风控模型开发验证报告

00 模型概要信息

项目	内容
模型名称	exp_DEV-mvkd7zx8-0838
开发完成日期	2026-10-23
模型开发人员	（人工填写）
模型开发人员邮件地址	（人工填写）
模型验证人员	（人工填写）
模型验证人员邮件地址	（人工填写）
模型应用环节	preloan_approval
模型应用频率	（人工填写）
模型开发背景及业务用途描述	Develop run with tuning
模型适用产品/客户描述	（人工填写）
模型重开发原因（如有）	—
模型拟监控频率	（人工填写）
模型路线	LR + WOE 评分卡
目标变量	flag_30
实验 ID	DEV-mvkd7zx8-0838

待补充：模型开发/验证人员、应用频率、产品描述等字段需人工补填。

01 模型设计

建模数据样本窗口

项目	内容
切分方式	外部 data_flag 划分（TRAIN 内 6/4 随机开发/测试，VALI 跨时间，PSI 时点）
开发样本(Train)窗口	2025-01-01 ~ 2025-04-19
预留验证样本窗口	2025-01-01 ~ 2025-04-19
跨时间验证样本窗口	2025-04-19 ~ 2025-05-25
PSI时点样本窗口	2025-05-26 ~ 2025-06-30

模型好坏定义

项目	内容
目标变量	flag_30
坏样本(BAD=1)占比	22.06%
好样本(BAD=0)占比	—
不确定样本	本流程要求目标变量已预计算为 0/1 二值，不确定样本请在上游合并口径

样本排除规则

序号	排除规则	说明
1	credit_no	主键/时间/口径字段，不入模
2	apply_dt	主键/时间/口径字段，不入模
3	data_flag	主键/时间/口径字段，不入模
4	flag_30 为空	排除 0 行

滚动率分析

待补充：滚动率分析（M0→M6+ 状态迁移矩阵）需要逾期状态口径数据，当前流程目标变量为上游已计算的二值标签，暂未生成。

待补充：表现窗口及坏账率分析、模型细分定义需结合业务口径人工补充。

02 数据流

开发时点 — 样本排除

类别	样本数
全部样本	30000
排除：目标变量为空	0
排除后样本	30000

注：按照01模型设计的排除规则统计；当前流程的排除项为目标变量缺失。

总体样本概况

数据集	样本量	好样本	坏样本	坏样本率	占比
全部样本	30000	23383	6617	22.06%	100.00%
开发样本	10801	8453	2348	21.74%	36.00%
测试样本	7199	5635	1564	21.73%	24.00%
训练+测试样本	18000	14088	3912	21.73%	60.00%
跨时间验证样本	6000	4624	1376	22.93%	20.00%
PSI时点样本	6000	4671	1329	—	20.00%

开发/预留验证样本交叉统计

类别	开发+预留样本数	开发样本数	开发占比	预留验证样本数	预留验证占比
好	14088	8453	60.00%	5635	40.00%
坏	3912	2348	60.02%	1564	39.98%
合计	18000	10801	60.01%	7199	39.99%

细致变量分析（预分箱口径，开发样本）

变量	IV	缺失率	取值集中度	最大相关系数
risk_score_v2	0.8649	0.00%	0.94%	0.9986
risk_score	0.8647	0.00%	0.91%	0.9986
bh_a001	0.8426	0.00%	0.15%	0.9298
ScoreCust2	0.7972	0.00%	1.13%	0.9952
ScoreCust2_v2	0.7822	0.00%	1.14%	0.9952
bh_a009	0.6312	0.00%	1.73%	0.8070
avg_tnr	0.4431	0.00%	1.92%	0.6947
cust_seg2	0.3983	0.00%	30.86%	0.6662
query_cnt_3m	0.3363	0.00%	16.53%	0.5822
income_grade	0.2791	0.00%	31.12%	0.5458
repay_amt_6m_grade	0.2509	0.00%	27.69%	0.5342
tenure_m	0.1431	0.00%	5.50%	0.3328
card_usage_ratio	0.1234	0.00%	1.69%	0.3613
rare_field	0.1128	96.32%	0.76%	0.0812
bank_997_cnt_3m	0.0587	0.00%	34.62%	0.2757
edu_level	0.0013	0.00%	42.13%	—
region_code	0.0012	0.00%	20.63%	—
flag_special	0.0000	0.00%	95.41%	0.0380

注：共 18 个候选变量，按 IV 降序展示前 18 个；集中度 = 最大频次取值样本数 ÷ 非空样本数；相关性为皮尔逊（仅数值变量），完整数据见 variable_detail.json。

03 单变量分析（细分箱）

risk_score — IV 0.8790，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 519.5]	2555	2414	141	5.52%	1.5593
2	(519.5, 564.5]	3183	2752	431	13.54%	0.5730
3	(564.5, 600.5]	2574	1946	628	24.40%	-0.1500
4	(600.5, 616.5]	797	531	266	33.38%	-0.5897
5	(616.5, 643.5]	955	529	426	44.61%	-1.0644
6	(643.5, inf]	737	281	456	61.87%	-1.7651

risk_score_v2 — IV 0.8718，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 518.5]	2511	2372	139	5.54%	1.5561
2	(518.5, 563.5]	3131	2711	420	13.41%	0.5839
3	(563.5, 602.5]	2766	2096	670	24.22%	-0.1404
4	(602.5, 615.5]	667	442	225	33.73%	-0.6057
5	(615.5, 643.5]	986	551	435	44.12%	-1.0446
6	(643.5, inf]	740	281	459	62.03%	-1.7717

bh_a001 — IV 0.8108，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 280.0500030517578]	3941	3641	300	7.61%	1.2153
2	(280.0500030517578, 317.0500030517578]	2713	2232	481	17.73%	0.2538
3	(317.0500030517578, 332.75]	1088	818	270	24.82%	-0.1725
4	(332.75, 367.75]	1739	1159	580	33.35%	-0.5887
5	(367.75, 398.25]	823	426	397	48.24%	-1.2105
6	(398.25, inf]	497	177	320	64.39%	-1.8731

ScoreCust2_v2 — IV 0.8057，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 507.5]	1649	1574	75	4.55%	1.7629
2	(507.5, 544.5]	3158	2794	364	11.53%	0.7571
3	(544.5, 565.5]	2191	1741	450	20.54%	0.0720
4	(565.5, 583.5]	1611	1171	440	27.31%	-0.3021
5	(583.5, 606.5]	1295	802	493	38.07%	-0.7944
6	(606.5, inf]	897	371	526	58.64%	-1.6301

