信用卡评分模型.pdfVIP

信用卡评分 2016年1月10 日 一、数据准备 1、 问题的准备 • 目标：要完成一个评分卡，通过预测某人在未来两年内将会经历财务危机的 可能性来提高信用评分的效果，帮助贷款人做出最好的决策。 • 背景： – 银行在市场经济中起到至关重要的作用。他们决定谁在什么条件下可以得到 融资，并且可以创造或打破投资决策。而市场、社会，以及个人和企业都需要获得贷款。 – 信用评分，对默认可能性进行猜测，这是银行用来判断贷款是否应该被授予 的方法。 • 准备： – 首先是基于个人借贷的场景，确定“违约” 的定义： 根据新的 Basel II Capital Accord （巴塞尔二资本协议），一般逾期90天算作违约。 – 在判别指标上，选择使用历史最大违约天数。 2、数据的获取与整合 • 数据来源：数据来自 Kaggle，cs-training.csv 是有15万条的样本数据，下 图可以看到这份数据的大致情况。下载地址为： • 数据描述：数据属于个人消费类贷款，只考虑评分卡最终实施时能够使用到 的数据应从如下一些方面获取数据： – 基本属性：包括了借款人当时的年龄。 – 偿债能力：包括了借款人的月收入、负债比率。 – 信用往来：两年内35-59天逾期次数、两年内60-89天逾期次数、两年内90 天或高于90天逾期的次数。 – 财产状况：包括了开放式信贷和贷款数量、不动产贷款或额度数量。 – 贷款属性：暂无。 – 其他因素：包括了借款人的家属数量（不包括本人在内）。 • 原始变量： 变量名 变量类型 变量描述 SeriousDlqin2yrs Y/N 超过90天或更糟的逾期拖欠 RevolvingUtilizationOf percentage 卡和个人信用额度总额 UnsecuredLines 借款人当时的年龄 age integer NumberOfTime30-59DaysPastDueNot integer 35-59天逾期但不糟糕次数 Worse 负债比率 DebtRatio percentage 月收入 MonthlyIncome real NumberOf integer 的数量 OpenCreditLinesAndLoans NumberOfTimes90DaysLate integer 90天逾期次数：借款者有90天或更高逾期的次数 NumberRealEstateLoans integer OrLines NumberOfTime60-89DaysPastDueNot integer 60-89 Worse 家属数量：不包括本人在内的家属数量 NumberOfDependents integer • 时间窗口：自变量的观察窗口为过去两年，因变量表现窗口为未来两年。 二、数据处理 首先去掉原数据中的顺序变量，即第一列的 id 变量。由于要预测的是 SeriousDlqin2yrs 变 量，因此将其设