? ? ? ?做風控策略的時候，大家應該都聽說過這兩個詞。格子法就是用畫列聯表的方式來進行交叉變量分析，一般用于兩個評分之間的交叉；換入換出又叫Swap Set分析，用于對比新舊策略的差異，詳細介紹可以參看求是汪知乎：《利用Swap Set分析風控模型更替的影響》。

? ? ? ?本文是我前幾天在番茄的一份培訓課件中看到的案例，講解的是用格子法對白名單篩選策略進行調整，并通過換入換出來分析策略調整的影響。

目錄

一、格子大法

二、換入換出

三、其它

一、格子大法

? ? ? ?首先，通過一些硬規則和軟規則篩選出白名單客群，并剔除近60天人行查詢客群，選定B卡分>640分為cutoff，得到老白名單。現需要加入一個大額現金貸準入評分，來替換軟規則，通過換出高風險客群換入低風險客群的方法來達到增加白名單范圍的目的。

? ? ? 如上圖，圖中第一個表格是分數交叉后的個數比例情況，第二個表格是分數交叉后的風險情況。以B卡分大于640分對應的邊際風險1.9%進行換入換出。圖中黃色部分為新白名單換入的部分，灰色部分為新白名單換出的部分。因此新白名單應為白色區域+黃色區域。新的策略如下：

(Bscore>660&大額現金分>620)且(Bscore介于640和659之間&大額現金分>640)且(Bscore介于620和639之間&大額現金分>680)且(Bscore介于600和619之間&大額現金分>700)且(Bscore介于580和599之間&大額現金分>720)

? ? ? ?在實際操作過程中，有一部分客戶會被Bscore這一節點之前的硬規則拒絕，所以會導致沒有Bscore分，這是上面沒有考慮到的。這里選的1.9%作為風險容忍線，實際情況中這個取值可以根據公司的風險偏好來設定，考慮到評分缺失的客戶，閾值可以適當更低一點，留出一些風險緩釋墊以確保策略效果和線上效果更為接近。? ? ? ?

二、換入換出

? ? ? ?根據上圖中的新舊白名單切分后的結果，統計相應的客戶數量、風險表現，對比新舊白名單的效果(實際與上圖有些不符，上圖換出3%的客戶換入1%的客戶)。

舊白名單：800萬客戶，不良率0.72%；

新白名單：900萬客戶，不良率0.56%。

? ? ? 新白名單較于舊白名單，在擴充白名單客戶數量的同時，降低了風險，因此新白名單效果更好。

? ? ? 實際工作中，對于老模型拒絕的客戶，往往并不知道其風險表現，也就是上圖中cutoff下面的部分。這部分可以通過拒絕推斷或者只打分不決策的方式來獲取樣本的表現，以便評估模型在整體客群上的效果。拒絕推斷相關的介紹可以參考求是汪的另一篇文章：《風控建模中的樣本偏差與拒絕推斷》

三、其它

? ? ? ?這部分是我在實際工作中遇到的一個問題，當時和幾位同行朋友也進行了交流，有一些收獲，寫出來和各位交流探討一下。

? ? ? ?模型上線后(A分數)，對每月的線上樣本進行監控，看KS指標的變化情況。另外，由于新接了一個外部數據分(B分數)，還沒有用于作策略，因此就把這個分數在線上樣本上的ks也看了下，結果發現外部數據分每個月的ks都比自有模型好。這種情況比較少見，于是就有一個疑問：是否這個外部數據分就比自建模型的效果好？

? ? ? ?一般這種情況不多見的原因是，自建模型是融合了外部數據、用戶數據，選用歷史進件樣本進行建模，而外部數據可能是基于某一類數據進行建模，所以效果上應該是自建模型的效果更好。線上樣本A分數的ks比B低，說明在線上樣本上B的區分度更好，下圖中紅色虛線右半部分。

? ? ? ?當然，在線上樣本上區分度好，并不能說明在全量樣本上區分度也更好。如果反過來，用B分做決策，A分空跑，那么如果B分換出(A分換入)的客戶比換入(A分換出)的客戶風險表現低，那么用B作主模型決策的表現會比原來差。因此有兩種做法：

1.進行拒絕推斷。預估全量樣本上兩個分數的表現。

2.兩個分數做交叉選擇。

? ? ? ?拒絕推斷，除了常用的那些方法之外，實際操作中還有一個方法：把自有模型拒絕外部分通過的樣本按照一定系數分給外部分的各個等級，預估用外部分做決策時的風險情況。

? ? ? 上圖分別是同一批樣本上，自有模型和外部數據分對應的各評分段的風險情況，可以看到自有模型的ks比外部分低，然后模擬用外部數據分作為主模型，通過率及壞賬的變化。

in_in：自有模型和外部分都通過

swap_in：外部分通過，自有模型拒絕

? ? ? 上圖中黃色的一列，為壞賬預估系數，需要結合測試數據和經驗來拍一個值。然后就可以得到外部數據分通過樣本上做cutoff對應的通過率和壞賬。但是這里是只對外部分通過、自有模型拒絕的樣本進行了推斷，也就是基于外部分通過的樣本進行模擬，外部分拒絕的樣本其實表現仍然未知。

? ? ? ?所以如果出現線上樣本的外部數據分區分度更好的情況下，用外部數據分來作主模型的話會是什么效果，這是值得深入思考的一個問題。在此拋轉引玉，各位可以思考一下。

【作者】：Labryant ?
【原創公眾號】：風控獵人 ?
【簡介】：做一個有規劃的長期主義者。
【轉載說明】：轉載請說明出處，謝謝合作！~

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的格子大法与换入换出分析的全部內容，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。