歡迎各位同學學習python信用評分卡建模視頻系列教程（附代碼， 博主錄製） ：
（微信二維碼掃一掃）
1、風控系統篇
1.Blaze
blaze是FICO公司產品，用於規則管理，是模型ABC卡開發的前身。信貸公司開始放貸時，數據量少，申請用戶少，難以建立模型。因此前期一般會用到專家經驗判斷好壞客戶，然後通過風控決策管理系統進行高效作業，其中blaze就是一款應用多年，效率較高風控決策管理系統。但blaze屬於商業產品，一般多應用於大銀行，捷信等大型消費金融公司，收費可高於100萬RMB每年，如果需要更多定製業務，收費更高。
1.1 A card
釋義：Application scorecard 申請評分卡，對授信階段提交的資料賦值的規則。
舉例： “進件”是傳統銀行的說法，指申請單。評分卡是對一系列用戶信息的綜合判斷。隨着可以收集到的用戶信息變多，授信決策者不再滿足於簡單的if、else邏輯，而是希望對各個資料賦予權重和分值，根據用戶最後綜合得分判斷風險，通過劃定分數線調整風險容忍度，評分卡應運而生。評分卡是邏輯迴歸算法的一種衍生。
1.2 B card
釋義：Behavior scorecard 行爲評分卡，對貸後可以收集到的用戶信息進行評分的規則。
舉例：與 A 卡類似，B卡也是一套評分規則，在貸款發放後，通過收集用戶拿到錢後的行爲數據，推測用戶是否會逾期，是否可以繼續給該用戶借款。例如用戶在某銀行貸款後，又去其他多家銀行申請了貸款，那可以認爲此人資金短缺，可能還不上錢，如果再申請銀行貸款，就要慎重放款。B卡模型中，有很多存量管理的子模型，包括激活沉默客戶模型，找出價值較高客戶，增加貸款額度模型等等。
1.3 C card
釋義：Collection Scorecard 催收評分卡，對已逾期用戶未來出催能力做判斷的評分規則。
舉例：催收評分卡是行爲評分卡的衍生應用，其作用是預判對逾期用戶的催收力度。對於信譽較好的用戶，不催收或輕量催收即可回款。對於有長時間逾期傾向的用戶，需要從逾期開始就重點催收。逾期天數越多，催收難度越大。
催收一般分爲多個坐席，M1，M2，M3等不同坐席員工經驗和業務能力相差甚大。AI人工智能常用於前期自動化催收。
申請評分卡、行爲評分卡和催收評分卡常合併稱爲“ABC卡”，應用在貸前、貸中和貸後管理。
1.4 MIS
釋義：Management Information System 管理信息系統。
舉例：MIS_weekly是MIS 系統出的週報，是從風控角度出發，涵蓋當期重要數據和歷史用戶的風險表現，是授信模塊需重點關注的報表。
1.5 Ser
釋義：service的簡寫。“.ser” 是決策引擎工具SMG3的工程文件格式，故用 ser代指決策引擎規則版本。
舉例：SMG3（Strategy Management Generation 3）是Experian提供的決策引擎工具，類 似的工具還有FICO的Blaze。決策引擎是一系列規則的集合，可處理大量的入參，最終輸出結論。決策引擎規則是授信的核心構成之一，通常每個細分人羣都會單獨配置一個Ser，同一個授信流程也可執行多個Ser。
1.6 RBP
釋義：Risk-based Pricing，風險定價。
舉例：量化風險管理的一個核心就是風險定價，可以根據用戶人羣、模型決策風險、外部徵信數據等條件，給用戶授予額度和費率。
2、風控指標篇
2.1 Aging Analysis
釋義：賬齡分析。顯示各期至觀察點爲止的延滯率，其特點爲結算終點一致，把分散於各個月的放貸合併到一個觀察時間點合併計算逾期比率。
2.2 Vintage Analysis
釋義：統計每個月新增放款在之後各月的逾期情況,同樣也是賬齡分析。與aging analysis不同，vintage以貸款的賬齡爲基礎，觀察貸後N個月的逾期比率。也可用於分析各時期的放貸後續質量，觀察進件規則調整對債權質量的影響。
舉例：Deliquency Vintage 30+:表現月逾期30+剩餘本金/對應賬單生成月發放貸款金額。
2.3 C 、M
釋義：C和M是描述逾期期數bucket的專有名詞。M0爲正常資產，Mx爲逾期 x 期，Mx+爲逾x期（含）以上。無逾期正常還款的bucket爲M0，即C，M1即逾1期（1-29天） 。 M2+即逾2期及以上（30+） 。M2和M4是兩個重要的觀察節點，一般認爲M1爲前期，M2-M3爲中期，M4以上爲後期，大於M6的轉呆賬。
2.4 Delinquency
釋義：逾期率/延滯率。評價資產質量的指標，可分爲Coincident和Lagged兩種觀察方式。
2.5 Coincident
釋義： 即期指標。用於分析當期所有應收賬款的質量，計算延滯率。計算方式是以當期各bucket延滯金額除以本期應收賬款（AR）總額。Coincident是在當前觀察點總覽整體，所以容易受到當期應收賬款的高低導致波動，這適合業務總量波動不大的情況下觀察資產質量。
舉例：常看的一個指標Coincident DPD 30+
2.6 Lagged
釋義： 遞延指標。與coincident相同也是計算延滯率的一個指標，區別是lagged的分母爲產生逾期金額的那一期的應收賬款。Lagged觀察的是放貸當期所產生的逾期比率，所以不受本期應收賬款的起伏所影響。
舉例：Lagged DPD 30+$(%)= Lagged M2+Lagged M3+Lagged M4+Lagged M5+Lagged M6
月末資產餘額M1(1-29天): 統計月份月末資產中滿足 1≤當前逾期天數≤29 的訂單剩餘本金總和，當前逾期天數爲訂單當前最大逾期天數，不包含壞賬訂單。
Lagged M1 =月末M1的貸款餘額/上個月底的貸款餘額(M0~M6)
2.7.0 PD（Past Due）
例如FPD1，SPD7，TPD30...
