deductor credit scorecard modeler
TRANSCRIPT
![Page 1: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/1.jpg)
Deductor Credit Scorecard Modeler
![Page 2: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/2.jpg)
Построение скоринговой системы делится на две подзадачи:
Deductor Credit Scorecard Modeler решает задачу построения карт.
Задачи скоринга
Построение скоринговых карт
Встраивание карты в бизнес-процесс
![Page 3: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/3.jpg)
Подготовка скоринговой выборки
Анализ жизненных циклов счетов
Сэмплинг
Двумерный анализ –конечные классы
(одобренные)
Моделирование (предварительная карта)
Добавление в выборку отказов (Reject Inference)
Перестройка карт с учетом отказов
(окончательная карта)
Сравнение качества карт, выбор оптимальной, назначение балла
отсечения
Тестовая эксплуатация и мониторинг
Разработка скоринговой карты
![Page 4: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/4.jpg)
Предочищенные выборки
Просрочки
Флаги счетов
Подготовка скоринговой выборки
Настроенная структура
витрины данных
![Page 5: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/5.jpg)
Анализ счетов: винтажи
Винтажный анализ –расчет накопительной
суммы потерь поколений счетов
![Page 6: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/6.jpg)
Анализ счетов: матрица миграции
55% счетов, попавших в 1-й год в 60+, не
улучшат свой статус
![Page 7: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/7.jpg)
Undersampling: балансировка
плохих/хороших счетов
Разбиение на множества
Исходная выборка
Все данные –
100%
Рабочее –
70%
Плохие –
100%
Хорошие –
40%
Тестовое –
30%Без изменений
Сэмплинг
![Page 8: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/8.jpg)
Скоринговая карта строится на категориальных атрибутах –необходимо квантование.
Конечные классы – механизм поиска компромисса между:
Точностью
Интерпретируемостью
Значимостью
Конечные классы
![Page 9: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/9.jpg)
Конечные классы: настройка
Выбор лучшего варианта
квантования
![Page 10: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/10.jpg)
Конечные классы: WoE
Weight of Evidence –оценка
предсказательной силы атрибута
![Page 11: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/11.jpg)
Конечные классы: IV
Information Value –выбор значимых атрибутов для
построения скоринговой карты
![Page 12: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/12.jpg)
Моделирование: карта
Баллы скоринговой
карты
![Page 13: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/13.jpg)
Калибровка – преобразование модели логистической регрессии в скоринговуюкарту:
Масштабирование – перевод коэффициентов в баллы (по умолчанию в стандарт FICO);
Сдвиг и внесение поправки на априорные вероятности.
Моделирование: калибровка
![Page 14: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/14.jpg)
Reject Inference (анализ отклоненных заявок) –процедура включения в данные для построения скоринговой модели отклоненных заявок с целью смещения результата.
Опциональный этап, в некоторых случаях может улучшить качество скоринговой карты.Рекомендуется при большом числе отказов в истории заявок.
Reject Inference
![Page 15: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/15.jpg)
Скоринговый балл для отказанных заявок с использованием предварительной карты
Определение статуса счета методами Reject Inference: Hard Cut-Off, Random Parceling
Пополнение скоринговой выборки отказами
Повторное моделирование
Перекалибровка скоринговой карты
Reject Inference: моделирование
![Page 16: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/16.jpg)
Оценка качества карты
![Page 17: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/17.jpg)
Gini = B / (A + B)
Индекс Джини –интегральная характеристика, позволяющая судить о прогностической силе скоринговойкарты
Качество карты: индекс GINI
Портфель, упорядоченный по баллу карты
Плохие Хорошие
Доля о
т в
сех
плохих
Плохие Хорошие
Случайное угадывание
B - скоринговаякарта
A – идеальная модель
![Page 18: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/18.jpg)
0
10
20
30
40
50
60
70
80
90
100
300 350 400 450 500 550 600 650 700 750 800 850 900
Плохие %, кумулятивный Хорошие %, кумулятивный
Качество карты: Статистика K-S
Статистика Колмогорова-Смирнова – максимальное
расстояние между функциями распределения
хороших и плохих
![Page 19: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/19.jpg)
Выбор порогового балла
3 базовых способа расчета
порогового балла
![Page 20: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/20.jpg)
Перед внедрением скоринговой карты нужно убедиться, что текущий поток клиентов соответствует клиентам, на которых производилось моделирование.
Отсутствие сдвига в совокупностях нужно проверять на регулярной основе и после внедрения скоринговой карты в процессы принятия решений.
Тестирование и мониторинг
![Page 21: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/21.jpg)
Тестирование и мониторинг
Индекс сдвига
популяции – PSI Index
![Page 22: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/22.jpg)
Выдача кредитов
Скоринг
Заявки
Мониторинг, перекалибровка и возможность «горячей» замены карт.
Интеграция в кредитный конвейер не входит в состав данного решения.
Тестирование и мониторинг
![Page 23: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/23.jpg)
Учебники, руководстваБазовое дистанционное обучение, 1-2 месяца
Очный тренинг –теория и практика
скоринга, 4 дня
Обучение риск-аналитиков
![Page 24: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/24.jpg)
Deductor Credit Scorecard Modelerпозволяет:
в 5-6 раз сократить трудозатраты аналитиков
обосновать корректность каждого этапа построения карты
адаптировать без программирования, в том числе методами Data Mining
Ключевые преимущества
![Page 25: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/25.jpg)
Базель II предоставляет банкам возможность использовать внутренние рейтинги при расчете достаточности капитала для покрытия кредитных рисков.
Кредитный скоринг позволяет рассчитать:
вероятность дефолта контрагента (PD)
Ожидаемые (EL) и неожидаемые (UL) потери
Количественное выражение рисков
Подготовка к Базелю II
![Page 26: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/26.jpg)
Решение позволяет выполнить минимальные требования Базель II в части кредитных рисков:
Скоринговый балл – количественная оценка риска заемщика и транзакции
Обоснование рейтинговых критериев на базе статистики кредитов
Регулярный пересмотр и корректировка рейтингов
Требования Базель II
![Page 27: Deductor Credit Scorecard Modeler](https://reader031.vdocuments.net/reader031/viewer/2022013102/55a84cd61a28ab68708b466b/html5/thumbnails/27.jpg)
Потребительский кредит
Кредитные карты
Ипотека
Автокредит
Микрозаймы
Deductor в банках