ScoreCust2 — IV 0.8039，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 508.5]	1706	1626	80	4.69%	1.7309
2	(508.5, 545.5]	3198	2825	373	11.66%	0.7437
3	(545.5, 579.5]	3393	2613	780	22.99%	-0.0720
4	(579.5, 604.5]	1527	973	554	36.28%	-0.7177
5	(604.5, 621.5]	552	268	284	51.45%	-1.3389
6	(621.5, inf]	425	148	277	65.18%	-1.9078

bh_a009 — IV 0.6110，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 5.450000047683716]	463	195	268	57.88%	-1.5989
2	(5.450000047683716, 6.3500001430511475]	439	238	201	45.79%	-1.1120
3	(6.3500001430511475, 8.050000190734863]	1648	1057	591	35.86%	-0.6996
4	(8.050000190734863, 9.25]	1640	1183	457	27.87%	-0.3298
5	(9.25, 11.449999809265137]	3422	2855	567	16.57%	0.3355
6	(11.449999809265137, inf]	3189	2925	264	8.28%	1.1241

avg_tnr — IV 0.4423，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 1.25]	509	238	271	53.24%	-1.4108
2	(1.25, 2.149999976158142]	417	236	181	43.41%	-1.0156
3	(2.149999976158142, 3.350000023841858]	961	609	352	36.63%	-0.7328
4	(3.350000023841858, 4.450000047683716]	1258	903	355	28.22%	-0.3474
5	(4.450000047683716, 7.3500001430511475]	4230	3391	839	19.83%	0.1157
6	(7.3500001430511475, inf]	3426	3076	350	10.22%	0.8925

cust_seg2 — IV 0.4045，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	449	421	28	6.24%	1.4295
2	(2.5, 3.5]	1607	1446	161	10.02%	0.9142
3	(3.5, 4.5]	3333	2822	511	15.33%	0.4279
4	(4.5, 5.5]	3330	2505	825	24.77%	-0.1703
5	(5.5, 6.5]	1651	1062	589	35.68%	-0.6915
6	(6.5, inf]	431	197	234	54.29%	-1.4531

query_cnt_3m — IV 0.3333，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	550	288	262	47.64%	-1.1863
2	(0.5, 1.5]	1123	724	399	35.53%	-0.6851
3	(1.5, 2.5]	1627	1151	476	29.26%	-0.3980
4	(2.5, 3.5]	1785	1384	401	22.46%	-0.0422
5	(3.5, 5.5]	3012	2492	520	17.26%	0.2861
6	(5.5, inf]	2704	2414	290	10.72%	0.8382

income_grade — IV 0.2791，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1211	743	468	38.65%	-0.8187
2	(3.5, 4.5]	2510	1766	744	29.64%	-0.4165
3	(4.5, 5.5]	3361	2689	672	19.99%	0.1057
4	(5.5, 6.5]	2503	2150	353	14.10%	0.5258
5	(6.5, inf]	1216	1105	111	9.13%	1.0171

repay_amt_6m_grade — IV 0.2577，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	436	245	191	43.81%	-1.0320
2	(2.5, 3.5]	1211	802	409	33.77%	-0.6076
3	(3.5, 4.5]	2268	1634	634	27.95%	-0.3342
4	(4.5, 5.5]	2991	2384	607	20.29%	0.0870
5	(5.5, 6.5]	2286	1944	342	14.96%	0.4567
6	(6.5, inf]	1609	1444	165	10.25%	0.8883

tenure_m — IV 0.1742，6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	696	414	282	40.52%	-0.8970
2	(2.5, 5.5]	370	269	101	27.30%	-0.3014
3	(5.5, 46.5]	7313	5698	1615	22.08%	-0.0202
4	(46.5, 53.5]	1211	970	241	19.90%	0.1115
5	(53.5, 56.5]	416	356	60	14.42%	0.4996
6	(56.5, inf]	795	746	49	6.16%	1.4419

card_usage_ratio — IV 0.1594，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.107999999076128]	922	854	68	7.38%	1.2495
2	(0.107999999076128, 0.3381499946117401]	3589	2904	685	19.09%	0.1635
3	(0.3381499946117401, 0.6137499809265137]	4440	3434	1006	22.66%	-0.0532
4	(0.6137499809265137, 0.782150000333786]	1369	966	403	29.44%	-0.4067
5	(0.782150000333786, inf]	481	295	186	38.67%	-0.8197

rare_field — IV 0.1113，3 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, -1.437000036239624]	23	21	2	8.70%	1.1243
2	(-1.437000036239624, 1.0099999904632568]	312	245	67	21.47%	0.0695
3	(1.0099999904632568, inf]	62	41	21	33.87%	-0.5580

bank_997_cnt_3m — IV 0.0829，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	3447	2899	548	15.90%	0.3849
2	(0.5, 1.5]	3739	2928	811	21.69%	0.0028
3	(1.5, 2.5]	2224	1655	569	25.58%	-0.2133
4	(2.5, 3.5]	969	694	275	28.38%	-0.3553
5	(3.5, inf]	422	277	145	34.36%	-0.6337

flag_special — IV 0.0014，2 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	10368	8128	2240	21.60%	0.0079
2	(2.5, inf]	433	325	108	24.94%	-0.1793

edu_level — IV 0.0013，4 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	大专	3260	2574	686	21.04%	0.0414
2	本科	4550	3555	995	21.87%	-0.0076
3	硕士及以上	1405	1081	324	23.06%	-0.0761
4	高中及以下	1586	1243	343	21.63%	0.0066

region_code — IV 0.0012，5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	其他	2119	1657	462	21.80%	-0.0038
2	华东	2156	1685	471	21.85%	-0.0063
3	华北	2119	1682	437	20.62%	0.0668
4	华南	2179	1701	478	21.94%	-0.0116
5	西南	2228	1728	500	22.44%	-0.0408

注：统计全部候选变量的自动分箱明细（初分组），按 IV 降序展示前 18 个变量，共 18 个；完整数据见 feature_report.json。

04 单变量分析（粗分箱）

risk_score — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 519.5]	2555	2414	141	5.52%	1.5593
2	(519.5, 564.5]	3183	2752	431	13.54%	0.5730
3	(564.5, 600.5]	2574	1946	628	24.40%	-0.1500
4	(600.5, 616.5]	797	531	266	33.38%	-0.5897
5	(616.5, 643.5]	955	529	426	44.61%	-1.0644
6	(643.5, inf]	737	281	456	61.87%	-1.7651

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（5.52% → 61.87%），WOE 单调下降（1.5593 → -1.7651），符合风控分箱预期。IV=0.8790，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 4 箱 WOE<0（风险高于平均）

