风控模型报告 — 20260611-135656-3129

1. 数据审计

样本数1000

字段数24

坏样本率36.30%

高风险字段5

审计建议

列 `customer_id` 唯一率过高(0.999)，可能是 ID 列，应排除在特征之外
列 `apply_time` 唯一率过高(1.0)，可能是 ID 列，应排除在特征之外
列 `income` 唯一率过高(0.999)，可能是 ID 列，应排除在特征之外
列 `loan_amount` 唯一率过高(0.998)，可能是 ID 列，应排除在特征之外
目标变量 `historical_overdue_count` 非二值，取值: [np.int64(0), np.int64(1), np.int64(2), np.int64(3), np.int64(4)]
ID 列 `customer_id` 有 1 个重复值

2. 样本拆分

拆分方式: 时间切分，总样本 1000，目标非空 1000

数据集	样本数	比例	坏样本率	时间范围
训练集	600	60.00%	35.00%	2024-01-01 ~ 2024-01-25
验证集	200	20.00%	36.00%	2024-01-26 ~ 2024-02-03
OOT 集	200	20.00%	40.50%	2024-02-03 ~ 2024-02-11

3. 变量筛选

候选变量 21，入模 19，IV 阈值 0.01

变量	IV	单调	分箱数
gender	0.7966	是	2
marital_status	0.7242	否	4
education	0.5934	否	4
channel	0.5780	是	4
purpose	0.4990	否	6
fpd30	0.4520	是	1
constant_flag	0.4520	是	1
clicks_before_apply	0.4018	是	2
time_on_page_sec	0.4003	是	2
months_since_last_loan	0.3945	是	2
loan_term	0.3774	是	2
region	0.3698	否	7
existing_loans	0.3649	否	3
credit_score	0.3631	是	2
app_sessions_30d	0.3594	是	2
city_tier	0.3578	是	2
employment_years	0.3489	是	3
age	0.2648	否	4
debt_ratio	0.2412	否	6

4. 模型评估

模型	数据集	AUC	KS	Lift@10%	PSI
LR + WOE 评分卡	训练集	—	0.1925	1.12	—
LR + WOE 评分卡	验证集	—	0.1300	0.75	—
LR + WOE 评分卡	OOT 集	—	0.1921	1.30	0.1105

LR + WOE 评分卡 — 训练集坏样本率分档

分组	样本数	坏样本	坏样本率	分数范围
1	60	37	61.67%	0.28 ~ 0.31
2	60	36	60.00%	0.31 ~ 0.33
3	60	49	81.67%	0.33 ~ 0.33
4	60	43	71.67%	0.33 ~ 0.34
5	60	43	71.67%	0.34 ~ 0.34
6	60	43	71.67%	0.34 ~ 0.35
7	60	51	85.00%	0.35 ~ 0.36
8	60	40	66.67%	0.36 ~ 0.37
9	60	47	78.33%	0.37 ~ 0.39
10	60	49	81.67%	0.39 ~ 0.48

LR + WOE 评分卡 — 验证集坏样本率分档

分组	样本数	坏样本	坏样本率	分数范围
1	20	12	60.00%	0.28 ~ 0.31
2	20	7	35.00%	0.31 ~ 0.32
3	20	11	55.00%	0.32 ~ 0.33
4	20	17	85.00%	0.33 ~ 0.34
5	20	17	85.00%	0.34 ~ 0.35
6	20	10	50.00%	0.35 ~ 0.35
7	20	21	105.00%	0.35 ~ 0.36
8	20	12	60.00%	0.36 ~ 0.37
9	20	16	80.00%	0.37 ~ 0.38
10	20	10	50.00%	0.39 ~ 0.46

LR + WOE 评分卡 — OOT 集坏样本率分档

分组	样本数	坏样本	坏样本率	分数范围
1	20	13	65.00%	0.28 ~ 0.31
2	20	17	85.00%	0.31 ~ 0.32
3	20	12	60.00%	0.32 ~ 0.33
4	20	8	40.00%	0.33 ~ 0.33
5	20	10	50.00%	0.33 ~ 0.34
6	20	20	100.00%	0.34 ~ 0.35
7	20	13	65.00%	0.35 ~ 0.36
8	20	8	40.00%	0.36 ~ 0.37
9	20	13	65.00%	0.37 ~ 0.39
10	20	17	85.00%	0.39 ~ 0.49

