SQL信用评分特征提取与优化技巧 - 第1节

1.1 信用评分卡模型简介

信用评分卡（Scorecard）是金融风控领域最经典的量化决策工具。它将借款人的特征数据映射为一个分数，用以预测其违约概率。评分卡的核心优势在于可解释性强、稳定性高、监管友好。

评分卡的核心要素

1.2 评分卡开发流程

标准评分卡开发遵循结构化流程，其中 特征工程 占据 60% 以上的工作量。SQL 在数据清洗、特征衍生、分箱统计等环节不可替代。

1. 业务定义与数据采集 — 确定观察期、表现期、好坏标签定义。
2. 数据探索与清洗 — 缺失值、异常值、重复记录处理。
3. 特征工程 — 衍生变量、分箱、WOE 编码、IV 筛选。
4. 模型训练 — 逻辑回归或决策树。
5. 评分卡转换 — 将模型系数映射为整数分值。
6. 模型验证与监控 — KS、AUC、PSI 稳定性测试。

1.3 SQL 在特征工程中的核心作用

在评分卡项目中，SQL 不仅是数据提取工具，更是特征工程的主力军。以下表格总结了 SQL 在各个环节的具体应用场景：

SQL 特征工程的核心优势

• 数据不移动： 直接在数据库内完成加工，避免 I/O 瓶颈。
• 并行计算： 现代 MPP 数据库对窗口函数和聚合有深度优化。
• 可审计： SQL 脚本天然具备版本控制和可追溯性。
• 生产部署： 评分卡上线时，SQL 特征逻辑可直接嵌入数据管道。

一个简单的 SQL 特征衍生示例

以下 SQL 计算客户过去 6 个月的平均消费金额和最大逾期天数，这是评分卡中两个经典的行为特征：

-- 特征衍生：近6个月平均消费金额 & 最大逾期天数
SELECT
    user_id,
    AVG(transaction_amount) AS avg_amt_6m,
    MAX(overdue_days)       AS max_overdue_6m
FROM transaction_table
WHERE trans_date BETWEEN DATE_SUB(CURRENT_DATE, INTERVAL 6 MONTH) AND CURRENT_DATE
GROUP BY user_id;