?　催收評分卡分為滾動率模型、還款率模型和失聯模型，市面上介紹C卡的模型較少，本人將收集到的貸后催收評分卡的視頻教程整理列舉如下：

小象學院金融信貸評分卡中的機器學習模型第七課
https://www.bilibili.com/video/BV1pJ411y7yA?p=7

番茄風控大數據催收評分卡(推薦)
https://www.bilibili.com/video/BV1ZE411V7Mk/

觀察期和表現期

?　本次催收評分卡是M1滾動率模型，即預測當前處于M1狀態的用戶在本周期內回收(出催)的概率。

?　貸后催收評分卡需要不斷積累建模樣本，所以前期通常會制定一些貸后緩催策略，后期積累了一定樣本之后再用評分卡來實現更精細化的切分。關于催收評分卡的觀察期和表現期，大致有以下3種做法（假定觀察期為6個月，表現期為2個月）：

第一種：鎖定觀察期
?　觀察期為放款之后的前6個月，表現期為第7、8個月，也就是將mob賬齡鎖定。這種方法的觀察點為第六期期末的時間，會因為放款月的不同在不斷移動，但是觀察期+觀察點為賬齡的前6期。
一般C卡要包含完整的年度數據，即觀察點至少需要包含3月、6月、9月、12月四個時間節點，因此這種情況下至少要有18個月的樣本數據。

第二種：鎖定表現期
?　表現期鎖定為某兩個月，比如2020年3月和4月。建模樣本則為截止2020年3月賬齡大于6期的所有樣本。放款月越早，觀察點所處的mob就越大。觀察期可以取最近6期，也可以取2020年3月之前的所有賬期。

第三種：觀察期和表現期都在移動
?　這種方法就是將每一個訂單6期之后的數據按賬單日拆分成多條，比如一個用戶的還款表現為"FFFFFF1212"，那么入模的樣本就會有"FFFFFF12"和"FFFFFF1212"兩條。前面一條的觀察期為前6期，表現期為第7、8期；后一條觀察期為前8期，表現期為第9、10期，以此類推。這種方法可以擴充建模樣本數量，但是X變量的衍生會比較復雜。

本文將采用第三種方法進行評分卡制作，第三種方法的難點在于X變量的衍生。

數據集劃分

?　數據集劃分為訓練集、測試集、跨時間驗證集（5:3:2）。訓練集進行模型訓練，如果需要進行調參的話還需要對訓練集進行切分，劃分成訓練集和驗證集。測試集用于查看模型的泛化能力?？鐣r間驗證集則是監控隨著時間變化對模型的預測效果產生的影響。
這里注意一點，分箱的過程應該是基于訓練集進行，然后將跨時間驗證集的數據根據分箱結果進行映射。之前為了省事直接在數據集上進行分箱，然后再根據放款月份取訓練集和跨時間驗證集，這樣會造成模型過擬合。

變量選取

?　貸后催收評分卡常用到的變量有催收行為數據、逾期行為數據、歷史還款數據、客戶檔案數據以及第三方數據。

催收行為數據：

歷史還款數據：

客戶檔案數據：

第三方數據：

?　以上是番茄風控老騎士的催收評分卡課程中用到的變量，僅供參考。

?　以下是結合公司實際數據情況，用到的評分卡變量，主要用到mob表和還款計劃表，基于這兩張表進行變量的衍生。

?　特征衍生是催收評分卡制作過程中的重中之重了，一般會衍生很多時間切片變量，反映借款人最近一段時間內的還款能力和意愿。相對于前兩種觀察期和表現期的取法，一種是固定賬齡mob，一種是固定表現月，這兩種方法取時間切片變量的時候都相對比較容易。如果是觀察期和表現期都不固定的這種，特征衍生的過程會復雜一點。

時間切片變量衍生

?　首先，會計算出截止每一期的賬單日的還款歷史狀態。大概情況如下：

?　對每一行的repayment_history取長度等于mob的位數就可以得到當期的還款歷史字段，然后就可以繼續衍生當期而言的近3期、近6期的逾期行為變量。這里只能衍生逾期狀態的行為變量，如果需要衍生逾期天數的行為變量，需要根據還款計劃表進行計算。

?　首先，根據還款計劃表計算每一期的逾期天數，如果至今未還的話就用當前時間代替。然后衍生一個類似于還款歷史的字段，只不過是逾期天數組合成的字段。后面的操作就和逾期狀態的處理一樣了。

?　同理，還款金額的時間切片變量也可以這樣衍生。

# 生成逾期天數的List overdue_dict=(df_all.groupby('app_id')['overdue_days'].apply(lambda x:list(x))).to_dict() df_all['overdue_days_list']=df_all['app_id'].map(overdue_dict) # 生成實際還款金額的List pay_amt_dict=df_all.groupby('app_id')['all_pay_amt'].apply(lambda x:list(x)).to_dict() df_all['pay_amt_list']=df_all['app_id'].map(pay_amt_dict)

變量穿越

?　變量穿越是指X變量的表現時間超過了Y變量，即出現用Y去預測Y的情況，這在貸后評分卡中是很容易犯的。這種變量一旦入模的后果就是變量的IV值極高(一般大于0.5就會有這種情況)，而且模型的KS較高。
?　思考兩個變量，首次逾期天數、首逾3天發生期數這兩個變量是否可以入模？

首次逾期天數：用戶發生首次逾期的天數。
?　比如一條樣本的還款歷史為FFFFFF12,Y變量為M1-M2,此時用戶的首逾天數一定會大于30天，就會出現用Y去預測Y的情況。因為首逾天數大于30天，就意味著一定從M1遷徙到M2。
?　但是如果將這個首次逾期天數調整一下，如果該條記錄為用戶首次逾期，則這個變量為0。這樣就會避免變量穿越的問題了。