前面的字母，F：first，表示第一期逾期，同理 S，T，Q分別表示二 三 四， 後面會用數字表示。 如5PD30。
後面的數字， 指逾期天數，如果一個客戶身上有FPD30的標記，那必然有FPD1 FPD7等小於30的標記。
dpd（days past due）逾期天數，貸放型產品自繳款截止日（通常爲次一關賬日）後一天算起。
4期中，任意一期逾期天數超過30天就算壞客戶
需注意的一點，PD類指標通常互斥，也就是說一個人如果有了FPD標誌就不會有SPD標誌，SPD表示第一期正常還款但是第二期纔出現逾期的客戶。
2.7 DPD
釋義：Days Past Due 逾期天數，自還款日次日起到實還日期間的天數。
舉例：DPD7+/30+，大於7天和30天的歷史逾期。業內比較嚴格的逾期率計算公式爲：在給定時間點，當前已經逾期90天以上的借款賬戶的未還剩餘本金總額除以可能產生90+逾期的累計合同總額。其分子的概念是，只要已經產生90天以上逾期，那麼未還合同剩餘本金總額都視爲有逾期可能，而分母則將一些借款賬齡時間很短的，絕對不可能產生90+逾期的合同金額剔除在外（比如只在2天前借款，無論如何都不可能產生90天以上逾期）。
2.8 FPD
釋義：First Payment Deliquency，首次還款逾期。用戶授信通過後，首筆需要還款的賬單，在最後還款日後7天內未還款且未辦理延期的客戶比例即爲FPD 7，分子爲觀察週期裏下單且已發生7日以上逾期的用戶數，分母爲當期所有首筆下單且滿足還款日後7天，在觀察週期裏的用戶數。常用的FPD指標還有FPD 30。
舉例：假設用戶在10.1日授信通過，在10.5日通過分期借款產生了首筆分3期的借款，且設置每月8日爲還款日。則11.08是第一筆賬單的還款日，出賬日後，還款日結束前還款則不算逾期。如11.16仍未還款，則算入10.1-10.30週期的
FPD7的分子內。通常逾期幾天的用戶可能是忘了還款或一時手頭緊張，但FPD 7 指標可以用戶來評價授信人羣的信用風險，對未來資產的健康度進行預估。
與FPD 7 類似，FPD 30也是對用戶首筆待還賬單逾期情況進行觀察的指標。對於逾期30天內的用戶，可以通過加大催收力度挽回一些損失，對於逾期30天以上的用戶，催收回款的機率就大幅下降了，可能進行委外催收。如果一段時間內的用戶FPD 7較高，且較少催收回款大多落入了FPD 30 內，則證明這批用戶羣的non-starter比例高，借款時壓根就沒想還，反之則說明用戶羣的信用風險更嚴重。
2.9 Cpd30mob4
cpd用於催收模型，是催收指標，還款表現第四個月月末時點逾期是否超過30天，不包括歷史
3.0 maxdpd30_mob4
四個觀察期（月）內，逾期是否超過30天，包括歷史
3.1 MOB在賬月份
放款後的月份
舉例：
MOB0,放款日至當月月底
MOB1,放款後第二個完整月份
MOB2,放款後第三個完整月份
mob3-3個月爲短觀察期，mob6-6個月爲長觀察期
3.2 Flow Rate
釋義：遷徙率。觀察前期逾期金額經過催收後，仍未繳款而繼續落入下一期的機率。
舉例：M0-M1=M月月末資產餘額M1 / 上月末M0的在貸餘額
8月M0-M1 ：8月進入M1的貸款餘額 / 8月月初即7月月末M0的在貸餘額
補充信息：
宏觀經濟中
短期風險可以使用FDP,SPD,TPD進行衡量；
中期風險可以使用30+@MOB4；
長期風險使用90+@MOB6等
To
measure the short-term risk, FPD,SPD,TPD could be used; To measure the
middle-term risk, 30+@MOB4 could be used; To measure the long-term risk,
90+@MOB6 could be used;
不同產品應用不同指標
Fpd30(現金貸產品)
maxdpd30_mob4 （存量客戶）
Cpd30mob4（催收客戶）
汽車貸壞客戶定義（僅做參考）
說明：由於場景細分，不同場景差異化較大，以上指標說明僅做參考。
