PL 
EnglishDomyślny
Українська🏦 Model scoringu kredytowego — kreator scorecard na żywo
Zbuduj scorecard kredytowy z syntetycznych cech wnioskodawców i obserwuj, jak wskaźnik zatwierdzeń, wskaźnik niewypłacalności i zysk zmieniają się razem, gdy przeciągasz próg oceny punktowej.
O modelu scoringu kredytowego
Banki i pożyczkodawcy rzadko wręczają doradcy kredytowemu surowe prawdopodobieństwo w rodzaju „14,3% szansy na niewypłacalność” — wręczają scoring. Scorecard kredytowy bierze log-szanse wynikające z wytrenowanego klasyfikatora i przeskalowuje je na prostą, interpretowalną skalę liczb całkowitych (zwykle 300-850), używając stałego przesunięcia i mnożnika wyprowadzonych z konwencji „punkty do podwojenia szans” (PDO). Ponieważ przeskalowanie jest liniową (afiniczną) transformacją log-szans, żadna zdolność dyskryminacyjna modelu nie zostaje utracona — ale wynik staje się rozkładalny: sumę każdego wnioskodawcy można rozłożyć na punkty przypisane każdej cesze bazowej, co jest dokładnie tym, czego regulatorzy i zespoły ryzyka kredytowego oczekują móc skontrolować.
Ta symulacja generuje syntetyczną populację kilkuset wnioskodawców kredytowych z czterema rzeczywistymi cechami bazowymi — roczny dochód, wskaźnik zadłużenia do dochodu (DTI), wynik historii płatności oraz wykorzystanie kredytu odnawialnego — trenuje prawdziwą regresję logistyczną na tych cechach metodą spadku gradientu na funkcji straty entropii krzyżowej, a następnie przekształca wytrenowane wagi w rzeczywisty scorecard punktowy za pomocą skalowania PDO. Przeciąganie suwaka progu oceny zmienia, kto zostaje zatwierdzony, a wskaźnik zatwierdzeń, wskaźnik niewypłacalności wśród zatwierdzonych i oczekiwany zysk portfela aktualizują się razem z tego samego przemiatania progu na tej samej populacji bazowej — ponieważ wszystkie trzy liczby są obliczane z tej samej posortowanej listy wyników, nie mogą poruszać się niezależnie od siebie.
Najczęściej zadawane pytania
Czym jest scorecard kredytowy i czym różni się od użycia surowego prawdopodobieństwa?
Scorecard bierze log-szanse wynikające z wytrenowanej regresji logistycznej — wielkość trudną do intuicyjnej oceny dla doradcy kredytowego — i przeskalowuje je na prostą skalę liczb całkowitych, zwykle 300-850, za pomocą dwóch stałych zwanych przesunięciem i mnożnikiem. Ponieważ przeskalowanie jest liniową transformacją log-szans, zachowuje dokładnie całą zdolność dyskryminacyjną modelu; nic nie ginie. Zyskuje się interpretowalność i addytywność: transformacja pozwala rozłożyć całkowity wynik na punkty przypisane każdej cesze wejściowej, więc bank może dosłownie wręczyć wnioskodawcy wydrukowane zestawienie pokazujące, ile punktów pochodzi z dochodu, wskaźnika DTI, historii płatności i wykorzystania kredytu — czego surowe prawdopodobieństwo nie potrafi.
Jak dokładnie obliczane są punkty za dochód, wskaźnik DTI, historię płatności i wykorzystanie w tej symulacji?
Symulacja najpierw trenuje prawdziwą regresję logistyczną metodą spadku gradientu na funkcji straty entropii krzyżowej na syntetycznej populacji wnioskodawców, produkując wagę dla każdej z czterech znormalizowanych cech plus człon obciążenia (bias). Skalowanie punktów do podwojenia szans (PDO) przekształca następnie ten wektor wag w mnożnik i przesunięcie: mnożnik = PDO / ln(2), a przesunięcie dobiera się tak, by referencyjny stosunek szans (50 dobrych kont na 1 zły) trafiał w docelowy wynik. Wkład punktowy każdej cechy dla danego wnioskodawcy to −mnożnik × waga × (znormalizowana wartość cechy), a człon obciążenia staje się stałym wkładem punktów bazowych — więc cztery wyświetlane wkłady cech plus punkty bazowe zawsze sumują się dokładnie do całkowitego wyniku wnioskodawcy.
Dlaczego wskaźnik zatwierdzeń, wskaźnik niewypłacalności i zysk poruszają się razem, gdy przeciągam próg, zamiast niezależnie?
Wszystkie trzy liczby są obliczane z tej samej posortowanej listy wyników wnioskodawców i tej samej stałej populacji dobrych/złych wyników — tylko próg zmienia, którzy wnioskodawcy trafiają po zatwierdzonej stronie linii. Podniesienie progu zawsze zmniejsza zbiór zatwierdzonych (niższy wskaźnik zatwierdzeń) i zawsze usuwa najpierw wnioskodawców o najniższym wyniku i najwyższym ryzyku (niższy wskaźnik niewypłacalności wśród pozostałych), ponieważ wyniki są monotoniczne względem modelowanego ryzyka. Zysk to suma zrealizowanej marży na zatwierdzonych dobrych kontach minus zrealizowana strata na zatwierdzonych złych kontach w tym samym kurczącym się zbiorze, więc z konieczności wykreśla jedną krzywą napędzaną dokładnie tym samym przemiataniem progu — nie ma sposobu, by trzy krzywe nie zgadzały się co do tego, którzy wnioskodawcy są „w środku” przy danym progu.