信用评分建模中样本容量不足怎么办
在建立个人信用评分模型时,不仅需要有足够多的表征信贷申请人信用行为的特征变量,而且建模样本的容量也必须达到一定的数量。
一般来说,样本容量越大,所建立的模型的精度或预测能力就越高,模型也越稳健。
至于到底需要容量多大的样本才能建立一个预测精度较高,又具有较好稳健性的个人信用评分模型,目前还没有一个基于理论测算的最优数目,不过通过多年的建模实践,国外的许多学者提出了一些经验准则。
这些经验准则告诉我们,问题的关键并不在于建模样本容量的大小,而在于坏客户样本的数量。一个由50000个好客户,500个坏客户构成的建模样本并不比一个由5000个好客户,500个坏客户构成的样本含有更多的信息,因为在建立个人信用评分模型时坏客户样本所含的信息是我们重点关注的。
在实际的建模总体中,通常好客户的数量总是远远大于坏客户的数量,因此建模总体中坏客户数量的多少是能否成功地建立个人信用模型的关键因素之一。
在个人征信体系发达的国家,建模样本容量不足应该不是一个严重的问题。
这些国家解决这一问题可以有多种途径:
当需要对某种信用产品申请人进行评分时,若样本容量不足而不能建立评分模型,可以先用征信局的“通用化评分”来代替。待好、坏客户样本累积到一定容量后再建模。实际上有许多信用产品根本就不建立定制化的评分模型,而是直接用征信局提供的“通用化评分”对客户进行评价,当然这需要一定的成本。
由于社会征信体系较发达的国家一般其信用市场也较发达,信用产品比较丰富,在一个新的信用产品推广的初期,往往可以找到与之相类似的产品,用类似产品的样本建模在初期也是一个不错的选择。
在征信体系发达的国家,无论是信贷机构还是信用咨询机构都有较多的信用分析专家,利用这些专家的知识和经验可以建立所谓的“专家模型”。
就中国目前的状况而言,当建模样本不足时,以上3中解决方法均不是很有效的:
由于征信体系不发达,没有“通用化评分”可资利用;
消费信用产品还比较单一;
有关消费信用分析的专家还不多。
因此,样本容量不足是在中国现阶段建立个人信用评分模型时常常遇到的问题之一。
解决建模样本容量不足的方法有两类方法可以尝试:
一类是合并不同银行的相同产品的样本;
另一种是统计学中的Bootstrap方法。
方法1 将不同客户总体数据合并建模
当样本量不足时,最容易想到的一个解决办法是:将不同银行的相同产品的样本合并起来建立模型。
例如,当某个商业银行要针对其所发行的一种信用卡建立个人信用评分模型时,它可以将该银行在不同地区的分行的客户数据进行合并,这样在样本的数量上就可以满足建模的要求。
值得注意的是,这种合并不同总体的做法与通常建立个人信用评分时的做法是相反的。在建立个人信用评分模型时,为了提高模型的预测精度,当总体内部差异较大时,如果样本的容量足够大,在实际中的做法是将总体划分成几个内部一致性较好的子总体,然后对各个子总体分别建模。
关于将不同客户总体数据合并后建立模型的效果,国外的学者有过一些研究。大部分的实证研究表明,合并后建立的模型其精度往往会下降。
精度下降的原因可能来自两个方面:
由于各总体特征的差异较大影响了模型的预测能力;
各总体中保存的特征变量不尽一致,建模时往往只能使用各总体共有的部分。特征变量的减少,往往损失许多有用的信息。
方法2 Bootstrap方法应用于处理样本容量不足不同客户总体数据合并建模
将样本分成两部分,一部分是用于建模,另一部分用于检验。
这样做的主要目的是为了避免同时将一组样本既作为训练样本(用于建立模型)又作为检验样本从而对预测精度的估计过于乐观。在样本容量充足的情况下,这种做法是很有效的。但是在有些情况下,建模的样本数量并不是很充足。在这种情况下若还保留一部分样本进行检验显然不是一种有效的做法,这样会白白浪费掉保留样本中所包含的信息。
统计学中发展了多种方法来克服上述保留样本在样本容量不足时的缺陷,BootStrap方法是一种被证明行之有效的方法。
实际中的算法如下:
从经验分布F_n中有放回地抽取一个容量为n的样本(x_1,x_2,⋯,x_n)。通常称为BootStrap样本。
利用此样本计算θ的估计值,θ^*=θ(x_1,x_2,⋯,x_n)。通常称为BootStrap估计。
将过程(1),(2)重复K次,这样就得到K个BootStrap样本及K个BootStrap估计。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14