第 6 箱（(643.5, inf]）为极高风险区间：坏率高达 61.87%，策略上应重点管控

avg_tnr — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 1.25]	509	238	271	53.24%	-1.4108
2	(1.25, 2.149999976158142]	417	236	181	43.41%	-1.0156
3	(2.149999976158142, 3.350000023841858]	961	609	352	36.63%	-0.7328
4	(3.350000023841858, 4.450000047683716]	1258	903	355	28.22%	-0.3474
5	(4.450000047683716, 7.3500001430511475]	4230	3391	839	19.83%	0.1157
6	(7.3500001430511475, inf]	3426	3076	350	10.22%	0.8925

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（53.24% → 10.22%），WOE 单调上升（-1.4108 → 0.8925），符合风控分箱预期。IV=0.4423，该变量区分度尚可。

WOE 在第 4、5 箱之间穿越 0 线：前 4 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 1.25]）为极高风险区间：坏率高达 53.24%，策略上应重点管控

cust_seg2 — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	449	421	28	6.24%	1.4295
2	(2.5, 3.5]	1607	1446	161	10.02%	0.9142
3	(3.5, 4.5]	3333	2822	511	15.33%	0.4279
4	(4.5, 5.5]	3330	2505	825	24.77%	-0.1703
5	(5.5, 6.5]	1651	1062	589	35.68%	-0.6915
6	(6.5, inf]	431	197	234	54.29%	-1.4531

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（6.24% → 54.29%），WOE 单调下降（1.4295 → -1.4531），符合风控分箱预期。IV=0.4045，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 6 箱（(6.5, inf]）为极高风险区间：坏率高达 54.29%，策略上应重点管控

query_cnt_3m — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	550	288	262	47.64%	-1.1863
2	(0.5, 1.5]	1123	724	399	35.53%	-0.6851
3	(1.5, 2.5]	1627	1151	476	29.26%	-0.3980
4	(2.5, 3.5]	1785	1384	401	22.46%	-0.0422
5	(3.5, 5.5]	3012	2492	520	17.26%	0.2861
6	(5.5, inf]	2704	2414	290	10.72%	0.8382

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（47.64% → 10.72%），WOE 单调上升（-1.1863 → 0.8382），符合风控分箱预期。IV=0.3333，该变量区分度尚可。

WOE 在第 4、5 箱之间穿越 0 线：前 4 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 0.5]）为极高风险区间：坏率高达 47.64%，策略上应重点管控

income_grade — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 3.5]	1211	743	468	38.65%	-0.8187
2	(3.5, 4.5]	2510	1766	744	29.64%	-0.4165
3	(4.5, 5.5]	3361	2689	672	19.99%	0.1057
4	(5.5, 6.5]	2503	2150	353	14.10%	0.5258
5	(6.5, inf]	1216	1105	111	9.13%	1.0171

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（38.65% → 9.13%），WOE 单调上升（-0.8187 → 1.0171），符合风控分箱预期。IV=0.2791，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 38.65%，策略上应重点管控

repay_amt_6m_grade — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	436	245	191	43.81%	-1.0320
2	(2.5, 3.5]	1211	802	409	33.77%	-0.6076
3	(3.5, 4.5]	2268	1634	634	27.95%	-0.3342
4	(4.5, 5.5]	2991	2384	607	20.29%	0.0870
5	(5.5, 6.5]	2286	1944	342	14.96%	0.4567
6	(6.5, inf]	1609	1444	165	10.25%	0.8883

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（43.81% → 10.25%），WOE 单调上升（-1.0320 → 0.8883），符合风控分箱预期。IV=0.2577，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 43.81%，策略上应重点管控

tenure_m — 6 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 2.5]	696	414	282	40.52%	-0.8970
2	(2.5, 5.5]	370	269	101	27.30%	-0.3014
3	(5.5, 46.5]	7313	5698	1615	22.08%	-0.0202
4	(46.5, 53.5]	1211	970	241	19.90%	0.1115
5	(53.5, 56.5]	416	356	60	14.42%	0.4996
6	(56.5, inf]	795	746	49	6.16%	1.4419

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（40.52% → 6.16%），WOE 单调上升（-0.8970 → 1.4419），符合风控分箱预期。IV=0.1742，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 40.52%，策略上应重点管控

card_usage_ratio — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.107999999076128]	922	854	68	7.38%	1.2495
2	(0.107999999076128, 0.3381499946117401]	3589	2904	685	19.09%	0.1635
3	(0.3381499946117401, 0.6137499809265137]	4440	3434	1006	22.66%	-0.0532
4	(0.6137499809265137, 0.782150000333786]	1369	966	403	29.44%	-0.4067
5	(0.782150000333786, inf]	481	295	186	38.67%	-0.8197

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（7.38% → 38.67%），WOE 单调下降（1.2495 → -0.8197），符合风控分箱预期。IV=0.1594，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(0.782150000333786, inf]）为极高风险区间：坏率高达 38.67%，策略上应重点管控

bank_997_cnt_3m — 5 箱

分组号	分栏	Total	Good	Bad	Bad Rate	WOE
1	(-inf, 0.5]	3447	2899	548	15.90%	0.3849
2	(0.5, 1.5]	3739	2928	811	21.69%	0.0028
3	(1.5, 2.5]	2224	1655	569	25.58%	-0.2133
4	(2.5, 3.5]	969	694	275	28.38%	-0.3553
5	(3.5, inf]	422	277	145	34.36%	-0.6337

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（15.90% → 34.36%），WOE 单调下降（0.3849 → -0.6337），符合风控分箱预期。IV=0.0829，该变量区分度偏弱但可用。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(3.5, inf]）为高风险区间：坏率高达 34.36%，可作为拒绝或重点风控策略的阈值参考

注：统计入模变量经合并调整后的最终分箱明细（开发样本口径）。当前流程细/粗分箱由同一自动分箱算法直接产出。

05 变量筛选

项目	内容
筛选优先级	黑名单 > 白名单 > 自动规则
IV 下限	0.008093875100152692
缺失率上限	0.8
集中度上限	0.9
相关性上限(皮尔逊)	0.7
PSI 上限	0.25
重要性 Top-K	38
黑名单	无
白名单	无

