WOE评分卡在金融风险管理中的应用

内 容 摘 要

在银行业中，风险管理控制是很重要的一环，如果风险控制得当，能给银行带来不菲的利润，否则将是不可挽回的损失。但在业务过程中，银行审核人员往往很难发现潜在违约的客户，因此每年难以收回的坏账也不少。国内外目前能够用于风险评估的模型和指标都比较成熟，利用好这些模型指标能帮助银行做到未雨绸缪，为银行挽回不少损失，其中包括货币资金比流动负债、净利润比总资产、主业利润占利润总额比重、其他业务利润比利润总额、投资收益占利润总额比重、货币资金比总资产、主营业务收入增长率、营业利润增长率、净利润增长率等。本文主要简单介绍国内外现有的风险管理指标，并重点以银行业简化后的脱敏数据为例，以logistic回归来介绍机器学习在银行风险管理的运用，主要包括处理缺失，离群值等数据预处理操作，分箱等评分卡的关键步骤，建模时处理数据不平衡，调参等内容，并以F值和ROC曲线衡量潜在客户的违约可能，最后建立评分卡得出结论。

[关键词]：银行业、风险管理、logistic回归、评分卡

目录

1 导论6

1.1研究背景6

1.2研究意义6

1.3研究的思路和方法8

1.4国内外的研究现状9

1.4.1国内研究现状……………………………………………………………….9

1.4.2国外研究现状……………………………………………………………...10

2 模型简介11

2.1信用评分卡模型简介11

2.2logistic回归模型简介12

2.3WOE模型简介13

3 数据预处理14

3.1数据清洗14

3.1.1数据质量表14

3.1.2空值填补15

3.1.2.1空值填补方法16

3.1.2.2XGBoost填补法16

3.1.3离群值侦测和填补16

3.2特征选择17

3.2.1统计方法的特征选择17

3.2.2嵌入法embedded17

3.3基于WOE和IV的分箱技术18

3.3.1IV学习曲线图18

3.4处理样本不平衡21

4 logistic回归的参数22

4.1penalty&C22

4.2max_iter22

4.3solver&multi_class22

4.3.1multi_class22

4.3.2solver22

4.4样本不平衡与参数class_weight23

5 建模23

5.1建模与调参24

5.1.1利用分箱后的数据初步建模24

5.1.2调整solver24

5.1.3调整C和max_iter24

5.1.4调整class_weight25

5.1.5分析结果，得出结论26

5.1.6评分卡的制作27

5.1.7总结与建议28