3. 评分卡模型原理：逻辑回归与评分卡、WOE与IV值计算、评分卡刻度与分数映射

评分卡（Scorecard）是信用风险与催收领域最经典的量化工具。它将客户特征（如逾期天数、历史还款行为、联系人稳定性）转化为一个可比较的分数，分数越高代表违约风险越低（或还款意愿越强）。本章从逻辑回归出发，逐步拆解评分卡的构建原理、WOE/IV 的统计意义以及分数刻度的映射方法。

3.1 逻辑回归与评分卡的关系

评分卡的核心数学模型是 逻辑回归（Logistic Regression）。逻辑回归输出的是违约概率 \( p \)，而评分卡通过线性变换将概率映射为整数分数。

逻辑回归公式：

ln(p / (1 - p)) = β₀ + β₁·x₁ + β₂·x₂ + ... + βₙ·xₙ

其中：

• p：违约概率（0~1）
• β₀：截距项
• βᵢ：特征 xᵢ 的回归系数
• xᵢ：经过 WOE 编码后的特征值

评分卡将上述对数几率（log-odds）线性映射为分数：

Score = A - B × ln(p / (1 - p))

其中 A 和 B 为刻度参数，由业务预设的“基准分数”和“翻倍分数”决定。

3.2 WOE 与 IV 值计算

在评分卡建模中，原始连续变量（如年龄、收入）或类别变量（如职业、地区）需要先进行 分箱（Binning），然后计算每个箱的 WOE（Weight of Evidence，证据权重） 和 IV（Information Value，信息量）。

3.2.1 WOE 定义与公式

WOE 衡量的是“某个分箱中坏客户占比与好客户占比的差异”：

WOEᵢ = ln( (坏客户在箱i中的占比) / (好客户在箱i中的占比) )
     = ln( (Badᵢ / Bad_total) / (Goodᵢ / Good_total) )

WOE 值越大，表示该箱的客户违约风险越低（好客户相对集中）；WOE 值越小（负值越大），表示该箱违约风险越高。

3.2.2 IV 定义与公式

IV 用于衡量一个特征对违约状态的区分能力：

IV = Σ [ (Badᵢ / Bad_total - Goodᵢ / Good_total) × WOEᵢ ]

IV 值越大，特征区分能力越强。业界常用判断标准如下：

3.2.3 WOE 编码与逻辑回归的衔接

分箱并计算 WOE 后，每个箱的原始值被替换为该箱对应的 WOE 值。逻辑回归直接使用 WOE 作为输入特征 xᵢ。这样做的好处是：

• 将非线性关系线性化（WOE 与 log-odds 呈线性关系）
• 统一了类别变量与连续变量的处理方式
• 缺失值可以单独作为一个分箱，赋予合理的 WOE

3.3 评分卡刻度与分数映射

逻辑回归输出的是对数几率（log-odds），评分卡需要将其转换为业务人员容易理解的整数分数。转换过程需要预设两个业务参数：

• 基准分数（Base Score）：当 log-odds = 0（即 p = 0.5）时的分数，通常设为 600 或 500。
• 翻倍分数（PDO, Points to Double the Odds）：log-odds 每增加 1 个单位时分数增加的数值，通常设为 20 或 50。

分数映射公式推导：

Score = A - B × log-odds

已知：
当 log-odds = 0 时，Score = Base Score
当 log-odds = 1 时，Score = Base Score + PDO

解得：
A = Base Score
B = -PDO

因此：
Score = Base Score - PDO × log-odds

代入逻辑回归公式：

Score = Base Score - PDO × (β₀ + β₁·WOE₁ + β₂·WOE₂ + ... + βₙ·WOEₙ)

展开后，每个特征分箱的分数贡献为：

Score = (Base Score - PDO × β₀) - PDO × β₁·WOE₁ - PDO × β₂·WOE₂ - ... - PDO × βₙ·WOEₙ

其中 -PDO × βᵢ × WOEᵢ 就是特征 i 在某个分箱下的分数贡献值。

3.3.1 分数映射示例

假设某催收评分卡预设：Base Score = 600，PDO = 20。逻辑回归模型包含两个特征：

最终分数 = 600（基准）+ 截距贡献 + 各特征分数贡献之和。分数越低，风险越高，催收优先级越高。

3.4 评分卡刻度与分数映射的完整流程

从逻辑回归到最终评分卡，完整的分数映射流程如下：

1. 训练逻辑回归模型，得到截距 β₀ 和每个特征的系数 βᵢ。
2. 预设业务参数：Base Score（基准分数）和 PDO（翻倍分数）。
3. 计算截距分数贡献：Base Score - PDO × β₀。
4. 计算每个特征每个分箱的分数贡献：-PDO × βᵢ × WOEᵢ。
5. 生成评分卡对照表：列出每个特征的分箱、WOE、分数贡献，以及总分计算公式。
6. 部署与监控：将评分卡嵌入催收系统，实时计算客户分数，并定期监控分数分布与违约率稳定性。

3.5 常见问题与避坑