候选变量 18，成功分箱 18，入模 9

变量	白名单	入模	IV	缺失率	集中度	IV门槛	相关性	PSI	剔除原因
risk_score	—	Y	0.8790	PASS	PASS	PASS	PASS	0.0017
ScoreCust2	—	N	0.8039	PASS	PASS	PASS	FAIL	0.0020	与 risk_score 相关>0.7
cust_seg2	—	Y	0.4045	PASS	PASS	PASS	PASS	0.0013
income_grade	—	Y	0.2791	PASS	PASS	PASS	PASS	0.0009
bh_a001	—	N	0.8108	PASS	PASS	PASS	FAIL	0.0014	与 risk_score 相关>0.7
bh_a009	—	N	0.6110	PASS	PASS	PASS	FAIL	0.0010	与 risk_score 相关>0.7
bank_997_cnt_3m	—	Y	0.0829	PASS	PASS	PASS	PASS	0.0011
avg_tnr	—	Y	0.4423	PASS	PASS	PASS	PASS	0.0010
repay_amt_6m_grade	—	Y	0.2577	PASS	PASS	PASS	PASS	0.0017
tenure_m	—	Y	0.1742	PASS	PASS	PASS	PASS	0.0025
query_cnt_3m	—	Y	0.3333	PASS	PASS	PASS	PASS	0.0003
card_usage_ratio	—	Y	0.1594	PASS	PASS	PASS	PASS	0.0005
rare_field	—	N	0.1113	FAIL	PASS	—	—	—	缺失率>0.8
flag_special	—	N	0.0014	PASS	FAIL	—	—	—	集中度>0.9
edu_level	—	N	0.0013	PASS	PASS	FAIL	—	—	IV<0.008093875100152692
region_code	—	N	0.0012	PASS	PASS	FAIL	—	—	IV<0.008093875100152692
risk_score_v2	—	N	0.8718	PASS	PASS	PASS	FAIL	0.0017	与 risk_score 相关>0.7
ScoreCust2_v2	—	N	0.8057	PASS	PASS	PASS	FAIL	0.0010	与 risk_score 相关>0.7

06 回归结果

硬门槛：P≥0.1 / VIF>4.0 迭代剔除，共 0 个变量被剔除（1 轮）。

Parameter	Label	Estimate(无惩罚)	Standard Error	Wald Chi-Square	Pr > ChiSq	Standardized Estimate
Intercept	Intercept	-1.2805	0.0260	2425.26	<0.0001	—
WOE_risk_score	risk_score	-0.7122	0.0470	229.89	<0.0001	-0.6964
WOE_avg_tnr	avg_tnr	-0.1902	0.0474	16.13	<0.0001	-0.1261
WOE_cust_seg2	cust_seg2	-0.1034	0.0506	4.18	0.0409	-0.0670
WOE_query_cnt_3m	query_cnt_3m	-0.0924	0.0525	3.09	0.0787	-0.0535
WOE_income_grade	income_grade	-0.1300	0.0553	5.52	0.0188	-0.0704
WOE_repay_amt_6m_grade	repay_amt_6m_grade	-0.0945	0.0570	2.75	0.0972	-0.0488
WOE_tenure_m	tenure_m	-0.1240	0.0672	3.40	0.0651	-0.0576
WOE_card_usage_ratio	card_usage_ratio	-0.2557	0.0713	12.86	0.0003	-0.1119
WOE_bank_997_cnt_3m	bank_997_cnt_3m	-0.2056	0.0894	5.29	0.0214	-0.0593

注：Estimate 列为无惩罚（精确推断）拟合；生产系数保持 L2 正则（model_results.json / score.py 口径），两套估计并列展示。标准误基于无惩罚似然观测信息矩阵。

07 VIF

VIF

Parameter	VIF
risk_score	3.22968
avg_tnr	1.71839
cust_seg2	1.72787
query_cnt_3m	1.50258
income_grade	1.38004
repay_amt_6m_grade	1.37071
tenure_m	1.17164
card_usage_ratio	1.13788
bank_997_cnt_3m	1.07706

	risk_score	avg_tnr	cust_seg2	query_cnt_3m	income_grade	repay_amt_6m_grade	tenure_m	card_usage_ratio	bank_997_cnt_3m
risk_score	1.000	0.639	0.636	0.567	0.516	0.512	0.375	0.340	0.261
avg_tnr	0.639	1.000	0.454	0.409	0.363	0.359	0.266	0.242	0.184
cust_seg2	0.636	0.454	1.000	0.418	0.369	0.381	0.283	0.260	0.194
query_cnt_3m	0.567	0.409	0.418	1.000	0.336	0.323	0.241	0.225	0.168
income_grade	0.516	0.363	0.369	0.336	1.000	0.294	0.222	0.200	0.166
repay_amt_6m_grade	0.512	0.359	0.381	0.323	0.294	1.000	0.210	0.194	0.146
tenure_m	0.375	0.266	0.283	0.241	0.222	0.210	1.000	0.138	0.107
card_usage_ratio	0.340	0.242	0.260	0.225	0.200	0.194	0.138	1.000	0.100
bank_997_cnt_3m	0.261	0.184	0.194	0.168	0.166	0.146	0.107	0.100	1.000

08 最终评分卡

标准分600.0

标准ODD20.0

PDO20.0

变量	分栏	WOE	Coefficient	Scorecard Points
risk_score	(-inf, 519.5]	1.5593	-0.7121	93
	(519.5, 564.5]	0.5730	-0.7121	73
	(564.5, 600.5]	-0.1500	-0.7121	58
	(600.5, 616.5]	-0.5897	-0.7121	49
	(616.5, 643.5]	-1.0644	-0.7121	39
	(643.5, inf]	-1.7651	-0.7121	25
avg_tnr	(-inf, 1.25]	-1.4108	-0.1903	53
	(1.25, 2.149999976158142]	-1.0156	-0.1903	56
	(2.149999976158142, 3.350000023841858]	-0.7328	-0.1903	57
	(3.350000023841858, 4.450000047683716]	-0.3474	-0.1903	59
	(4.450000047683716, 7.3500001430511475]	0.1157	-0.1903	62
	(7.3500001430511475, inf]	0.8925	-0.1903	66
cust_seg2	(-inf, 2.5]	1.4295	-0.1036	65
	(2.5, 3.5]	0.9142	-0.1036	64
	(3.5, 4.5]	0.4279	-0.1036	62
	(4.5, 5.5]	-0.1703	-0.1036	61
	(5.5, 6.5]	-0.6915	-0.1036	59
	(6.5, inf]	-1.4531	-0.1036	57
query_cnt_3m	(-inf, 0.5]	-1.1863	-0.0925	58
	(0.5, 1.5]	-0.6851	-0.0925	59
	(1.5, 2.5]	-0.3980	-0.0925	60
	(2.5, 3.5]	-0.0422	-0.0925	61
	(3.5, 5.5]	0.2861	-0.0925	62
	(5.5, inf]	0.8382	-0.0925	63
income_grade	(-inf, 3.5]	-0.8187	-0.1301	58
	(3.5, 4.5]	-0.4165	-0.1301	60
	(4.5, 5.5]	0.1057	-0.1301	62
	(5.5, 6.5]	0.5258	-0.1301	63
	(6.5, inf]	1.0171	-0.1301	65
repay_amt_6m_grade	(-inf, 2.5]	-1.0320	-0.0948	58
	(2.5, 3.5]	-0.6076	-0.0948	60
	(3.5, 4.5]	-0.3342	-0.0948	60
	(4.5, 5.5]	0.0870	-0.0948	61
	(5.5, 6.5]	0.4567	-0.0948	62
	(6.5, inf]	0.8883	-0.0948	64
tenure_m	(-inf, 2.5]	-0.8970	-0.1245	58
	(2.5, 5.5]	-0.3014	-0.1245	60
	(5.5, 46.5]	-0.0202	-0.1245	61
	(46.5, 53.5]	0.1115	-0.1245	62
	(53.5, 56.5]	0.4996	-0.1245	63
	(56.5, inf]	1.4419	-0.1245	66
card_usage_ratio	(-inf, 0.107999999076128]	1.2495	-0.2536	70
	(0.107999999076128, 0.3381499946117401]	0.1635	-0.2536	62
	(0.3381499946117401, 0.6137499809265137]	-0.0532	-0.2536	61
	(0.6137499809265137, 0.782150000333786]	-0.4067	-0.2536	58
	(0.782150000333786, inf]	-0.8197	-0.2536	55
bank_997_cnt_3m	(-inf, 0.5]	0.3849	-0.2056	63
	(0.5, 1.5]	0.0028	-0.2056	61
	(1.5, 2.5]	-0.2133	-0.2056	60
	(2.5, 3.5]	-0.3553	-0.2056	59
	(3.5, inf]	-0.6337	-0.2056	57

