智能风控：Python 金融风险管理与评分卡建模 - 梅子行/毛鑫宇

<Img src="https://cosmos-x.oss-cn-hangzhou.aliyuncs.com/s33648744.jpg" alt="s33648744" width=300 />

本书基于 Python 讲解了信用风险管理和评分卡建模，从风险业务、统计分析方法、机器学习模型 3 个维度展开，详细讲解了信用风险量化相关的数据分析与建模手段。

关于作者

梅子行/毛鑫宇 是金融科技风控领域专家：

• 风控从业者：在金融机构从事风险管理工作多年
• 技术实践者：专注于机器学习在风控领域的应用
• 知识分享者：在知乎、GitHub 等平台分享风控技术文章
• 开源贡献者：参与风控相关开源项目开发

作者团队以其"实战导向、代码驱动"的写作风格著称，他们将信贷风控的实战经验与 Python 技术相结合，提供了大量可落地的代码和案例。

经典摘录

风控的核心不是拒绝风险，而是识别、定价和管理风险。

评分卡是将用户特征转化为信用分数的数学模型。

好的风控模型是在准确率和稳定性之间找到平衡。

特征工程的质量决定了模型效果的上限。

风控模型不仅要预测准确，还要可解释、可追溯。

数据是风控的燃料，算法是风控的引擎。

风控是金融业务的生命线。

核心内容

1. 信用风险管理基础

信用风险概述

1. 信用风险定义
   - 借款人违约导致损失的风险
   - 金融机构面临的主要风险
   - 巴塞尔协议核心关注点

2. 风险类型

   违约风险 (Default Risk)：
   - 借款人无法按时还款
   - 最直接的信用风险

   敞口风险 (Exposure Risk)：
   - 风险暴露的大小
   - 贷款金额、剩余期限

   回收风险 (Recovery Risk)：
   - 违约后能收回多少
   - 抵押物、追偿能力

3. 风险管理流程

   贷前：
   - 反欺诈
   - 信用评估
   - 授信审批
   - 定额定价

   贷中：
   - 放款审核
   - 用信监控
   - 行为评分

   贷后：
   - 还款监控
   - 逾期管理
   - 催收
   - 资产处置

4. 关键指标

   不良率 (NPL Ratio)：
   - 不良贷款/总贷款
   - 衡量资产质量

   逾期率 (Delinquency Rate)：
   - 逾期贷款/总贷款
   - 早期预警指标

   核销率 (Charge-off Rate)：
   - 核销金额/平均贷款余额
   - 实际损失

   回收率 (Recovery Rate)：
   - 收回金额/违约金额
   - 催收效果

2. 评分卡模型

评分卡类型

1. 申请评分卡 (A 卡)

   用途：
   - 贷前审批
   - 新客户信用评估
   - 决定是否放款

   数据源：
   - 申请表信息
   - 征信报告
   - 外部数据

   特点：
   - 样本量大
   - 特征稳定
   - 要求高准确率

2. 行为评分卡 (B 卡)

   用途：
   - 贷中管理
   - 存量客户评估
   - 提额、定价依据

   数据源：
   - 还款历史
   - 用信行为
   - 账户变动

   特点：
   - 数据丰富
   - 时效性强
   - 可频繁更新

3. 催收评分卡 (C 卡)

   用途：
   - 贷后管理
   - 逾期客户评估
   - 催收策略制定

   数据源：
   - 逾期信息
   - 催收记录
   - 还款承诺

   特点：
   - 针对逾期客户
   - 预测还款概率
   - 优化催收资源

4. 反欺诈评分卡 (F 卡)

