业务总结思考 | 额度授信模型/拒绝捞回模型/定义坏样本( 二 ) _大数据

04
Q：拒绝规则按照命中个数，稳定性怎么样，后续怎么迭代？
A：措施建议：可以采用PSI指标来监测规则的稳定性情况，优先监测规则区间的稳定性结果，然后关注变量本身多个区间的稳定性结果，这个工作是可以一次性出结果的，只是重点看规则那个区间的波动情况。
如果波动性比较大，先采用阈值调整，一般是缩小占比，以保证不同时间窗样本下比较稳定，当然区分度还是保持好的，如果阈值不好调整，那就需要将此规则直接弃用，或者与别的规则进行组合使用。
05
Q：如何定义坏样本？
A：概念：坏样本的定义都是围绕业务展开的，具体实践可以分为两种类型：
第1种是通过“数据分析“，也就是常说到的“滚动率分析”与“账龄分析”，这是最客观的分析方法，已经成为一种“标配”；
第2种是通过“业务定义”，根据某逾期表现来直接定义，常见的有pd0、pd3、pd7、pd15、pd30等（pd代表逾期天数大于，比如pd3代表大于3天），可能还会加上逾期金额等限制，具体需要看场景特点。
这种情况在实际应用较多，虽然是根据业务，但本质上还是来源于数据分析(也就是第一种类型)，只是最开始的时候经过分析得到，而后边由于产品业务比较稳定，好坏定义已经成为一种默认规则，也就不需要每次去做数据分析，一般情况下，一旦业务相对成熟且稳定，好坏定义也是相对比较固定的。
如果你喜欢、想要看更多的干货类型的文章，可以把公众号设为星标，顺便转发分享～
FAL长期对外征稿，邀请各大风控人士加入我们，在风控圈分享你的经验与知识征稿，快到碗里来，有稿费那种！