重磅分享--基于违约概率跟odds的经验评分

关注 “番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。

在评分卡没有上线之前或者在评分卡之外的变量，经常需要对相应的变量进行标准化的分数的转化。如何计算相应的评分？相信很多做规则策略的同学，还有做模型的同学都疑惑于此？今天这篇文章，重点分享这个知识点。

学习了今天的方法，不需要做一套评分卡，简单些用违约率跟ODDS就能做具体的变量打分。

先展示下评分结果，再拆解下具体的算法过程。具体的表格的呈现结果：

上面展示的结果，主要由两部分组成：
Part1：每个变量的评分，而且具体同个变量，因为不同的取值都会有不同的分值；
Part2：评分之后的额度授信情况。

以下详细来介绍Part1，如何进行变量的评分。

一．ODDS

ODDS，比率。基于部分读者因为没有做过模型，为了将此概念介绍清楚，详细介绍下他的来源。

Odds，可能性，機會，机率，概率，统计学上称为发生比。

Wiki这样解释：

在统计和概率理论中，一个事件或者一个陈述的发生比（英语：odds）是该事件发生和不发生的比率，公式为：P/(1-P)，P是该事件或陈述的概率）。
例如，如果一个人随机选择一星期7天中的一天，选择星期日的发生比是
1:6。不选择星期日的发生比6：1。
发生比其实是一种相对概率。一般来说，普通大众不太使用发生比来描述概率。
发生比可以用小数表示，也可以用比率表示。例如0.25或者1:4。

那ODDS跟我们此次所使用的算法又有什么关系？做过模型的同学就比较了解，在评分模型使用的逻辑回归的算法中求出来的概率P，如上面介绍，在经过转化之后就能转化成ODDS,如下：

而odd是加上LN转换之后才能变成每个多项式的累加：

所以，ODDS显得特别重要。原来算出来P之后，还需要算出1-P,才能得到ln（odds），最后才能算出来整个模型的分值。

二．违约率巧妙运用

接下来的一个步骤，是整一part最关键的一步：引入每个变量的违约率。

最后我们在基于经验的转化为标准化的分数的时候，我们巧妙的引入每个变量的逾期率，让逾期率替换掉逻辑回归跑出来的整体违约率，并求出求具体的ODDS。

三．确定A跟B的系数

最后关键的一步了，求标准分数转换中的A跟B.首先先介绍下A跟B是什么样的系数。

因为标准的分数转化实际如下所示，具体的分值前都带有系数A跟B,大家可以理解为调整的系数，此系数的作用为方便调整分数的比例跟大小等。

试想一下，如果没有A跟B，直接score=B1X1+B2X2+B3*X3，不能让我们随着自己的喜好偏移和缩小倍数，因此我们发明了A跟B这两个系数。

那如何求A跟B的系数，在标准的评分模型中，根据两个等式就能知道如果求系数，如：

上图中，P、log、pdo都是已知的，所以有两个一元一次方程求两个系数，能得到结果。

所以参考这样的思路模式，我们将求系数的方法运用到此次的经验评分中。

我们依葫芦画瓢，也将违约率跟ODDS的两个等式列好，两个等式分是，设定的最高分、与设定的平均分，还有对应的ODDS：

上述图表中，最右边标黄的odds是根据公式算出来的，各位读者，理解完ODDS的求导后，应该能根据逾期率来算这个odds了。并且通过设置的最高分与平均分，这两者关系求出A与B的值。

总结

借鉴了标准评分卡的算法，结合一些客户画像的标签，快速给具体的客户打分。这里面巧妙地地将违约概率值转换变量的违约率，缩减大量建模的过程；并且运用了ODDS的方法，根据两个算式，转化为了标准分数，而不是拍脑袋似地拍出个分数，此方法值得大家了解学习。

最后，是关于额度授信的，这个内容看一下原始表格就能了解，不再这里详细介绍。
---------------------- --------------------- ------------------------------------- ----------------------
十年职场生涯，这个长期混迹在风控界和科技界，摸爬滚打的大叔，曾经就职于全国最大的固网运营商平台、国内最大的ERP软件公司和一家老牌的互金公司，如果你想了解他，欢迎关注 “番茄风控大数据”一起学习一起聊！

重磅分享--基于违约概率跟odds的经验评分相关推荐

重磅分享：微软面试100题2010年版全部答案完整亮相
欢迎zhangxusoftgcy我的:资源博客空间简历设置|帮助|退出 CSDN首页资讯论坛博客下载搜索更多 CTO俱乐部学生大本营培训充电移动开发软件研发云计算程序员 TUP ...
模型违约概率到信用评分的转化
模型违约概率到信用评分的转化定义坏好比 o d d s = p / ( 1 − p ) odds=p/(1-p) odds=p/(1−p) P是LR计算的违约概率(即坏人的概率),1-p即好人的概率 ...
分享基于EF6、Unitwork、Autofac的Repository模式设计
目录分享基于EF6.Unitwork.Autofac的Repository模式设计一.实现的思路和结构图二.Repository设计具体的实现代码三.Repository设计的具体的使用四. ...
重磅分享（二）——决策引擎实战部署
关注公众号"番茄风控大数据",获取更多数据分析与风控大数据的实用干货. 决策引擎,可服务于各个信贷生命周期中的各个阶段.贷前的信贷审批,贷中的账户策略管理以及贷后的催收和保全,都可 ...
分享]基于Web开发资料专集
分享]基于Web开发资料专集 [这个贴子最后由huili46在 2006/02/17 04:17pm 第 4 次编辑] 本专集包含的内容如下: [color=#008B8B] 网页设计制作标准规范 [ ...
软件包应用分享|基于RT-Thread的百度语音识别（二）
本期分享来自RT-Thread的社区小伙伴霹雳大乌龙,如果你也有文章愿意分享/希望获得官方的写作指导,可以发送文章/联系方式邮件至邮箱:xuqianqian@rt-thread.com 回顾往期: 软 ...
违约概率和违约损失率
不允许转载贷款的违约概率估计的100%正确,那么所有用户.违约用户.违约损失用户的图示如下: 理想违约用户的包含关系违约概率估计的是一个用户在违约的概率,一个违约概率大的用户造成违约损失的二个条件 ...
基于蒙特卡洛概率潮流计算在IEEE33节点系统中，由于风光出力的不确定性，利用蒙特卡洛生成风速和光照强度得到出力
基于蒙特卡洛概率潮流计算在IEEE33节点系统中,由于风光出力的不确定性,利用蒙特卡洛生成风速和光照强度得到出力,可得到每个节点的电压和支路功率变化,网损和光照强度. ID:795064451977 ...
存储型xss实例分享---基于web靶机的织梦内容管理系统
存储型xss实例分享-基于web靶机的织梦内容管理系统存储型xss实例分享: ① 用御剑扫到管理员登录路径: http://192.168.1.105:800/DedeCmsV5.6-GBK-Fin ...

重磅分享--基于违约概率跟odds的经验评分

重磅分享--基于违约概率跟odds的经验评分相关推荐

最新文章

热门文章