   用途：
   - 识别欺诈申请
   - 第一道防线
   - 拒绝明显欺诈

   数据源：
   - 设备指纹
   - 行为数据
   - 黑名单
   - 关联网络

   特点：
   - 实时性要求高
   - 规则 + 模型
   - 宁错杀不放过

3. 特征工程

特征处理流程

1. 数据探索

   缺失值分析：
   ```python
   import pandas as pd
   import numpy as np

   # 缺失值统计
   missing = df.isnull().sum()
   missing_ratio = df.isnull().sum() / len(df)

   # 缺失值可视化
   import matplotlib.pyplot as plt
   plt.figure(figsize=(10, 6))
   missing_ratio.sort_values(ascending=False).head(20).plot.bar()
   plt.title('Top 20 Features with Missing Values')
   plt.ylabel('Missing Ratio')

异常值检测：

# 箱线图检测异常值
plt.boxplot(df['amount'])

# 3σ原则
mean = df['amount'].mean()
std = df['amount'].std()
outliers = df[(df['amount'] \< mean - 3*std) |
              (df['amount'] > mean + 3*std)]

2. 特征选择

   过滤法：

   from sklearn.feature_selection import VarianceThreshold
   
   # 低方差过滤
   vt = VarianceThreshold(threshold=0.01)
   X_filtered = vt.fit_transform(X)
   
   # 相关系数过滤
   corr_matrix = df.corr()
   # 删除高相关特征

   包装法：

   from sklearn.feature_selection import RFE
   from sklearn.linear_model import LogisticRegression
   
   # 递归特征消除
   model = LogisticRegression()
   rfe = RFE(estimator=model, n_features_to_select=10)
   rfe.fit(X, y)

   嵌入法：

   from sklearn.ensemble import RandomForestClassifier
   
   # 特征重要性
   rf = RandomForestClassifier()
   rf.fit(X, y)
   importances = rf.feature_importances_

3. 特征转换

   分箱 (Binning)：

   # 等宽分箱
   df['age_bin'] = pd.cut(df['age'], bins=5)
   
   # 等频分箱
   df['income_bin'] = pd.qcut(df['income'], q=5)
   
   # 自定义分箱
   bins = [0, 18, 25, 35, 45, 55, 60, 100]
   labels = ['\<18', '18-25', '25-35', '35-45', '45-55', '55-60', '60+']
   df['age_bin'] = pd.cut(df['age'], bins=bins, labels=labels)

   编码：

   # Label Encoding
   from sklearn.preprocessing import LabelEncoder
   le = LabelEncoder()
   df['city_encoded'] = le.fit_transform(df['city'])
   
   # One-Hot Encoding
   df = pd.get_dummies(df, columns=['city'])

4. WOE 编码

   定义：

   def calculate_woe(df, feature, target):
       """计算特征的 WOE 值"""
       grouped = df.groupby(feature)[target].agg(['sum', 'count'])
       grouped['good'] = grouped['count'] - grouped['sum']
   
       total_bad = df[target].sum()
       total_good = len(df) - total_bad
   
       grouped['bad_dist'] = grouped['sum'] / total_bad
       grouped['good_dist'] = grouped['good'] / total_good
   
       # WOE = ln(good_dist / bad_dist)
       grouped['woe'] = np.log(grouped['good_dist'] / grouped['bad_dist'])
   
       return grouped['woe'].to_dict()

### 4. 模型评估指标

评估指标体系

1. 混淆矩阵

   from sklearn.metrics import confusion_matrix
   
   # 混淆矩阵
   cm = confusion_matrix(y_true, y_pred)
   
   # 可视化
   import seaborn as sns
   sns.heatmap(cm, annot=True, fmt='d', cmap='Blues')

2. 基础指标

   准确率 (Accuracy)：

   from sklearn.metrics import accuracy_score
   accuracy = accuracy_score(y_true, y_pred)

   精确率 (Precision)：

   from sklearn.metrics import precision_score
   precision = precision_score(y_true, y_pred)
   # 预测为坏客户中，真正的坏客户比例

   召回率 (Recall)：

   from sklearn.metrics import recall_score
   recall = recall_score(y_true, y_pred)
   # 真正的坏客户中，被预测出来的比例

   F1 分数：

   from sklearn.metrics import f1_score
   f1 = f1_score(y_true, y_pred)
   # 精确率和召回率的调和平均

3. KS 统计量

   定义：

   def calculate_ks(y_true, y_score):
       """计算 KS 统计量"""
       from sklearn.metrics import roc_curve
       fpr, tpr, thresholds = roc_curve(y_true, y_score)
       ks = max(tpr - fpr)
       return ks

   解读：

   • KS < 0.2: 模型效果差
   • 0.2 <= KS < 0.3: 一般
   • 0.3 <= KS < 0.4: 良好
   • KS >= 0.4: 优秀

4. AUC-ROC 曲线

   from sklearn.metrics import roc_curve, auc
   import matplotlib.pyplot as plt
   
   fpr, tpr, thresholds = roc_curve(y_true, y_score)
   roc_auc = auc(fpr, tpr)
   
   plt.figure(figsize=(8, 6))
   plt.plot(fpr, tpr, label=f'AUC = {roc_auc:.3f}')
   plt.plot([0, 1], [0, 1], 'k--')
   plt.xlabel('False Positive Rate')
   plt.ylabel('True Positive Rate')
   plt.title('ROC Curve')
   plt.legend()

5. PSI 稳定性指标

   def calculate_psi(expected, actual):
       """计算 PSI (Population Stability Index)"""
       def get_bins(data):
           return np.histogram(data, bins=10, density=True)[0]
   
       expected_dist = get_bins(expected)
       actual_dist = get_bins(actual)
   
