风控模型报告 — 20260612-175922-bcdf

1. 数据审计

样本数1000

字段数24

坏样本率11.10%

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
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%	11.67%	2024-01-01 ~ 2024-01-25
验证集	200	20.00%	9.00%	2024-01-26 ~ 2024-02-03
OOT 集	200	20.00%	11.50%	2024-02-03 ~ 2024-02-11

3. 变量筛选

候选变量 21，入模 8，IV 阈值 0.01

变量	IV	单调	分箱数
credit_score	0.1902	否	4
employment_years	0.0442	是	2
debt_ratio	0.0278	是	2
region	0.0177	否	7
historical_overdue_count	0.0176	是	2
time_on_page_sec	0.0162	是	2
app_sessions_30d	0.0135	是	2
education	0.0120	否	4

4. 模型评估

模型	数据集	AUC	KS	Lift@10%	PSI
LR + WOE 评分卡	训练集	0.7330	0.3949	2.86	—
LR + WOE 评分卡	验证集	0.7233	0.4212	2.78	—
LR + WOE 评分卡	OOT 集	0.7424	0.4667	3.04	0.0252

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	5	8.33%	0.04 ~ 0.05
2	60	0	0.00%	0.05 ~ 0.06
3	60	0	0.00%	0.06 ~ 0.07
4	60	6	10.00%	0.07 ~ 0.09
5	60	4	6.67%	0.09 ~ 0.11
6	60	4	6.67%	0.11 ~ 0.13
7	60	8	13.33%	0.13 ~ 0.15
8	60	10	16.67%	0.15 ~ 0.18
9	59	12	20.34%	0.18 ~ 0.21
10	61	21	34.43%	0.21 ~ 0.32

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	1	5.00%	0.04 ~ 0.05
2	20	0	0.00%	0.05 ~ 0.06
3	20	0	0.00%	0.06 ~ 0.07
4	20	1	5.00%	0.07 ~ 0.10
5	20	1	5.00%	0.10 ~ 0.12
6	20	3	15.00%	0.12 ~ 0.14
7	20	1	5.00%	0.14 ~ 0.16
8	20	4	20.00%	0.16 ~ 0.19
9	20	2	10.00%	0.19 ~ 0.22
10	20	5	25.00%	0.22 ~ 0.29

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	0	0.00%	0.04 ~ 0.05
2	20	0	0.00%	0.05 ~ 0.06
3	20	1	5.00%	0.06 ~ 0.07
4	20	0	0.00%	0.07 ~ 0.08
5	20	1	5.00%	0.08 ~ 0.11
6	20	4	20.00%	0.11 ~ 0.13
7	20	4	20.00%	0.13 ~ 0.15
8	20	6	30.00%	0.15 ~ 0.19
9	20	0	0.00%	0.19 ~ 0.22
10	20	7	35.00%	0.22 ~ 0.27

5. 评分卡

变量	分箱	WOE	系数	分数
education	大专	-0.0301	-0.2292	68
education	本科	-0.0404	-0.2292	68
education	硕士及以上	-0.0365	-0.2292	68
education	高中及以下	0.1122	-0.2292	69
employment_years	(-inf, 13.0]	-0.1355	-1.0905	64
employment_years	(13.0, inf]	0.1633	-1.0905	73
credit_score	(-inf, 500.0]	-0.3020	-2.0804	50
credit_score	(500.0, 591.5]	-0.0319	-2.0804	66
credit_score	(591.5, 798.2]	0.3714	-2.0804	90
credit_score	(798.2, inf]	0.0090	-2.0804	68
debt_ratio	(-inf, 0.20740000000000008]	0.1116	-0.7632	70
debt_ratio	(0.20740000000000008, inf]	-0.1245	-0.7632	65
historical_overdue_count	(-inf, 1.0]	0.0680	-1.0679	70
historical_overdue_count	(1.0, inf]	-0.1294	-1.0679	64
region	东北	0.0171	-0.8234	68
region	华东	0.0246	-0.8234	68
region	华中	0.0546	-0.8234	69
region	华北	0.0316	-0.8234	69
region	华南	0.0616	-0.8234	69
region	西南	-0.0572	-0.8234	66
region	西部	-0.1222	-0.8234	65
app_sessions_30d	(-inf, 6.0]	-0.0943	-0.9008	65
app_sessions_30d	(6.0, inf]	0.0718	-0.9008	70
time_on_page_sec	(-inf, 541.0]	0.0609	-0.3356	68
time_on_page_sec	(541.0, inf]	-0.1327	-0.3356	67