信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准WOE&IVwoe全称叫WeightofEvidence,常用在风险评估、授信评分卡等领域。IV全称是Informationvalue,可通过woe加权求和得到,衡量自变量对应变量的预测能力。虽然网上到处都是神经网络、xgboost的文章,但当下的建模过程中(至少在金融风控领域)并没有完全摆脱logistic模型,原因大致有以下几点:logistic模型客群变化的敏感度不如其他高…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

WOE & IV

woe全称叫Weight of Evidence,常用在风险评估、授信评分卡等领域。

IV全称是Information value,可通过woe加权求和得到,衡量自变量对应变量的预测能力。

虽然网上到处都是神经网络、xgboost的文章,但当下的建模过程中(至少在金融风控领域)并没有完全摆脱logistic模型,原因大致有以下几点:logistic模型客群变化的敏感度不如其他高复杂度模型,因此稳健更好,鲁棒性更强。

模型直观。系数含义好阐述、易理解。对金融领域高管以及银行出身的建模专家,变量系数可以跟他们的业内知识做交叉验证,更容易让人信服。

也是基于2的模型直观性,当模型效果衰减的时候,logistic模型能更好的诊断病因。

IV值我相信相关领域的人都用过,所以本文不展开讲。

本文主要讲的是WOE具有什么意义,或者说我们能从WOE中获得什么信息。

————————————-本文目录————————————-

一、 WOE的意义

二、 如何计算WOE

三、 WOE的单调性

—1. WOE做差(引入)

—2. Odds Ratio

———-a. OR的计算

———-b. OR在逻辑回归中的意义

———-c. OR的估计值与WOE

—3. 回到正题(WOE单调意义)

四、 WOE呈线性&WOE编码的意义

五、 浅谈WOE与贝叶斯

一、先总结WOE的意义(这样才有看下去的动力

计算woe(以及IV)的意义我所知的有以下几点:IV值可以衡量各变量对y的预测能力,用于筛选变量。

对离散型变量,woe可以观察各个level间的跳转对odds的提升是否呈线性,而IV可以衡量变量整体(而不是每个level)的预测能力。当你有千级别或者万级别的字段时,建模前计算IV值是很有必要的。以地区邮编为例,level很多,每个level下样本少,常规的处理是用dummy encoding将n个level的变量拆成n-1个哑变量,然后建模做检验,得到这n-1个哑变量的显著性,再对n-1个哑变量做聚类等处理才能feed in model。如果到最后你不管怎么处理都不太好feed进model,那就白忙了,场面会相当的尴尬。这个时候就体现了事先计算IV值来筛选变量的重要性了。对连续型变量,woe和IV值为分箱的合理性提供了一定的依据。分箱处理连续型变量会有信息损失,但由于绝大多数情况下连续型变量对odds的提升都不是线性的,这里能产生的负面影响远比信息损失要大,因此一般都需要做分箱处理。用woe编码可以处理缺失值问题。

欢迎补充

二、如何计算WOE

以信用评分卡的建模场景为例:X是客户样本字段,Y表示客户逾期与否,其中Y=1代表逾期,Y=0代表未逾期。 我们希望能用客户已知的信息来预测客户借款后发生逾期的概率,以此来决定是否放贷。

下面我们拿Age(年龄)这个变量来计算相关的woe ,首先对每个level分层统计【表1】:信用卡行为评分风险等级_信用卡综合评分标准

然后计算各分层的好坏占比【表2】信用卡行为评分风险等级_信用卡综合评分标准

最后通过好坏占比计算woe【表3】信用卡行为评分风险等级_信用卡综合评分标准

以上三个表就是计算woe的过程,简单易懂。

接下来我们讲讲woe该怎么用以及有什么意义。

三、WOE的单调性(涉及odds ratio)

3.1 WOE做差是什么?

当我们算完woe的时候,我们关注的点一般会有这几个:woe是否单调、woe是否呈线性、以及IV值的大小。 这里讲一下单调和线性的意义,主要跟logistic回归中的odds ratio相关。

刚接触woe的时候,为了研究它的单调性是什么,我尝试着将WOE做差,发现得到的结果跟Odds Ratio的形式很像,都是列联表交叉乘做商:

信用卡行为评分风险等级_信用卡综合评分标准信用卡行为评分风险等级_信用卡综合评分标准

3.2 Odds Ratio(OR)

为了了解WOE,这里分三步简单讲一下Odds Ratio(优势比)。

a. OR的计算

首先要知道Odds(优势),指的是事件发生和不发生的比例,即:

信用卡行为评分风险等级_信用卡综合评分标准

下面我们设定这个事件为客户逾期,即Y=1。那么

信用卡行为评分风险等级_信用卡综合评分标准 时的Odds为:

