1.1 信用评分模型概述
什么是信用评分卡
信用评分卡（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（收入、负债、历史还款行为等）通过统计模型映射为一个单一分数，用以预测借款人未来发生违约的概率。分数越高，代表信用风险越低；分数越低，代表违约可能性越大。
核心公式（逻辑回归评分卡）：
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。
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。
一张完整的评分卡通常包含：
- 特征分箱：将连续变量（如年龄、收入）或离散变量（如职业）划分为若干区间。
- WOE 编码：用证据权重（Weight of Evidence）替代原始特征值。
- 分数映射：每个分箱对应一个分数，最终加总得到总评分。
评分卡在金融风控中的作用
评分卡是信贷决策的核心引擎，贯穿贷前、贷中、贷后全流程。其关键作用包括：
| 环节 | 作用 | 典型应用 |
|---|---|---|
| 贷前审批 | 快速识别高风险申请，降低首笔损失 | 自动决策引擎、人工审批辅助 |
| 额度定价 | 根据风险等级差异化授信与利率 | 风险定价模型、额度测算 |
| 贷中监控 | 动态跟踪客户风险变化，触发预警 | 行为评分、额度调整、早期预警 |
| 贷后管理 | 优化催收策略，提升回收率 | 催收评分、失联修复优先级 |
| 合规与审计 | 提供可解释的决策依据，满足监管要求 | 模型文档、公平性测试、压力测试 |
💡 行业实践： 头部消费金融公司通常将评分卡作为第一道风控防线，拒绝率控制在 30%~50%，同时保持坏账率低于 3%。评分卡每提升 10 个点（如从 600 分到 610 分），违约率平均下降 15%~20%。
A卡 / B卡 / C卡 的区别
根据应用阶段的不同，信用评分卡分为三大类：
| 类型 | 全称 | 应用阶段 | 数据来源 | 预测目标 | 典型特征 |
|---|---|---|---|---|---|
| A卡 | 申请评分卡 Application Scorecard |
贷前审批 | 申请表 + 外部征信 | 首次违约概率 | 年龄、收入、职业、征信查询次数 |
| B卡 | 行为评分卡 Behavior Scorecard |
贷中管理 | 内部交易行为 | 未来 3-6 个月违约概率 | 还款记录、额度使用率、交易频次 |
| C卡 | 催收评分卡 Collection Scorecard |
贷后催收 | 历史催收 + 行为数据 | 催收成功率 / 回收率 | 逾期天数、历史催收响应、联系人信息 |
三类评分卡的核心差异总结
- 数据时效性：A卡使用申请时点快照数据；B卡使用连续行为数据；C卡使用逾期后催收交互数据。
- 模型更新频率：A卡通常 6~12 个月重建一次；B卡 3~6 个月；C卡 6~12 个月。
- 监控重点：A卡关注申请欺诈与信用风险；B卡关注行为漂移与额度使用；C卡关注催收响应率与回收率。
- PSI 漂移敏感度：B卡对客群行为变化最敏感，PSI 监控频率最高（通常月度）；A卡次之；C卡相对稳定。
⚠️ 常见误区： 很多团队只关注 A 卡的开发与监控，忽略了 B 卡和 C 卡的持续维护。实际上，B 卡在贷中阶段对风险变化的捕捉能力远强于 A 卡，是 PSI 漂移告警的重点监控对象。