首逾3天發生期數：首次逾期3天以上發生的期數。
?　比如樣本的還款歷史為FFFFFF1112，首次逾期3天以上發生在第9期，即第三個1的地方。這條樣本會被拆成FFFFFF11和FFFFFF111和FFFFFF1112三條樣本。而對于FFFFFF11這個樣本，首逾3天以上發生在第9期，這個字段一共才取到第8期，所以會出現變量穿越。

變量分箱

變量有類別型變量和數值型變量。
類別型變量：

如果取值<=5且每個類別都包括好壞樣本，直接按類別分箱。

如果取值<=5但某些類別只有好/壞樣本，進行合并。

如果取值>5，則進行降基處理或者bad_rate編碼成數值型變量。
降基處理：將類別占比小于某個閾值的類別劃為一箱。
bad_rate編碼：將每一箱按照壞樣本比例映射成數值變量。但是變量會失去原有的解釋性。

數值型變量：
將數值型變量和bad_rate編碼轉換過來的變量進行卡方分箱。

?　分箱之后需要看每個變量的單調性，一般要求每一箱之間的bad_rate單調。但是如果是年齡這種變量，可能無法保證完全單調，只要業務上能解釋得通就可以。

?　左圖是近3期逾期次數的壞樣本率情況，可以發現近3期逾期次數越高，變壞的可能性越低。說明這部分用戶是習慣性逾期，每次都會逾期但是經過催收都會回正。
?　右圖是近6期M1-M0的次數，99是將2、3降基處理之后的值，可以發現M1-M0回正次數越多，變壞的概率就會越低。

?　個人覺得評分卡的精髓在于如何分箱，因為分箱方法的不同會導致WOE、IV值的不同，進而影響后續建模的一系列動作。如何選擇合適的分箱方法和調整分箱，本人還需要更加深入地學習。

變量篩選

主要就是進行IV值(>0.02)、相關性(<0.7)、回歸系數(為正)。代碼如下：

# 相關性剔除 def forward_delete_corr(df,col_list,threshold=None):"""df:數據集col_list:變量list集合threshold: 相關性設定的閾值return:相關性剔除后的變量"""list_corr = col_list[:]for col in list_corr:corr = df.loc[:,list_corr].corr()[col]corr_index= [x for x in corr.index if x!=col]# corr_values = [x for x in corr.values if x!=1]corr_values = list(corr[corr.index.isin(corr_index)])for i,j in zip(corr_index,corr_values):if abs(j)>=threshold:list_corr.remove(i)return list_corr

?　注意，相關性剔除時col_list的變量要按照IV值從大到小的順序，這樣才能保證剔除的是IV值較小的那個變量。

# 邏輯回歸系數符號篩選,在篩選前需要做woe轉換 def forward_delete_coef(x_train,y_train):"""x_train -- x訓練集y_train -- y訓練集return :coef_col回歸系數符號篩選后的變量lr_coe：每個變量的系數值"""col_list = list(x_train.columns)coef_col = []for col in col_list:coef_col.append(col)x_train2 = x_train.loc[:,coef_col]sk_lr = LogisticRegression(C=0.1,class_weight='balanced').fit(x_train2,y_train)coef_df = pd.DataFrame({'col':coef_col,'coef':sk_lr.coef_[0]})if coef_df[coef_df.coef<0].shape[0]>0:coef_col.remove(col)# print(coef_col)x_new_train = x_train.loc[:,coef_col]lr = LogisticRegression(C=0.1,class_weight='balanced').fit(x_new_train,y_train)lr_coe = pd.DataFrame({'col':coef_col,'coef':lr.coef_[0]})return coef_col,lr_coe

?　這個函數中邏輯回歸的系數需要和建模時候的系數一致，不然就會出現剔除完之后的變量建模之后，又出現系數為負的情況。系數為負，說明變量之間仍然存在多重共線性，而且會給單變量得分的解釋性造成困擾。關于多重共線性的影響列舉如下：

建模

?　說一下邏輯回歸調參，一般評分卡建模中不調參也是可以的。
調參主要用到網格搜索算法，主要調整C和penalty兩個參數。

網格調參的代碼如下：

def pm_search(model,pm,scale,X,y):#調參函數param_test = {pm:scale}gsearch = GridSearchCV(LogisticRegression(class_weight='balanced',penalty='l1'), param_grid = param_test, scoring='roc_auc', cv=5 )gsearch.fit(X,y)score_gs=gsearch.grid_scores_#各項參數的aucscore_pm=[[pm,scale[loc],score_gs[loc][1]] for loc in range(len(score_gs))]print(score_pm)parameter=[str(value[1]) for value in score_pm]scores=[value[2] for value in score_pm]#AUC分數繪圖sns.set(rc={"figure.figsize":(10,6)})sns.set(style='darkgrid',palette='muted',color_codes=True)plt.plot(parameter,scores,scaley =False)#最優參數合并listbest_para=parameter[scores.index(max(scores))]return [pm,best_para]

?　模型的KS曲線、ROC曲線等評估情況這里就不再詳述，有興趣的可以參看之前評分卡的系列文章。催收評分卡只是提升催收效率的第一步，對催收效果影響最大的因素還是催收人員本身。后續基于模型的分析和策略的制定才是更重要的。這里列出一些催收評分卡課程中提及到的策略：

【作者】：Labryant
【原創公眾號】：風控獵人
【簡介】：某創業公司策略分析師，積極上進，努力提升。乾坤未定，你我都是黑馬。
【轉載說明】：轉載請說明出處，謝謝合作！~

總結

以上是生活随笔為你收集整理的催收评分卡实战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。