论文部分内容阅读
随着科技和经济的飞速发展,人们的消费观念正在发生改变,且开始倾向于提前消费,这也是个人消费信贷发展的主要原因。现在消费信贷的形式多样简洁,大大缩短了申请的时间,但也意味着风险的增大。为有效控制风险,银行和金融公司广泛使用信用评分模型来对客户进行评分,对不同等级的客户实施不同信贷额度和政策,以此降低个人消费信贷的风险。本文的数据来自某金融服务公司的一款信用卡线上产品,通过样本选择、数据清洗、模型建立以及模型验证和监控等流程建立了基于逻辑回归方法的信用评分模型,并以ROC曲线和KS曲线对模型进行评估。此模型是由独立完成的SAS代码建立的,模型评估结果:AUC值为0.706,KS值为0.306,模型时间样本内验证结果:AUC值为0.716,KS值为0.309,模型时间样本外验证结果:AUC值为0.709,KS值为0.29,以上结果证明该模型适用此款产品。为了控制该款产品的违约风险,将客户分为10组并得到每组的金额违约率,依据违约率和该公司目标为产品设置cutoff。通过模型建立和实例分析得知:建立模型要保证有充足的数据量和客户量,如果数据量不够多,会导致模型的准确率下降。同时证明了Logistic回归在建立信用模型中是有效的方法,且此方法容易实施和解释,所以Logistic回归是建立信用评分模型的主要方法。