09 模型表现

模型区分度评估（按样本）

模型	样本	KS	AUC	GINI
LR + WOE 评分卡	开发样本	0.3772	0.7545	0.5090
LR + WOE 评分卡	测试样本	0.3777	0.7466	0.4932
LR + WOE 评分卡	训练+测试样本	0.3750	0.7514	0.5028
LR + WOE 评分卡	跨时间验证样本	0.3384	0.7309	0.4618

LR + WOE 评分卡 — 4 样本评估表（score_cut 粒度）

开发样本（KS 0.0185，AUC 0.4937）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[483, 518)	1081	623	458	57.63%	10.01%	26.53%	5.42%
[518, 534)	1080	430	650	39.81%	10.00%	44.85%	13.11%
[534, 543)	1080	295	785	27.31%	10.00%	57.41%	22.39%
[543, 550)	1080	276	804	25.56%	10.00%	69.17%	31.91%
[550, 560)	1080	202	878	18.70%	10.00%	77.77%	42.29%
[560, 567)	1081	174	907	16.10%	10.01%	85.18%	53.02%
[567, 572)	1079	136	943	12.60%	9.99%	90.97%	64.18%
[572, 589)	1080	108	972	10.00%	10.00%	95.57%	75.68%
[590, 597)	1080	58	1022	5.37%	10.00%	98.04%	87.77%
[597, 617)	1080	46	1034	4.26%	10.00%	100.00%	100.00%

测试样本（KS 0.0409，AUC 0.4845）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[481, 519)	720	402	318	55.83%	10.00%	25.70%	5.64%
[519, 534)	720	271	449	37.64%	10.00%	43.03%	13.61%
[534, 543)	720	228	492	31.67%	10.00%	57.61%	22.34%
[543, 550)	720	187	533	25.97%	10.00%	69.57%	31.80%
[550, 561)	720	115	605	15.97%	10.00%	76.92%	42.54%
[561, 567)	719	113	606	15.72%	9.99%	84.14%	53.29%
[567, 572)	720	103	617	14.31%	10.00%	90.73%	64.24%
[572, 590)	720	69	651	9.58%	10.00%	95.14%	75.79%
[590, 597)	721	38	683	5.27%	10.02%	97.57%	87.91%
[597, 616)	719	38	681	5.29%	9.99%	100.00%	100.00%

训练+测试样本（KS 0.0182，AUC 0.4951）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[481, 518)	1800	1032	768	57.33%	10.00%	26.38%	5.45%
[518, 534)	1800	692	1108	38.44%	10.00%	44.07%	13.32%
[534, 543)	1800	525	1275	29.17%	10.00%	57.49%	22.37%
[543, 550)	1801	460	1341	25.54%	10.01%	69.25%	31.89%
[550, 561)	1799	326	1473	18.12%	9.99%	77.58%	42.34%
[561, 567)	1801	281	1520	15.60%	10.01%	84.76%	53.13%
[567, 572)	1799	239	1560	13.29%	9.99%	90.87%	64.20%
[572, 590)	1800	177	1623	9.83%	10.00%	95.40%	75.72%
[590, 597)	1800	96	1704	5.33%	10.00%	97.85%	87.82%
[597, 617)	1800	84	1716	4.67%	10.00%	100.00%	100.00%

跨时间验证样本（KS 0.0169，AUC 0.4986）

cuts	cnt	bad	good	bad_rate	population_pct	cum_bad_rate	cum_good_rate
[484, 518)	600	317	283	52.83%	10.00%	23.04%	6.12%
[518, 534)	600	243	357	40.50%	10.00%	40.70%	13.84%
[534, 543)	602	188	414	31.23%	10.03%	54.36%	22.79%
[543, 550)	598	158	440	26.42%	9.97%	65.84%	32.31%
[550, 560)	600	133	467	22.17%	10.00%	75.51%	42.41%
[560, 567)	600	109	491	18.17%	10.00%	83.43%	53.03%
[567, 573)	600	82	518	13.67%	10.00%	89.39%	64.23%
[573, 589)	600	68	532	11.33%	10.00%	94.33%	75.74%
[589, 597)	600	58	542	9.67%	10.00%	98.55%	87.46%
[597, 617)	600	20	580	3.33%	10.00%	100.00%	100.00%

跨时间验证样本结论

风险高度集中在低分尾端——最低 20% 样本集中了全量 40.7% 的坏客户，策略切分空间很大。

① 样本与分箱结构：共 6,000 样本 / 1,376 坏样本，整体坏率 22.93%，好坏比约 3.4:1；10 档等频分数分栏，每箱约 10%，分箱均匀，无空箱无过厚箱。

② 排序性与单调性：逐箱 Bad Rate 52.83% → … → 3.33%（低分 → 高分），无倒挂，最低分段坏率是最高分段的 15.9 倍。

③ 区分度与坏客户捕获：最低 20% 样本捕获全量 40.7% 的坏客户，最低 50% 捕获 75.5%；最高 20% 样本仅含 5.7% 的坏客户，其中风险最高一箱单独占 23.0%。