信用卡行为评分风险等级_信用卡综合评分标准

而Odds Ratio则是两组odds的比值,比如

信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准 之间的Odds Ratio为:

信用卡行为评分风险等级_信用卡综合评分标准

b. OR在逻辑回归中的意义

Odds和Odds ratio在logistic中非常值得重视,因为他们跟参数的interpretation密切相关。

在logistic回归中:

信用卡行为评分风险等级_信用卡综合评分标准

【OR的意义】当

信用卡行为评分风险等级_信用卡综合评分标准 增加1个单位时,odds将变为原来的

信用卡行为评分风险等级_信用卡综合评分标准 倍:

信用卡行为评分风险等级_信用卡综合评分标准

OR在logistic中的意义在上面讲完了,下面来讲下OR是怎么和WOE联系起来的。

c. OR的估计值(Marginal OR)与WOE

一般的,我们可以通过列联表计算Odds和Odds Ratio的估计值。

【值得注意的是】通过列联表算得的

信用卡行为评分风险等级_信用卡综合评分标准 是指Marginal OR,大家可以将Marginal OR理解为模型

信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准 ,这是个单变量回归模型。本文中涉及WOE的OR指的都是Marginal OR。而多元回归中的

信用卡行为评分风险等级_信用卡综合评分标准 对应的是Conditional OR。两者是不一样的。

信用卡行为评分风险等级_信用卡综合评分标准

3.3 回到正题

结合上面OR的知识,WOE单调实际上就意味着当

信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准 单调上升时,相应的

信用卡行为评分风险等级_信用卡综合评分标准 也呈现单调递增(递减),

信用卡行为评分风险等级_信用卡综合评分标准 也呈单调递增(递减)。

我们可以用一个更简洁的公式概括上面的计算过程:

信用卡行为评分风险等级_信用卡综合评分标准

从上式可以看出,

信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准 只差了一个常数。也就是说

信用卡行为评分风险等级_信用卡综合评分标准 越大,

信用卡行为评分风险等级_信用卡综合评分标准 越大。

#———————-证明WOE之差与OR相等——————–

import pandas as pd

import numpy as np

df=pd.DataFrame({‘X1’:np.random.randint(3,size=1000),\

‘y’:np.random.randint(2,size=1000)})

table=pd.crosstab(df[‘y’],df[‘X1’])

# 计算WOE差值

woe_table=table.div(table.sum(axis=1),axis=0)

woe=(woe_table.iloc[1,:]/woe_table.iloc[0,:]).apply(lambda x:np.log(x))

woe[1]-woe[0],woe[2]-woe[1]

# 计算OR

OR_0_1=np.log(1.0*table.iloc[0,0]*table.iloc[1,1]/table.iloc[0,1]/table.iloc[1,0])

OR_1_2=np.log(1.0*table.iloc[0,1]*table.iloc[1,2]/table.iloc[0,2]/table.iloc[1,1])

OR_0_1,OR_1_2

四、WOE呈线性&WOE编码 的意义

WOE呈线性是一个很强的条件,比单调要强得多。一般来说是不会这么巧出现线性的情况的,我之所以要提,是因为我们可以通过WOE编码人为地让它呈线性,这个后面再提。

先说WOE呈线性的意义

如果一个变量的不同level(假设各level分别以 0,1,2,3…进行编码)的WOE呈线性,说明该变量每增加一个单位,对Odds产生的影响是一样的。还记得开篇提到的邮政编码的例子么?在那里我们需要对属性变量做dummy encoding,因为我们不能保证变量从任意

信用卡行为评分风险等级_信用卡综合评分标准 跳转到

信用卡行为评分风险等级_信用卡综合评分标准 时对Odds产生的影响都一样,所以不能用{0,1,2,3…}这样等间距的编码方式。

WOE编码的意义

而WOE近似于事先计算了变量各level的Marginal Odds,将对应的WOE取代属性变量的原始值{0,1,2,3…},即使用WOE编码,可以使得该变量每增加一个单位,Odds就增加相同的值,参考下图。信用卡行为评分风险等级_信用卡综合评分标准

结论就是:如果使用了WOE编码,当我们对单变量进行回归(Y~Xi)时,可以不做dummy encoding,此时变量的系数恒为1。WOE编码起到了把回归系数“正则化”的作用。

代码提供验证:

from sklearn.linear_model import LogisticRegression

import pandas as pd

import numpy as np

df=pd.DataFrame({‘X1’:np.random.randint(3,size=1000),\

‘y’:np.random.randint(2,size=1000)})

table=pd.crosstab(df[‘y’],df[‘X1’])

ratio_table=table.div(table.sum(axis=1),axis=0)

woe=ratio_table.iloc[1,:]/ratio_table.iloc[0,:]

# 使用WOE编码后,观察模型系数

df.X1=df.X1.replace({0:woe[0],1:woe[1],2:woe[2]})

glm=LogisticRegression(C=1e10)

glm.fit(df.loc[:,[‘X1’]],df.y)

glm.coef_

五、 浅谈WOE与贝叶斯

到收尾部分了,这里主要想说明一个问题:上面WOE解决的问题都是对单变量回归有效,在多元logistic回归里仍然有效么?