       psi = np.sum((actual_dist - expected_dist) *
                    np.log(actual_dist / expected_dist))
       return psi

   解读：

   • PSI < 0.1: 稳定
   • 0.1 <= PSI < 0.25: 轻微变化
   • PSI >= 0.25: 显著变化

5. 机器学习模型

常用风控模型

1. 逻辑回归 (Logistic Regression)

   优点：

   • 可解释性强
   • 输出概率
   • 评分卡基础

   from sklearn.linear_model import LogisticRegression
   
   model = LogisticRegression(
       C=1.0,
       penalty='l2',
       class_weight='balanced',
       max_iter=1000
   )
   model.fit(X_train, y_train)
   
   # 特征系数
   coef = pd.DataFrame({
       'feature': feature_names,
       'coefficient': model.coef_[0]
   })

2. 决策树 (Decision Tree)

   优点：

   • 易于理解
   • 可处理非线性
   • 不需要特征缩放

   from sklearn.tree import DecisionTreeClassifier
   
   model = DecisionTreeClassifier(
       max_depth=5,
       min_samples_split=100,
       min_samples_leaf=50,
       class_weight='balanced'
   )
   model.fit(X_train, y_train)

3. 随机森林 (Random Forest)

   优点：

   • 准确率高
   • 不易过拟合
   • 特征重要性

   from sklearn.ensemble import RandomForestClassifier
   
   model = RandomForestClassifier(
       n_estimators=100,
       max_depth=10,
       min_samples_split=100,
       class_weight='balanced',
       n_jobs=-1
   )
   model.fit(X_train, y_train)

4. XGBoost

   优点：

   • 高性能
   • 处理缺失值
   • 正则化防止过拟合

   import xgboost as xgb
   
   model = xgb.XGBClassifier(
       n_estimators=100,
       max_depth=5,
       learning_rate=0.1,
       subsample=0.8,
       colsample_bytree=0.8,
       scale_pos_weight=1  # 处理样本不平衡
   )
   model.fit(X_train, y_train)

5. LightGBM

   优点：

   • 训练速度快
   • 内存占用低
   • 准确率高

   import lightgbm as lgb
   
   model = lgb.LGBMClassifier(
       n_estimators=100,
       max_depth=5,
       learning_rate=0.1,
       subsample=0.8,
       colsample_bytree=0.8,
       scale_pos_weight=1
   )
   model.fit(X_train, y_train)

### 6. 模型部署与监控

模型部署

1. 模型保存

   import joblib
   
   # 保存模型
   joblib.dump(model, 'credit_model.pkl')
   
   # 保存预处理
   joblib.dump(scaler, 'scaler.pkl')

2. 模型加载与预测

   import joblib
   
   # 加载模型
   model = joblib.load('credit_model.pkl')
   scaler = joblib.load('scaler.pkl')
   
   # 预测
   X_scaled = scaler.transform(X_new)
   y_pred = model.predict(X_scaled)
   y_prob = model.predict_proba(X_scaled)[:, 1]

3. API 服务

   from flask import Flask, request, jsonify
   
   app = Flask(__name__)
   
   @app.route('/predict', methods=['POST'])
   def predict():
       data = request.json
       X = pd.DataFrame([data])
       X_scaled = scaler.transform(X)
       prob = model.predict_proba(X_scaled)[0, 1]
       return jsonify({'probability': float(prob)})
   
   if __name__ == '__main__':
       app.run()

模型监控

1. 性能监控

   监控指标：

   • 每日 KS、AUC
   • 逾期率追踪
   • 通过率监控

   # 每日性能追踪
   daily_metrics = df.groupby('date').apply(
       lambda x: {
           'ks': calculate_ks(x['y_true'], x['y_score']),
           'auc': roc_auc_score(x['y_true'], x['y_score'])
       }
   )

2. 稳定性监控

   PSI 监控：

   # 每月计算 PSI
   psi_values = []
   for month in months:
       psi = calculate_psi(train_score, month_score)
       psi_values.append(psi)
   
   # 绘制 PSI 趋势
   plt.plot(psi_values)
   plt.axhline(y=0.1, color='y', linestyle='--', label='Warning')
   plt.axhline(y=0.25, color='r', linestyle='--', label='Critical')

3. 特征监控

   特征分布监控：

   # 监控特征均值变化
   feature_means = df.groupby('date')[feature_cols].mean()
   
   # 控制图
   for col in feature_cols:
       mean = feature_means[col].mean()
       std = feature_means[col].std()
       plt.plot(feature_means.index, feature_means[col])
       plt.axhline(y=mean, color='b')
       plt.axhline(y=mean+3*std, color='r', linestyle='--')
       plt.axhline(y=mean-3*std, color='r', linestyle='--')

4. 模型更新

   更新策略：

   • 定期重训练（季度/半年）
   • PSI 超阈值时
   • 业务变化时

## 读书心得

《智能风控：Python 金融风险管理与评分卡建模》是一本实用的风控技术书籍。它将信贷风控的业务知识与 Python 技术实现相结合，提供了大量可落地的代码。

**评分卡体系**的讲解很系统。A 卡（申请评分卡）用于贷前审批，B 卡（行为评分卡）用于贷中管理，C 卡（催收评分卡）用于贷后管理。不同类型的评分卡服务于不同的业务场景。

**特征工程**是风控建模的核心。WOE 编码、分箱、特征选择，这些技术直接影响模型效果。书中提供了详细的代码实现，可以直接应用到项目中。

**模型评估指标**体系很完整。KS 统计量、AUC、PSI 等指标是风控模型的标配。理解这些指标的含义和计算方法，对于模型开发和监控都很重要。

**机器学习模型**的应用很实用。逻辑回归是评分卡的基础，树模型（随机森林、XGBoost、LightGBM）在风控中也越来越常用。书中对比了各模型的优缺点。

对于从事风控工作的同行，这本书提供了：
- 完整的业务知识框架
- 实用的 Python 代码
- 可落地的建模流程
- 模型监控方法

推荐给所有对风控建模感兴趣的同行。