（口径：分数 = 按基准分/优比/PDO 刻度由模型概率转换，分数越高风险越低；结论由程序按分箱数据自动生成。）

注：score_cut 表按分数等频分 10 档（低分 → 高分）：分数由模型概率按基准分/优比/PDO 刻度转换，分数越高风险越低；每表附 KS/AUC（按概率计算，与分栏口径无关）；训练+测试 = TRAIN 全体。旧实验无分数转换时为 PD 等频口径。

10 KS和GINI

LR + WOE 评分卡

样本	KS	GINI	AUC
开发样本	0.3772	0.5090	0.7545
测试样本	0.3777	0.4932	0.7466
训练+测试样本	0.3750	0.5028	0.7514
跨时间验证样本	0.3384	0.4618	0.7309

开发样本

测试样本

训练+测试样本

跨时间验证样本

注：GINI = 2×AUC−1。KS 图 X 轴为分数（升序），红虚线为最大间隔位置；ROC 图例标注 AUC。

11 PSI

模型稳定性评估

模型	训练集与测试集	训练集与跨时间验证	训练集与oot验证集	训练集与psi验证集
LR + WOE 评分卡	0.0013	0.0007	—	0.0014

分数段 PSI 明细（开发样本 vs 跨时间验证样本）

分数段	开发样本占比	跨时间验证样本占比	PSI 贡献	累计 PSI
(-inf,0.0529]	10.00%	9.72%	0.0001	0.0001
(0.0529,0.0671]	10.00%	9.87%	0.0000	0.0001
(0.0671,0.115]	10.00%	10.62%	0.0004	0.0005
(0.115,0.137]	9.99%	9.80%	0.0000	0.0005
(0.137,0.1646]	10.01%	9.95%	0.0000	0.0005
(0.1646,0.2225]	10.01%	9.87%	0.0000	0.0005
(0.2225,0.262]	9.99%	10.27%	0.0001	0.0006
(0.262,0.3318]	10.00%	9.97%	0.0000	0.0006
(0.3318,0.4612]	10.00%	10.15%	0.0000	0.0006
(0.4612,inf]	10.01%	9.80%	0.0000	0.0007

分数段 PSI 明细（开发样本 vs PSI时点样本）

分数段	开发样本占比	PSI时点占比	PSI 贡献	累计 PSI
(-inf,0.0529]	10.00%	10.30%	0.0001	0.0001
(0.0529,0.0671]	10.00%	9.63%	0.0001	0.0002
(0.0671,0.115]	10.00%	10.60%	0.0004	0.0006
(0.115,0.137]	9.99%	10.17%	0.0000	0.0006
(0.137,0.1646]	10.01%	9.82%	0.0000	0.0006
(0.1646,0.2225]	10.01%	10.32%	0.0001	0.0007
(0.2225,0.262]	9.99%	9.42%	0.0003	0.0011
(0.262,0.3318]	10.00%	9.52%	0.0002	0.0013
(0.3318,0.4612]	10.00%	9.95%	0.0000	0.0013
(0.4612,inf]	10.01%	10.28%	0.0001	0.0014

模型样本量分布评估

评分段	开发样本样本量	开发样本占比	测试样本样本量	测试样本占比	训练+测试样本样本量	训练+测试样本占比	跨时间验证样本样本量	跨时间验证样本占比	PSI时点样本样本量	PSI时点样本占比
(-inf, inf]	1080	10.00%	732	10.17%	1812	10.07%	583	9.72%	618	10.30%
(0.0529, 0.0671]	1080	10.00%	726	10.08%	1806	10.03%	592	9.87%	578	9.63%
(0.0671, 0.115]	1080	10.00%	704	9.78%	1784	9.91%	637	10.62%	636	10.60%
(0.115, 0.137]	1079	9.99%	751	10.43%	1830	10.17%	588	9.80%	610	10.17%
(0.137, 0.1646]	1081	10.01%	738	10.25%	1819	10.11%	597	9.95%	589	9.82%
(0.1646, 0.2225]	1081	10.01%	718	9.97%	1799	9.99%	592	9.87%	619	10.32%
(0.2225, 0.262]	1079	9.99%	678	9.42%	1757	9.76%	616	10.27%	565	9.42%
(0.262, 0.3318]	1080	10.00%	737	10.24%	1817	10.09%	598	9.97%	571	9.52%
(0.3318, 0.4612]	1080	10.00%	742	10.31%	1822	10.12%	609	10.15%	597	9.95%
(0.4612, inf]	1081	10.01%	673	9.35%	1754	9.74%	588	9.80%	617	10.28%
sum	10801	100.00%	7199	100.00%	18000	100.00%	6000	100.00%	6000	100.00%

变量 PSI（开发样本 vs PSI时点样本，按入模变量分箱）

特征项	PSI	状态
tenure_m	0.0025	稳定
repay_amt_6m_grade	0.0017	稳定
risk_score	0.0017	稳定
cust_seg2	0.0013	稳定
bank_997_cnt_3m	0.0011	稳定
avg_tnr	0.0010	稳定
income_grade	0.0009	稳定
card_usage_ratio	0.0005	稳定
query_cnt_3m	0.0003	稳定

risk_score — PSI 0.0017

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 519.5]	23.66%	23.95%	0.29%	0.0000
(519.5, 564.5]	29.47%	30.13%	0.66%	0.0001
(564.5, 600.5]	23.83%	22.52%	-1.31%	0.0007
(600.5, 616.5]	7.38%	6.93%	-0.45%	0.0003
(616.5, 643.5]	8.84%	9.43%	0.59%	0.0004
(643.5, inf]	6.82%	7.03%	0.21%	0.0001

avg_tnr — PSI 0.0010

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 1.25]	4.71%	4.82%	0.10%	0.0000
(1.25, 2.149999976158142]	3.86%	4.07%	0.21%	0.0001
(2.149999976158142, 3.350000023841858]	8.90%	8.87%	-0.03%	0.0000
(3.350000023841858, 4.450000047683716]	11.65%	11.57%	-0.08%	0.0000
(4.450000047683716, 7.3500001430511475]	39.16%	37.82%	-1.35%	0.0005
(7.3500001430511475, inf]	31.72%	32.87%	1.15%	0.0004

cust_seg2 — PSI 0.0013

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 2.5]	4.16%	3.77%	-0.39%	0.0004
(2.5, 3.5]	14.88%	15.30%	0.42%	0.0001
(3.5, 4.5]	30.86%	30.50%	-0.36%	0.0000
(4.5, 5.5]	30.83%	31.77%	0.94%	0.0003
(5.5, 6.5]	15.29%	15.10%	-0.19%	0.0000
(6.5, inf]	3.99%	3.57%	-0.42%	0.0005