答案是无效的,多元logistic回归里的系数并不会因为WOE编码而全部等于1。

WOE也好,IV也好,做的都是单变量分析。我们认为对Y有较好预测能力的变量,在多元回归时仍然会有较好的预测能力。基于此逻辑可以用IV值来对变量的重要性进行排序。

WOE与贝叶斯因子的联系

简单提下贝叶斯因子,就不展开讲了,各位可以上网查Bayes factor。

信用卡行为评分风险等级_信用卡综合评分标准

当变量不止一个的时候,如果任意

信用卡行为评分风险等级_信用卡综合评分标准

信用卡行为评分风险等级_信用卡综合评分标准 关于

信用卡行为评分风险等级_信用卡综合评分标准条件独立的话,则有:

信用卡行为评分风险等级_信用卡综合评分标准

条件独立经常跟贝叶斯相关的东西扯上关系,比如说朴素贝叶斯分类器,之所以“朴素”,就是因为各变量关于Y条件独立这一强假设。如果不满足条件独立,那么就会出现多个变量对结果产生协同影响的情况,极其影响结果。

为了弱化条件独立这一个强假设,出现了非完全朴素的贝叶斯分类器(semi-Bayes)

semi-Bayes 总体来说就是用各种规则来对变量进行加权(特别地,当权值是0/1的时候就是进行变量筛选了,并认为筛选后的变量条件独立),以此来抑制相关变量的协同影响。

我们将semi的思想用在上式,便有:

信用卡行为评分风险等级_信用卡综合评分标准

这个就是用WOE编码后的logistic模型。

所以说WOE编码其实也可以从非完全条件独立的贝叶斯因子的角度去看待。

对WOE的介绍就到此结束了

刚写完,可能公式和排版等方面会有疏漏

欢迎交流和指正~

大家对专栏的关注让我倍感荣幸,如果关注是代表一种认可的话,希望大家也不要吝啬手中点赞的权利

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/231337.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 变电站后台监控系统[通俗易懂]

    变电站后台监控系统[通俗易懂]变电站后台监控系统实现对35KV变电站的主要设备和输、配电线路的自动监视、测量、自动控制和微机保护,以及与调度通信等综合性的自动化功能。实现对电网运行的实时监控,使值班人员和系统调度人员通过管理平台及时把握系统的运行状态和事故处理的主动性,另外配套的手机客户端软件实现了移动终端功能,可随时随地查看或管理电网,提高电网的自动化管理水平、供电质量。为达到这一目的,满足电网运行对变电站后台监控系统的要求,变电站综合电力自动化系统体系由“数据采集和控制”、“继电保护”、“直流电源系统”三大块构成变电站自动化基础。

  • 复利计算的总结

    复利计算的总结

  • Laravel响应和视图

    Laravel响应和视图

  • Linux下的crontab定时执行任务命令详解

    Linux下的crontab定时执行任务命令详解

    2021年10月22日
  • java finalize 作用_java中的finalize方法有什么作用「建议收藏」

    java finalize 作用_java中的finalize方法有什么作用「建议收藏」java中的finalize方法是Object类中提供的一个方法,在GC准备释放对象所占用的内存空间之前,它将首先调用finalize()方法。finalize()方法是Object类中提供的一个方法,在GC准备释放对象所占用的内存空间之前,它将首先调用finalize()方法。其在Object中定义如下:protectedvoidfinalize()throwsThrowable{}…

  • 笔试面试算法经典–最长回文子串

    笔试面试算法经典–最长回文子串回文的定义正读和反读都相同的字符序列为“回文”,如“abba”、“abccba”是“回文”,“abcde”和“ababab”则不是“回文”。字符串的最长回文子串,是指一个字符串中包含的最长的回文子串。例如“1212134”的最长回文子串是“12121”。下面给出了三种求最长子串的方法。解法1(中心扩展法)时间复杂度O(n^2),空间复杂度为O(1)。中心扩展法的思路是,遍历到数组的某一个元素时,以这

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号