3、風控模型篇
3.1 Benchmark
釋義：基準。每個版本的新模型都要與一個線上的基準模型或規則集做效果比對。
3.2 IV
釋義：information value 信息值，也稱VOI，value of information，取值區間(0,1)。該值用來表示某個變量的預測能力，越大越好。通常IV值0.3以上的，預測能力較高。
3.3 K-S value
釋義：K-S指klmogrov-smirnov，這是一個區隔力指標。所謂區隔力，是指模型對於好壞客戶的辨識能力，區隔力越強，模型準確度越高，誤判的機率越低。K-S值越大越好，一般0.6以上用戶解釋能力很高。
3.4 PSI
釋義：population stability index，穩定度指標，越低越穩定。用於比較當前客羣與模型開發樣本客羣差異程度，評價模型的效果是否符合預期。
3.5 Training Sample
釋義：建模樣本，用來訓練模型的一組有表現的用戶數據。配合該樣本還有off-time sample（驗證樣本），兩個樣本都取同樣的用戶維度，通常要使用建模樣本訓練出的模型在驗證樣本上進行驗證。
3.6 WOE
釋義：weight of ecidence，跡象權數，取值區間(-1,1)。違約件佔比高於正常件，WOE爲負數。絕對值越高，表明該組因子區分好壞客戶的能力越強。
3.7 Bad Capture Rate
釋義：壞用戶捕獲率。這是評價模型效果的一個指標，比率越高越好。
舉例：Top 10% Bad Capture Rate是指模型評估出的最壞用戶中的前10%用戶，在樣本中爲壞用戶的比率。
3.8 Population
釋義：All Population，全體樣本用戶，包含建模樣本與驗證樣本。
3.9 Variable
釋義：變量名。每個模型都依賴許多的基礎變量和衍生變量作爲入參。變量的命名需要符合規範，易於理解和擴充。
3.10 CORR
釋義：相關係數。Corr的絕對值越接近1，則線性相關程度越高，越接近0，則相關程度越低。
4、風控基礎詞彙篇
4.1 APR
釋義：Annual percentage rate，年度百分率，一年一次複利計息的利率。nominal APR名義利率，effective APR實際利率。
4.2 AR
釋義：accounts receivable，當期應收賬款。
4.3 Application fraud
釋義：僞冒申請
4.4 Transaction fraud
釋義：欺詐交易
4.5 Balance Transfer
釋義：餘額代償，即信用卡還款業務。
4.6 Collection
釋義： 催收。根據用戶入催時間由短到長，分爲Early collection（早期催收）、Front end（前段催收）、Middle range（中段催收）、Hot core（後段催收）Recovery（呆賬後催收/壞賬收入）這幾個階段，對應不同的催收手段和頻率。
4.7 DBR
釋義：debit burden ratio，負債比。通常債務人的在各渠道的總體無擔保負債不宜超過其月均收入的22倍。
4.8 Installment
釋義：分期付款
4.9 IIP
釋義: 計提的壞賬準備
4.10 PIP
釋義：資產減值損失
4.11 NCL
釋義：net credit loss，淨損失率。當期轉呆賬金額減去當期呆賬回收即爲淨損失金額。
4.12 Loan Amount
釋義：在貸總額
4.13 MOB
釋義：month on book 賬齡
舉例：MOB0,放款日至當月月底。MOB1,放款後第二個完整月份
4.14 Non-starter
釋義：惡意逾期客戶
4.15 Payday Loan
釋義：發薪日貸款。無抵押的信用貸款，放款速度快，額度低，期限短但利率高。額度低和高利率是該模式的必要條件。
4.16 Revolving
釋義：循環信用。提錢樂信用錢包給用戶的就是循環額度，相對應的還有醫美、教育類的專項額度。
4.17 WO
釋義：Write-off ，轉呆賬，通常逾期6期以上轉呆賬。
