R 银行信用卡风控评分数据分析

1 初始环境准备
2数据预览与处理
3 描述性统计
- 相关包准备
- 盖帽法
- 描述数据分类统计
4 属性分箱
5 logistic建模
6 打分系统
7 写入csv文件

1 初始环境准备

读取数据与预览

rm(list=ls())
#setwd("./case")
#install.packages("xlsx")
library(openxlsx)
dat<-read.xlsx("credit.xlsx",1)
View(dat)

2数据预览与处理

数据预览，发现最大值999的异常值，偏离平均值

class(dat)
#describe data
summary(dat)
sum(is.na(dat))

异常值处理，使用na填充

#Outlier filling
dat[,1:6]<-sapply(dat[,1:6],function(x) {x[x==999]<-NA;return(x)} )
nrow(dat)
ncol(dat)
summary(dat[,11])
#Understand data deletion invalid variables
dat<-dat[,-11]

将字符型变量character转化为因子变量factor
#Change string variable type to classification variable

dat1<-dat
sapply(dat1,class)
ch=names(which(sapply(dat1,is.character)))#find the character type variance
dat1[,ch]=as.data.frame(lapply(dat1[,ch], as.factor))

观察数据发现家庭人口数和家庭孩子数密切相关，存在多重共线性，于是产生标识变量代替这二个变量

dat1[,4]<-dat1[,4]-dat1[,3]table(dat1[,4])
dat1[,4]<-factor(dat1[,4],levels=c(1,2),labels=c("其他","已婚"))colnames(dat1)<-c("age","income","child","marital","dur_live","dur_work","housetype","nation","cardtype","loan")
summary(dat1)

3 描述性统计

盖帽法

异常值可以使用盖帽法处理，使用1%和99%分位数替换异常值

##盖帽法函数去除异常用99%和1%点分别代替异常值

block<-function(x,lower=T,upper=T){if(lower){q1<-quantile(x,0.01)x[x<=q1]<-q1}if(upper){q99<-quantile(x,0.99)x[x>q99]<-q99}return(x)
}

数据集中1是不违约，0是违约，进行反转设定，使1变为违约，0为不违约

#Odds ratio conversion for later IV calculation
dat1$loan<-as.numeric(!as.logical(dat1$loan))

描述数据分类统计

违约和不违约的人群的区别

#data classification ,discretization of continuous variables
##age
boxplot(age~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")
age<-smbinning(dat1,"loan","age")
age$ivtable

违约与否的年龄箱线图

分箱后的IV图

age<-smbinning(dat1,"loan","age")
age$ivtable

对年龄进行分箱后，查看百分比，weight，good，bad rate，后面的描述性统计大致如此，可以秦楚看出不同年龄层次的区别

par(mfrow=c(2,2))
smbinning.plot(age,option="dist",sub="年龄")
smbinning.plot(age,option="WoE",sub="年龄")
smbinning.plot(age,option="goodrate",sub="年龄")
smbinning.plot(age,option="badrate",sub="年龄"

将IV结果添加到一个向量中

par(mfrow=c(1,1))
age$iv
#Add Iv value to vector
cred_iv<-c("年龄"=age$iv)

关于收入，明显存在异常值，使用盖帽法

##incomeboxplot(income~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")

盖帽法填充

dat1$income<-block(dat1$income)

填充后明显变正常了

boxplot(income~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")```

IV值测量，同上age

income<-smbinning(dat1,"loan","income")
income$ivtable
smbinning.plot(income,option="WoE",sub="收入")
income$iv
cred_iv<-c(cred_iv,"收入"=income$iv)

child 统计

##child
boxplot(child~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")child<-smbinning(dat1,"loan","child")
child$ivtable
smbinning.plot(child,option="WoE",sub="孩子数量")
child$iv
cred_iv<-c(cred_iv,"孩子数量"=child$iv)

##marital
xtab(~marital+loan,data=dat1,chisq=T)
marital<-smbinning.factor(dat1,"loan","marital")
marital$ivtable
smbinning.plot(marital,option="WoE",sub="婚姻状态")
marital$iv
cred_iv<-c(cred_iv,"婚姻状态"=marital$iv)

##dur_live
boxplot(dur_live~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")
t.test(dur_live~loan,data=dat1)
dur_live<-smbinning(dat1,"loan","dur_live")
dur_live

观察得到dur_live变量对违约分布区别不大，使用t检验，不能拒绝二者同分布

dur_work变量统计

##dur_work
boxplot(dur_work~loan,data=dat1,horizontal=T, frame=F, col="lightgray",main="Distribution")
t.test(dur_work~loan,data=dat1)
dur_work<-smbinning(dat1,"loan","dur_work")
dur_work$ivtable
smbinning.plot(dur_work,option="WoE",sub="在现工作时间")
dur_work$iv
cred_iv<-c(cred_iv,"在现工作时间"=dur_work$iv)

housetype描述统计

##housetype
xtab(~housetype+loan,data=dat1,chisq=T)
housetype<-smbinning.factor(dat1,"loan","housetype")
housetype$ivtable
smbinning.plot(housetype,option="WoE",sub="住房类型")
housetype$iv
cred_iv<-c(cred_iv,"住房种类"=housetype$iv)

