信用评分卡开发流程报告.docxVIP

— PAGE \* Arabic 1 — 信用评分卡开发流程报告 评分卡开发流程文档  一、数据集切分  将数据集按照70% 与30%比例切分为训练集和测试集两部分；  二、分别对训练集与测试集进行数据预处理  1.衍生变量：进行衍生的变量  1)未销户信用卡最近6个月平均使用率=未销户信用卡最近6个月平均使用额度/未销户信用卡授信总额  2)未销户信用卡已使用率=未销户信用卡已用额度/未销户信用卡授信总额  2.String 变量转换为数值型。  1)性别：  男=0；女=1；缺失=-1；  2)最高学历：  硕士及以上=5；本科=4；大专=3；高中=2；初中及以下=1；缺失=-1；  3)婚姻状况  已婚已育=5；已婚未育=4；离异=3；未婚=2；其他=1；缺失=-1；  4)现住房情况  多套自有=11；自有=10；小产权=9；宅基地房=8；共同拥有或与父母同住=7；与父母同住=6；租借或公司所有=5；租房=4；自购现无贷款=3；  自购现有贷款=2；其他=1；缺失= -1  5)单位职务  高层领导=3；中层领导=2；一般员工=1；缺失=-1；  6)单位性质  国有企业=4；政府机关=3；微型企业=2；民营企业=1；缺失=-1；  7)手机号码是否一致  一致= 1；不一致=0；缺失= -1；  8)坏客户标签  坏客户=1；好客户=0  3.缺失值处理  1)变量初分类：各变量元素个数检查  a)当变量元素数值个数=1，表示为常量；删除该变量；  b)当变量元素为数值且剔除缺失类型后，元素类型=10;归为连续型变量；  c)其他变量归类为类别型变量；  2)变量缺失值处理  a)对连续型变量：如果缺失值比例大于0.7，删除变量；其他变量中缺失值采用-999999特殊处理，单独归为一类；  b)对于类别型变量：如果缺失值比例大于0.5，删除变量；其他变量中缺失值采用随机插值法补充缺失值；  二、训练集数据分箱  1、类别型变量分箱方法  根据数据预处理中得到的类别变量，  1)如果类别变量元素类型中有坏客户率相同的组，如果元素类别大于2，合并元素。  2)如果类别变量元素中最小箱占比小于总样本比例2%，根据其坏客户率，寻找坏客户率最相近的组，进行合并，直到最小箱占比大  于总样本比例2%。  3)如果类别变量元素类型超过5类，寻找变量中最小箱，计算其坏客户率，寻找与其坏客户率最相邻的元素合并，直到变量元素类型  不超过5类。  4)如果类别变量元素类型不超过5类，检查单个变量占箱的比例；如果类别中某一类超过变量整体个数比例90%；删除该变量；  5)检查每一组分箱中坏客户比例，如果存在某个箱中坏客户比例为0，则进行合并；  a)合并的原则如下：根据坏客户比例从低到高排序，根据排序将坏客户比例为0的组与相邻组合并，直到不存在坏客户比例为0  的组；  b)检查是否存在某一类超过变量整体个数比例90%，如果存在，则删除该合并分组后的变量。  6)经过以上步骤后得到的类别变量，计算类别变量的WOE和IV值；  2、连续型变量分箱方法  连续型变量= 预处理中得到的连续型变量。  1)如果数值变量中元素存在为-999999的，把-999999单独归为一类处理；  2)将以上连续型变量进行卡方分箱，得到分割点，进行初步分箱；  分箱原则：最大分箱组数为5组，分箱保证了组内元素的卡方值差异最小，进行分箱合并；  3)得到初步分箱组  a)检查每一组分箱中坏客户比例是否存在=0的组，如果存在，需要对其进行合并，直到不存在为止。  b)检查分箱组中，组间所对应的坏客户比例是否单调；如果不单调，根据卡方分箱原则，将分箱组数进行缩减，直到单调。  a)检查分箱后某一组超过变量整体个数比例90%，如果存在，则删除该变量。  4)经过以上步骤后得到的类别变量，计算类别变量的WOE和IV值；  三、将训练集原数据用WOE值替代；  四、训练集单变量及多变量筛选（剔除多重共线性）  1、单变量筛选：  1)IV值筛选标准：IV 0.2;  2、多变量筛选  1)计算WOE替代后变量间的相关系数，如果变量间相关系数0.6, 比较该组变量IV值，删