欢迎加入全国风控微信群组：免费加入，详情可添加管理萌萌：risk0392回复微信群组
2021-8-27线上直播课程< 互联网业务风险管理之反欺诈策略详解>，文末扫码报名即可～
信用评分模型是根据过去信用记录和个人资料进行数据分析，描述影响个人信用水平的因 素，从而帮助贷款机构发放消费信贷的一整套决策模型。信用评分的目的是为了帮助银行决 策，使银行确定对特定的客户采取特定的行动，它采用的技术主要是数理统计和人工智能的 有关技术，信用评分方法很多，而且随着技术的发展和业务上的要求，新的评分技术也在不 断推出，这里我们概要介绍其中几种。
1）判别分析法
该方法在个人信用评分历史上曾经是使用最广泛的方法。它通过利用所建立的判别函数 的系数对特征变量加权来确定个人的信用得分。最早将判别分析用于信用评分系统的是 Durand(1941)。它的特点是：要求特征变量服从多元正态分布，且两类子总体的协方差矩阵 相等。在实际消费信用数据中，这些条件往往不易满足。这是判别分析引起质疑和批评的主 要原因。
2）回归分析法
线性回归方法，普通的线性回归曾被用于解决信用评分中的分类问题，它产生的也是一个线 性评分卡。但是线性回归方法用于信用评分时存在明显缺陷，即回归方程两边变量的取值范 围可能不一致：右边取值可以从负无穷到正无穷，但方程的左边是概率变量 p，其取值范围 只能在（0，1）范围内。如果等式左边变换成 p 的一函数，它可以取任意值，则模型更有意 义，于是，对线性回归进行改进而形成的 Logistic 回归方法就成为信用评分模型中使用最 广泛的方法之一。Logistic 回归模型克服了线性回归模型的缺陷，其回归方程两边的值均可取任意值。就理论背景而言，人们会认为在信用评分中 Logistic 回归比线性回归更合适，而 Logistic 也是现实中应用最广的评分模型。
3）数学规划方法
该方法通过研究对客户信用有影响的各个因素并确定它们的权重，把客户分为好、坏两类， 从而建立一个线性规划方程，目的是使得方程误差最小，它也产生一个线性评分卡。绝大部 分文献认为线性规划方法与统计学方法效果相当。
4）神经网络方法
神经网络是一种模仿人脑信息加工过程的智能化信息处理技术，具有自组织性、自适应性及 较强的稳健性。神经网络模型类型较多，不下数十种。Chen& Titterington（1994）认为， 神经网络方法实际上可以看作一种非线性回归。该方法可能存在过度拟合的问题。Davis （1992）也比较过神经网络与其他方法，认为神经网络能很好地处理数据结构不太清楚的情 况，但其训练样本时间较长。此外，其可解释性较差也受到质疑。
5）分类树方法
分类树方法最后不生成一个评分卡，而是将消费者分成不同的组，在组内各样本的违约概率 尽量相等，而违约概率在组之间的差异则尽可能大。其特点是能更有效地处理特征变量之间 存在相互作用的情形，而且即使有些特征变量存在一定的数据缺失，该方法也能适用。分类 树方法也有一些缺陷，如某些低端节点所包含的样本可能太少，从而使得在这些节点中所作 41风控联盟 的统计推断不可靠。
6）最近邻方法
备注：内容来源于《数据挖掘在金融行业应用场景及方法》读书笔记，版权属于原作者
更多精彩扫码获取～
欢迎添加：
公众号：消费金融风控联盟，ID：xiaojinfengkong
公众号：天天学风控，ID：xuefengkong
Vivian：微信号：risk0392
欢迎加入联盟粉丝通讯录：免费加入+免费发布信息，详情可添加管理萌萌：risk0392回复通讯录
欢迎加入风控干货知识星球：详情可添加管理Vivian：risk0392回复知识星球
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