##nation
xtab(~nation+loan,data=dat1,chisq=T)
nation<-smbinning.factor(dat1,"loan","nation")
nation$ivtable
smbinning.plot(nation,option="WoE",sub="国籍")
nation$iv
cred_iv<-c(cred_iv,"国籍"=nation$iv)

cardtype描述统计

##cardtype
xtab(~cardtype+loan,data=dat1,chisq=T)
cardtype<-smbinning.factor(dat1,"loan","cardtype")
cardtype$ivtable
smbinning.plot(cardtype,option="WoE",sub="信用卡类型")
cardtype$iv
cred_iv<-c(cred_iv,"信用卡类型"=cardtype$iv)

总体变量IV值程度


#Drawing shows the amount of information
barplot(cred_iv,main="各变量信息值")

4 属性分箱

#quantity after adding classification
dat2<-dat1
dat2<-smbinning.gen(dat2,age,"glage")
dat2<-smbinning.gen(dat2,income,"glincome")
dat2<-smbinning.gen(dat2,child,"glchild")
dat2<-smbinning.factor.gen(dat2,marital,"glmarital")
dat2<-smbinning.gen(dat2,dur_work,"gldur_work")
dat2<-smbinning.factor.gen(dat2,housetype,"glhousetype")
dat2<-smbinning.factor.gen(dat2,nation,"glnation")
dat2<-smbinning.factor.gen(dat2,cardtype,"glcardtype")
View(dat2)

dat3<-dat2[,c(11:18,10)]View(dat3)

生成分箱后的数据级，将用户属性转化为区间数据

5 logistic建模

具体打分理论参考链接: link.

模型生成

#Creat logistic regression
cred_mod<-glm(loan~. ,data=dat3,family=binomial())
summary(cred_mod)

6 打分系统

依照打分公式发现，信用最高评分和最低评分分别为797，362分

#Scoring card system
cre_scal<-smbinning.scaling(cred_mod,pdo=45,score=800,odds=50)
cre_scal$logitscaled
cre_scal$minmaxscore

违约过与否的箱线图展示

#Score each item
dat4<-smbinning.scoring.gen(smbscaled=cre_scal, dataset=dat3)
boxplot(Score~loan,data=dat4,horizontal=T, frame=F, col="lightgray",main="Distribution")

生成打分指标

#Standardized scoring table
scaledcard<-cre_scal$logitscaled[[1]][-1,c(1,2,6)]
scaledcard[,1]<-c(rep("年龄",5),rep("收入",3),rep("孩子数量",2),rep("婚否",2),rep("在现工作时间",5),rep("住房类型",3),rep("国籍",8),rep("信用卡类型",7))
scaledcard

7 写入csv文件

ncol(dat4)
dat5=dat4[,10:18]#write the results
write.table(scaledcard,"card.csv",row.names = F)
write.table(dat4,"card.csv",row.names = F,append = T)
?write.csv

输出文件给业务人员

85 R 银行信用卡风控评分数据分析相关推荐

不容错过|额度管理与应用-银行信用卡行为评分篇(实操见)
在日常生活消费中,我们大多数童鞋可能会采用信用卡来进行支付,毕竟在很多时候显得非常方便,而且随着信用消费和按时还款的良好表现,我们的信用卡额度从最开始的几千逐渐会变成几万,这种变化自然是我们个人较好资 ...
python金融风控评分卡模型和数据分析
python金融风控评分卡模型和数据分析微专业课(博主录制):http://dwz.date/b9vv 作者Toby:持牌照消费金融模型专家,和中科院,中科大教授保持长期项目合作:和同盾,聚信立等外部 ...
python金融风控评分卡模型和数据分析(加强版)-收藏
信用评分卡信用评分是指根据银行客户的各种历史信用资料,利用一定的信用评分模型,得到不同等级的信用分数,根据客户的信用分数,授信者可以通过分析客户按时还款的可能性,据此决定是否给予授信以及授信的额度和 ...
金融风控项目实战-银行信用卡流失预测模型_基于ANN神经网络_金融培训_论文科研_毕业设计
业务背景根据央行公布的数据显示,全国性银行信用卡和借贷合一卡的发卡量增速从2017年同比增速26.35%的高点逐年下降,截至2020年同比增速降至4.26%.银行信用卡发卡增速明显放缓的背景下,预防 ...
银行信用卡评分模型(一)| python
文章目录背景介绍题目分析一.申请者评级模型二.欺诈评级模型三.行为评级模型四.催收评级模型总结背景介绍信用风险和评分卡模型的基本概念:信用风险指的是交易对手未能履行约定合同中的义务造 ...
python金融风控评分卡模型
python金融风控评分卡模型和数据分析微专业课(博主录制): [ http://dwz.date/b9vv ](https://study.163.com/series/1202875601.htm ...
无卡支付时代银行信用卡联手京东金融欲打翻身仗
互联网金融的兴起带动了消费金融的快速发展,很多平台纷纷利用消费分期来提升交易额,同时,那些具有互联网基因的电商平台也大大增加了用户粘性.伴随着整个消费大潮从线上向线下回归,消费金融也开始重新向线下市场 ...
银行信用卡流失预测模型_基于ANN神经网络_金融培训_论文科研_毕业设计
业务背景根据央行公布的数据显示,全国性银行信用卡和借贷合一卡的发卡量增速从2017年同比增速26.35%的高点逐年下降,截至2020年同比增速降至4.26%.银行信用卡发卡增速明显放缓的背景下,预防 ...
风控评分模型全流程的开发及应用
风控评分模型全流程的开发及应用信用评分卡的应用场景有申请评分卡(A卡).行为评分卡(B卡).催收评分卡(C卡)和反欺诈评分卡(F卡). 用户申请信用贷款的流程依次是基本信息核查.强规则校验. ...

85 R 银行信用卡风控评分数据分析