query_cnt_3m — PSI 0.0003

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.5]	5.09%	5.28%	0.19%	0.0001
(0.5, 1.5]	10.40%	10.45%	0.05%	0.0000
(1.5, 2.5]	15.06%	14.95%	-0.11%	0.0000
(2.5, 3.5]	16.53%	16.27%	-0.26%	0.0000
(3.5, 5.5]	27.89%	28.37%	0.48%	0.0001
(5.5, inf]	25.03%	24.68%	-0.35%	0.0001

income_grade — PSI 0.0009

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 3.5]	11.21%	10.70%	-0.51%	0.0002
(3.5, 4.5]	23.24%	23.15%	-0.09%	0.0000
(4.5, 5.5]	31.12%	31.07%	-0.05%	0.0000
(5.5, 6.5]	23.17%	24.25%	1.08%	0.0005
(6.5, inf]	11.26%	10.83%	-0.42%	0.0002

repay_amt_6m_grade — PSI 0.0017

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 2.5]	4.04%	4.48%	0.45%	0.0005
(2.5, 3.5]	11.21%	10.35%	-0.86%	0.0007
(3.5, 4.5]	21.00%	21.75%	0.75%	0.0003
(4.5, 5.5]	27.69%	26.92%	-0.78%	0.0002
(5.5, 6.5]	21.16%	21.43%	0.27%	0.0000
(6.5, inf]	14.90%	15.07%	0.17%	0.0000

tenure_m — PSI 0.0025

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 2.5]	6.44%	5.53%	-0.91%	0.0014
(2.5, 5.5]	3.43%	3.73%	0.31%	0.0003
(5.5, 46.5]	67.71%	68.75%	1.04%	0.0002
(46.5, 53.5]	11.21%	10.65%	-0.56%	0.0003
(53.5, 56.5]	3.85%	4.20%	0.35%	0.0003
(56.5, inf]	7.36%	7.13%	-0.23%	0.0001

card_usage_ratio — PSI 0.0005

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.107999999076128]	8.54%	8.40%	-0.14%	0.0000
(0.107999999076128, 0.3381499946117401]	33.23%	33.98%	0.75%	0.0002
(0.3381499946117401, 0.6137499809265137]	41.11%	40.27%	-0.84%	0.0002
(0.6137499809265137, 0.782150000333786]	12.67%	12.62%	-0.06%	0.0000
(0.782150000333786, inf]	4.45%	4.73%	0.28%	0.0002

bank_997_cnt_3m — PSI 0.0011

分栏	开发基准比例	PSI时点样本比例	变更	贡献
(-inf, 0.5]	31.91%	32.48%	0.57%	0.0001
(0.5, 1.5]	34.62%	35.27%	0.65%	0.0001
(1.5, 2.5]	20.59%	20.35%	-0.24%	0.0000
(2.5, 3.5]	8.97%	8.18%	-0.79%	0.0007
(3.5, inf]	3.91%	3.72%	-0.19%	0.0001

注：PSI ≤ 0.1 视为稳定，0.1~0.25 需关注，> 0.25 不稳定。

12 单变量分析

注：统计所有入模变量的单变量分析（开发样本口径）。预留验证/总体/OOT 口径的分组明细待扩展。

risk_score

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 519.5]	2555	23.66%	2414	141	5.52%	17.12
2	(519.5, 564.5]	3183	53.12%	2752	431	13.54%	6.39
3	(564.5, 600.5]	2574	76.96%	1946	628	24.40%	3.10
4	(600.5, 616.5]	797	84.33%	531	266	33.38%	2.00
5	(616.5, 643.5]	955	93.18%	529	426	44.61%	1.24
6	(643.5, inf]	737	100.00%	281	456	61.87%	0.62
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（5.52% → 61.87%），WOE 单调下降（1.5593 → -1.7651），符合风控分箱预期。IV=0.8790，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 4 箱 WOE<0（风险高于平均）

第 6 箱（(643.5, inf]）为极高风险区间：坏率高达 61.87%，策略上应重点管控

avg_tnr

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 1.25]	509	4.71%	238	271	53.24%	0.88
2	(1.25, 2.149999976158142]	417	8.57%	236	181	43.41%	1.30
3	(2.149999976158142, 3.350000023841858]	961	17.47%	609	352	36.63%	1.73
4	(3.350000023841858, 4.450000047683716]	1258	29.12%	903	355	28.22%	2.54
5	(4.450000047683716, 7.3500001430511475]	4230	68.28%	3391	839	19.83%	4.04
6	(7.3500001430511475, inf]	3426	100.00%	3076	350	10.22%	8.79
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（53.24% → 10.22%），WOE 单调上升（-1.4108 → 0.8925），符合风控分箱预期。IV=0.4423，该变量区分度尚可。

WOE 在第 4、5 箱之间穿越 0 线：前 4 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 1.25]）为极高风险区间：坏率高达 53.24%，策略上应重点管控

cust_seg2

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 2.5]	449	4.16%	421	28	6.24%	15.04
2	(2.5, 3.5]	1607	19.04%	1446	161	10.02%	8.98
3	(3.5, 4.5]	3333	49.89%	2822	511	15.33%	5.52
4	(4.5, 5.5]	3330	80.72%	2505	825	24.77%	3.04
5	(5.5, 6.5]	1651	96.01%	1062	589	35.68%	1.80
6	(6.5, inf]	431	100.00%	197	234	54.29%	0.84
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（6.24% → 54.29%），WOE 单调下降（1.4295 → -1.4531），符合风控分箱预期。IV=0.4045，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 6 箱（(6.5, inf]）为极高风险区间：坏率高达 54.29%，策略上应重点管控

query_cnt_3m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.5]	550	5.09%	288	262	47.64%	1.10
2	(0.5, 1.5]	1123	15.49%	724	399	35.53%	1.81
3	(1.5, 2.5]	1627	30.55%	1151	476	29.26%	2.42
4	(2.5, 3.5]	1785	47.08%	1384	401	22.46%	3.45
5	(3.5, 5.5]	3012	74.97%	2492	520	17.26%	4.79
6	(5.5, inf]	2704	100.00%	2414	290	10.72%	8.32
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（47.64% → 10.72%），WOE 单调上升（-1.1863 → 0.8382），符合风控分箱预期。IV=0.3333，该变量区分度尚可。

