约概率）已不再适用。催收评分卡应运而生，其核心目标从“预测违约”转变为“预测还款”。这一转变带来了三个根本性变化：
- 预测目标重构：从“是否会违约”变为“是否会还款”以及“何时还款”。
- 特征空间扩展：引入催收专属特征，如“催收接通率”、“承诺还款履约率”、“失联天数”。
- 决策粒度细化：从“是否干预”变为“如何干预”——选择催收渠道、频次、话术、甚至委外时机。
催收评分卡通常输出一个 0-100 的分数，分数越高表示还款概率越大。策略人员据此将案件分为不同优先级：
| 催收评分区间 | 还款概率 | 推荐策略 |
|---|---|---|
| 80-100 | 高（>70%） | 短信/IVR 提醒，低强度触达 |
| 50-79 | 中（30%-70%） | 人工外呼，适当施压 |
| 20-49 | 低（10%-30%） | 高优先级外呼，考虑委外 |
| 0-19 | 极低（<10%） | 法务或核销，避免资源浪费 |
3.5 演进逻辑全景图
下图展示了从申请评分到催收评分的完整演进路径，以及各阶段的核心输入与输出：
3.6 演进的核心驱动力：数据与决策的精细化
评分卡的演进并非简单的“换一个模型”，而是信贷业务从粗放式管理走向精细化运营的必然结果。其核心驱动力可归纳为三点：
- 数据可用性提升：贷中行为数据、催收交互数据的积累，使得更细粒度的预测成为可能。
- 业务决策需求升级：从“一刀切”的审批决策，演变为“千人千面”的额度、利率、催收策略。
- 风险成本控制压力：催收评分卡直接降低无效触达成本，将有限资源集中在高回收潜力案件上。
3.7 小结：评分卡演进的本质
从申请评分到行为评分再到催收评分，本质上是风险度量视角的迁移：从“准入风险”到“存量风险”再到“回收风险”。每一次迁移，都伴随着数据维度的扩展、预测目标的重新定义以及决策粒度的进一步细化。理解这一演进逻辑，是设计高效催收策略的前提——催收评分卡不是孤立存在的，它是整个评分卡体系在贷后阶段的自然延伸与专业化应用。