评分卡的类型

在风控领域，根据评分卡使用场景的不同，一般分为申请评分卡（A卡）、行为评分卡（B卡）和催收评分卡（C卡）。其中，A卡用于信贷申请（贷前）阶段，用于评估借款人的风险水平，从而决定是否放款；B卡用于还款（贷中）阶段，根据借款人的还款行为来预测借款人的风险变化；C卡用于催收（贷后）阶段，针对已经出现不良的贷款，评估其回收的可能性。

这三种评分卡在算法上区别不大，主要区别在于数据方面。其中A卡和另外两者的区别会更大一些，因为构建A卡时无法使用借款人的还款行为数据（贷款还没放，哪来的还款行为），也不需要对不同时间段的合同进行采样，这一点后面会详细解释。因此A卡相对于后两者更简单一些，相应地，准确性也会差一些。

常用算法

刚才我们提到了算法。在信贷领域，构建评分卡最常用的算法是逻辑回归算法。逻辑回归的优点是原理简单、调参简单，且模型结果的可解释性很强，可以很好地转化为量化的分数。

建模数据集

现在，假定各位看官已经了解了逻辑回归。

那么我们来思考一个问题：在开始建模之前，我们第一步需要做什么？

当然是把数据搞到手。至于这个数据是谁提供过来的、怎么提供的，里面的坑只有做的人才能体会。

第二步就是明确模型的目标变量，即模型要预测什么。逻辑回归模型属于分类模型，用来预测样本属于什么类型。在金融领域，我们一般使用到的都是二分类的逻辑回归，它的目标变量是类别标签，即“0”和“1”。根据场景不同，它可以表示”是/否“、”好/坏“或”有/无“。

以A卡为例，它预测的是用户在申请贷款通过以后发生不良行为的概率，因此目标变量就是”贷款正常/出现不良“。我们一般把目标变量命名为“bad”，如果一条样本的bad等于1，就表示这条样本出现了不良行为，属于“坏”样本；bad等于0，表示这是一条“好”样本。

不良行为的标准是什么呢？这个我们留着以后再聊。

在确定了目标变量以后，我们还需要选择自变量。通常情况下，原始数据集中的变量几乎都不能直接入模，需要进行数据清洗。

特征工程

完成数据清洗后，我们是否就可以开始模型训练啦？并不是。在训练模型之前非常重要的一步叫做特征工程。特征工程是对原始数据进行进一步的处理、运算并生成新的变量，目的是帮助模型更好地识别数据中包含的统计规律。

另外，特征工程中还有一步非常重要，即变量分箱（Binning）。变量分箱是对连续变量进行离散化，即将连续变量划分为若干个区间，每个区间赋予相同的值。这句话可以拆解为三个问题。

首先，为什么要离散化？离散化最重要的作用是增加模型的鲁棒性，提高模型的泛化能力。连续型变量往往内部存在异常值，通过变量分箱可以消除异常值的干扰。而且变量分箱可以把缺失值划为单独的类进行处理，降低了缺失值对模型的影响。

其次，若干个区间该怎么划分？业界常用的方法是卡方分箱和决策树分箱。关于两者的原理，这里不多做解释，网上有许多成熟的代码可以直接引用。多说一句，作为数据从业人员，最重要的能力就是信息获取，不然会累死的。

最后，分箱后每个区间该赋什么值？在这里需要掌握两个概念，WOE值和IV值。受篇幅所限，这两者以后我们再详细解释。

模型训练

训练模型时，我们需要将输入的数据集划分为训练集和测试集两部分。它们分别占原数据集的70%或30%（按60%、40%分也可以）。其中，训练集用于训练模型，得出模型参数；测试集用于检验模型的拟合能力，防止过拟合或欠拟合。

在算法选择方面，我们通常使用二分类逻辑回归。逻辑回归的好处是可以输出概率值，这个概率值可以通过一定的运算转化为评分卡分数。