WOE 在第 4、5 箱之间穿越 0 线：前 4 箱 WOE>0（客户质量优于整体），后 2 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 0.5]）为极高风险区间：坏率高达 47.64%，策略上应重点管控

income_grade

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 3.5]	1211	11.21%	743	468	38.65%	1.59
2	(3.5, 4.5]	2510	34.45%	1766	744	29.64%	2.37
3	(4.5, 5.5]	3361	65.57%	2689	672	19.99%	4.00
4	(5.5, 6.5]	2503	88.74%	2150	353	14.10%	6.09
5	(6.5, inf]	1216	100.00%	1105	111	9.13%	9.95
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（38.65% → 9.13%），WOE 单调上升（-0.8187 → 1.0171），符合风控分箱预期。IV=0.2791，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 3.5]）为极高风险区间：坏率高达 38.65%，策略上应重点管控

repay_amt_6m_grade

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 2.5]	436	4.04%	245	191	43.81%	1.28
2	(2.5, 3.5]	1211	15.25%	802	409	33.77%	1.96
3	(3.5, 4.5]	2268	36.25%	1634	634	27.95%	2.58
4	(4.5, 5.5]	2991	63.94%	2384	607	20.29%	3.93
5	(5.5, 6.5]	2286	85.10%	1944	342	14.96%	5.68
6	(6.5, inf]	1609	100.00%	1444	165	10.25%	8.75
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（43.81% → 10.25%），WOE 单调上升（-1.0320 → 0.8883），符合风控分箱预期。IV=0.2577，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 43.81%，策略上应重点管控

tenure_m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 2.5]	696	6.44%	414	282	40.52%	1.47
2	(2.5, 5.5]	370	9.87%	269	101	27.30%	2.66
3	(5.5, 46.5]	7313	77.58%	5698	1615	22.08%	3.53
4	(46.5, 53.5]	1211	88.79%	970	241	19.90%	4.02
5	(53.5, 56.5]	416	92.64%	356	60	14.42%	5.93
6	(56.5, inf]	795	100.00%	746	49	6.16%	15.22
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调下降（40.52% → 6.16%），WOE 单调上升（-0.8970 → 1.4419），符合风控分箱预期。IV=0.1742，该变量区分度尚可。

WOE 在第 3、4 箱之间穿越 0 线：前 3 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 1 箱（(-inf, 2.5]）为极高风险区间：坏率高达 40.52%，策略上应重点管控

card_usage_ratio

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.107999999076128]	922	8.54%	854	68	7.38%	12.56
2	(0.107999999076128, 0.3381499946117401]	3589	41.76%	2904	685	19.09%	4.24
3	(0.3381499946117401, 0.6137499809265137]	4440	82.87%	3434	1006	22.66%	3.41
4	(0.6137499809265137, 0.782150000333786]	1369	95.55%	966	403	29.44%	2.40
5	(0.782150000333786, inf]	481	100.00%	295	186	38.67%	1.59
合计		10801		8453	2348	21.74%	3.60

关键结论

单调性良好：随分栏增大，Bad Rate 单调上升（7.38% → 38.67%），WOE 单调下降（1.2495 → -0.8197），符合风控分箱预期。IV=0.1594，该变量区分度尚可。

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(0.782150000333786, inf]）为极高风险区间：坏率高达 38.67%，策略上应重点管控

bank_997_cnt_3m

组号	Value	Tot. Records	累计占比	#Goods	#Bads	Bad Rate	G/B Odds
1	(-inf, 0.5]	3447	31.91%	2899	548	15.90%	5.29
2	(0.5, 1.5]	3739	66.53%	2928	811	21.69%	3.61
3	(1.5, 2.5]	2224	87.12%	1655	569	25.58%	2.91
4	(2.5, 3.5]	969	96.09%	694	275	28.38%	2.52
5	(3.5, inf]	422	100.00%	277	145	34.36%	1.91
合计		10801		8453	2348	21.74%	3.60

关键结论

WOE 在第 2、3 箱之间穿越 0 线：前 2 箱 WOE>0（客户质量优于整体），后 3 箱 WOE<0（风险高于平均）

第 5 箱（(3.5, inf]）为高风险区间：坏率高达 34.36%，可作为拒绝或重点风控策略的阈值参考

13 压力测试

注：验证压力情境下模型的有效性和区分能力稳定性：a.坏浓度更高样本 b.时间外样本 c.特定特征客群 d.极端时间样本。当前流程自动生成情景1（跨时间样本）与情景2（跨时间样本剔除一半好样本，批注16）。

测试情景1：跨时间验证样本

变量贡献度

变量	贡献度
risk_score	0.6964
avg_tnr	0.1261
card_usage_ratio	0.1119
income_grade	0.0704
cust_seg2	0.0670
bank_997_cnt_3m	0.0593
tenure_m	0.0576
query_cnt_3m	0.0535
repay_amt_6m_grade	0.0488

区分度验证 — LR + WOE 评分卡 @ 跨时间样本

KS = 0.3384，GINI = 0.4618

测试情景2：跨时间样本剔除一半好样本

指标	数值
样本量	6000 → 3688（剔除好样本 2312）
KS	0.3340
AUC	0.7277
GINI	0.4554

注：情景2 模拟好样本分布右移的压力情形（固定 seed=42，可复现）；剔除后 KS/AUC 下降幅度反映模型对好样本结构的敏感度。

00 模型概要信息

01 模型设计

建模数据样本窗口

模型好坏定义

样本排除规则

滚动率分析

02 数据流

开发时点 — 样本排除

总体样本概况

开发/预留验证样本交叉统计

细致变量分析（预分箱口径，开发样本）

03 单变量分析（细分箱）

04 单变量分析（粗分箱）

05 变量筛选

06 回归结果

07 VIF

VIF

相关系数（WOE 转换后，开发样本）

08 最终评分卡

09 模型表现

模型区分度评估（按样本）

LR + WOE 评分卡 — 4 样本评估表（score_cut 粒度）

开发样本（KS 0.0185，AUC 0.4937）

测试样本（KS 0.0409，AUC 0.4845）

训练+测试样本（KS 0.0182，AUC 0.4951）

跨时间验证样本（KS 0.0169，AUC 0.4986）

10 KS和GINI

LR + WOE 评分卡

开发样本

测试样本

训练+测试样本

跨时间验证样本

11 PSI

模型稳定性评估

分数段 PSI 明细（开发样本 vs 跨时间验证样本）

分数段 PSI 明细（开发样本 vs PSI时点样本）

模型样本量分布评估

变量 PSI（开发样本 vs PSI时点样本，按入模变量分箱）

12 单变量分析

13 压力测试

测试情景1：跨时间验证样本

变量贡献度

区分度验证 — LR + WOE 评分卡 @ 跨时间样本

测试情景2：跨时间样本剔除一半好样本