5. 评分卡

变量	分箱	WOE	系数	分数
age	(-inf, 33.0]	-0.3555	0.5814	31
age	(33.0, 47.0]	-0.2024	0.5814	29
age	(47.0, 52.0]	-0.2457	0.5814	29
age	(52.0, inf]	-0.2715	0.5814	30
gender	F	-0.5124	0.0347	26
gender	M	-0.6686	0.0347	26
education	大专	-0.5509	0.1682	28
education	本科	-0.4228	0.1682	27
education	硕士及以上	-0.1580	0.1682	26
education	高中及以下	-0.4097	0.1682	27
marital_status	丧偶	-0.0012	0.0671	25
marital_status	已婚	-0.5113	0.0671	26
marital_status	未婚	-0.6504	0.0671	26
marital_status	离异	-0.1752	0.0671	26
employment_years	(-inf, 2.0]	-0.0799	0.1567	26
employment_years	(2.0, 5.0]	-0.3063	0.1567	27
employment_years	(5.0, inf]	-0.4197	0.1567	27
credit_score	(-inf, 692.3]	-0.3918	-0.2450	22
credit_score	(692.3, inf]	-0.3758	-0.2450	23
existing_loans	(-inf, 1.0]	-0.4326	0.5055	32
existing_loans	(1.0, 1.857142857142776]	0.0000	0.5055	25
existing_loans	(1.857142857142776, inf]	-0.3253	0.5055	30
debt_ratio	(-inf, 0.0609]	-0.0583	0.9928	27
debt_ratio	(0.0609, 0.091]	-0.2490	0.9928	32
debt_ratio	(0.091, 0.122]	-0.0667	0.9928	27
debt_ratio	(0.122, 0.152]	-0.2086	0.9928	31
debt_ratio	(0.152, 0.2922]	-0.2688	0.9928	33
debt_ratio	(0.2922, inf]	-0.3358	0.9928	35
months_since_last_loan	(-inf, 12.0]	-0.2114	0.3221	27
months_since_last_loan	(12.0, inf]	-0.4701	0.3221	30
loan_term	(-inf, 24.0]	-0.4383	-1.1025	11
loan_term	(24.0, inf]	-0.2389	-1.1025	18
purpose	其他	-0.1138	0.3700	26
purpose	医疗	-0.2558	0.3700	28
purpose	周转	-0.5305	0.3700	31
purpose	家装	-0.1947	0.3700	27
purpose	教育	-0.2160	0.3700	28
purpose	日常消费	-0.4195	0.3700	30
channel	APP	-0.5501	-0.2541	21
channel	WEB	-0.4063	-0.2541	22
channel	合作渠道	-0.3096	-0.2541	23
channel	线下	-0.2665	-0.2541	23
region	东北	-0.2575	0.6607	30
region	华东	-0.2498	0.6607	30
region	华中	-0.2672	0.6607	30
region	华北	-0.2288	0.6607	30
region	华南	-0.3131	0.6607	31
region	西南	-0.3210	0.6607	31
region	西部	-0.3030	0.6607	31
city_tier	(-inf, 3.0]	-0.3838	-0.1023	24
city_tier	(3.0, inf]	-0.3825	-0.1023	24
app_sessions_30d	(-inf, 9.0]	-0.4024	-0.2439	22
app_sessions_30d	(9.0, inf]	-0.3497	-0.2439	23
clicks_before_apply	(-inf, 21.0]	-0.4595	-0.4543	19
clicks_before_apply	(21.0, inf]	-0.1484	-0.4543	23
time_on_page_sec	(-inf, 483.0]	-0.4746	0.6474	34
time_on_page_sec	(483.0, inf]	-0.1939	0.6474	29
fpd30	(-inf, inf]	-0.4840	-0.1305	23
constant_flag	(-inf, inf]	-0.4840	-0.1305	23

风控模型实验报告

1. 数据审计

审计建议

2. 样本拆分

3. 变量筛选

4. 模型评估

LR + WOE 评分卡 — 训练集 坏样本率分档

LR + WOE 评分卡 — 验证集 坏样本率分档

LR + WOE 评分卡 — OOT 集 坏样本率分档

5. 评分卡

LR + WOE 评分卡 — 训练集坏样本率分档

LR + WOE 评分卡 — 验证集坏样本率分档

LR + WOE 评分卡 — OOT 集坏样本率分档