📚 课程目录第3章评分卡开发流程

3、评分卡开发流程：数据划分、变量筛选、WOE编码、逻辑回归建模、分数转换

催收评分卡（Collection Score）的开发遵循一套标准化的流程，确保模型具备统计稳健性、业务可解释性与实际部署价值。本节将拆解评分卡开发的五个核心环节，并结合催收场景说明每个步骤的关键操作与避坑要点。

3.1 数据划分：训练集、验证集与测试集

在建模前，必须将样本数据划分为互斥的子集，用于模型训练、调参与最终性能评估。催收数据通常按时间序列划分，避免未来信息泄露。

数据集	用途	催收场景建议占比	划分原则
训练集	拟合模型参数（逻辑回归系数）	60%	使用最早时间窗口的样本
验证集	变量筛选、WOE分箱调优、超参数选择	20%	紧接训练集之后的时间段
测试集	最终模型性能评估（无偏估计）	20%	最晚时间窗口，模拟未来表现

催收场景提示： 催收数据存在明显的“账龄效应”与“季节效应”。建议按放款月份或逾期发生月份进行分层抽样，确保训练集与测试集中各账龄段的样本分布一致，避免模型在早期账龄过拟合。

3.2 变量筛选：从高维到精炼

催收数据通常包含数百个原始变量（如历史还款次数、联系频率、设备信息、外部征信指标）。变量筛选的目标是保留与催收回收率强相关且低冗余的特征子集。

筛选三步法

单变量筛选： 计算每个变量与目标变量（如“逾期30天内是否还款”）的IV值（Information Value）。保留IV > 0.02的变量；剔除IV < 0.02的弱变量。
相关性筛选： 计算变量间Pearson或Spearman相关系数。对于相关系数 > 0.7的变量对，保留IV值较高或业务解释性更强的变量。
逐步回归/特征重要性： 使用逻辑回归的逐步选择（Stepwise）或随机森林的特征重要性排序，进一步压缩变量数量至15-25个。

  IV值参考标准：

  IV < 0.02：无预测力，应剔除

  0.02 ≤ IV < 0.1：弱预测力

  0.1 ≤ IV < 0.3：中等预测力

  IV ≥ 0.3：强预测力（注意过拟合风险）

3.3 WOE编码：将原始变量转化为线性尺度

WOE（Weight of Evidence）编码是评分卡开发的核心数据变换步骤。它将原始变量（连续或离散）映射为与目标变量对数几率的线性关系，确保逻辑回归模型能够直接处理非线性特征。

WOE计算公式

WOE_i = ln( (Good_i / Good_total) / (Bad_i / Bad_total) )

其中：
- Good_i：第i个分箱中“好客户”（如逾期后还款）的数量
- Bad_i：第i个分箱中“坏客户”（如逾期后未还款）的数量
- Good_total：全体样本中好客户总数
- Bad_total：全体样本中坏客户总数

分箱原则

单调性： 每个变量的WOE值应随变量取值单调递增或递减，符合业务直觉。
分箱数量： 通常控制在3-6箱，避免过拟合。
最小样本占比： 每箱至少包含5%的样本，确保统计稳定性。

变量：历史还款次数	分箱区间	好客户占比	坏客户占比	WOE值
箱1	0次	10%	35%	-1.25
箱2	1-2次	25%	30%	-0.18
箱3	3-5次	35%	20%	0.56
箱4	≥6次	30%	15%	0.69

常见错误： 直接使用原始变量值（如“还款次数=3”）进入逻辑回归，而未进行WOE编码。这会导致模型无法捕捉非线性关系，且变量尺度差异大时影响系数稳定性。WOE编码后，所有变量均在同一线性尺度上，系数可直接比较。

3.4 逻辑回归建模：系数估计与模型诊断

WOE编码后的变量作为输入，使用逻辑回归（Logistic Regression）拟合催收回收概率。逻辑回归输出介于0-1之间的概率值，适合二分类场景。

模型形式

ln( p / (1-p) ) = β₀ + β₁·WOE₁ + β₂·WOE₂ + ... + βₖ·WOEₖ

其中：
- p：客户在催收触达后还款的概率
- β₀：截距项
- βᵢ：第i个变量的回归系数

模型诊断指标

KS值（Kolmogorov-Smirnov）： 衡量模型区分好坏客户的能力，催收评分卡通常要求KS > 0.3。
AUC（Area Under ROC Curve）： 综合评估模型排序能力，AUC > 0.7为可接受。
系数符号一致性： 检查每个变量的系数符号是否与业务逻辑一致（如“历史还款次数”系数应为正）。

3.5 分数转换：从概率到可读评分卡

逻辑回归输出的概率值不便于业务人员直接使用。分数转换将概率映射为整数分数，通常设定为“分数越高，还款概率越高”。催收评分卡常用线性转换公式。

转换公式

Score = Offset + Factor × ln( p / (1-p) )

其中：
- p：逻辑回归输出的还款概率
- Offset：基准偏移量，控制分数起点
- Factor：刻度因子，控制分数每变化单位对应的几率比变化

常用设定：
- 当 p = 0.5 时，Score = 600（基准分）
- 当几率比翻倍时，Score 增加 20 分（Factor = 20 / ln(2) ≈ 28.85）

评分卡呈现形式

最终评分卡以表格形式呈现，每个变量的每个分箱对应一个分数值，业务人员可直接查表加总。

变量	分箱	WOE值	系数β	分数贡献
历史还款次数	0次	-1.25	0.8	-28
	1-2次	-0.18	0.8	-4
	3-5次	0.56	0.8	13
	≥6次	0.69	0.8	16
基准分（截距项）				600
客户总分				601

  催收触达优化应用： 分数转换后，可设定催收策略阈值：

  - 分数 > 650：低风险，短信提醒即可

  - 分数 550-650：中风险，IVR外呼+人工跟进

  - 分数 < 550：高风险，优先人工催收+法务准备

通过以上五个步骤，原始催收数据被系统性地转化为可解释、可部署的评分卡模型。下一环节将基于评分卡分数设计具体的催收触达策略与动态阈值。