📰 来源：Towards Data Science　|　📅 翻译日期：2026年6月25日
🔗 原文：查看原文
🤖 翻译：DeepSeek AI · 仅供参考

本文所有代码可在 GitHub 上获取。业务逻辑和建模函数位于 src/selection 目录，具体文件为：

src/modeling/score_computation.py

对应的分析和结果记录在：

09_score_computation.qmd

图像、表格和图表均借助 Codex 编码助手生成。

FICO 信用评分逻辑

在美国，信用评分无处不在。它决定你是否能获得贷款、信用卡甚至租房。大多数决策背后的模型是 FICO。其逻辑简单明了：

• 付款历史（35%）：按时支付账单。
• 欠款金额（30%）：保持信用卡使用率低于 20%。
• 信用历史长度（15%）：越长越好。
• 信用组合（10%）：使用不同类型的信用。
• 新信用（10%）：限制新申请。

如果你按时支付信用卡账单，分数就会上升。付款历史权重最高。

这些权重产生一个分数，分为几个区间：

• 300–579：较差
• 580–669：一般
• 670–739：良好
• 740–799：优秀
• 800–850：极佳

本文遵循相同的逻辑，但将其应用于我们自己的模型。

我们的模型与数据

我们使用本系列构建评分模型的数据集。目标很简单：为每个保留的变量分配权重，计算数据中每个客户的分数，并展示如何计算新客户的分数。

像之前一样，Codex 帮助编写代码并构建表格和图表。我反复强调这一点，因为它很重要：你可以使用 AI 代理来加快工作速度，但要检查它们的输出。只有验证后，信任才会增长。使用这些工具，但保持警惕。

上次我们保留了四个变量：

• loan_int_rate：贷款利率
• loan_percent_income：收入用于还款的比例
• cb_person_default_on_file：借款人是否有过违约
• home_ownership_3：借款人的住房状况

像 FICO 一样，我们为每个变量分配权重，并从 0 到 1000 构建分数。高分意味着低风险，低分意味着高风险。

从模型系数到分数

我们将每个系数转化为分数。

变量每个类别的分数

以 loan_int_rate 为例。类别 ii 的分数为：

$$ SC(j,i) = 1000 \times \frac{ |c(j,i)-\alpha_j| }{ \sum_{j=1}^{p}\alpha_j } $$

其中，c(j,i) 是变量 j 类别 i 的系数，α_j 是变量 j 的最大系数。例如，对于 loan_int_rate，最大系数为 α_j = 1.357044926979。

该公式给出了下面的分数表。

客户分数计算步骤

以一个新客户为例，我们逐一检查每个变量所属的类别：

• loan_int_rate 为 10%：分数 181.72
• loan_percent_income 为 25%：分数 0
• 无过往违约（cb_person_default_on_file = N）：分数 59.52
• 拥有房屋（home_ownership_3 = OWN）：分数 373.94

将这些分数相加得到客户的最终分数：

$$ 181.72 + 59.52 + 0 + 373.94 = 615.18 $$

我们对数据中的每个客户重复此过程。

每个变量的重要性

一旦有了分数，我们便询问：哪个变量的影响最大？

我们在训练数据上测量：

$$ q_j = \frac{ \sum_{k=1}^{m_j} p_k \cdot |\overline{SC}_j - SC_k| }{ \sum_{j'=1}^{n} \sum_{k=1}^{m_{j'}} p_k \cdot |\overline{SC}_{j'} - SC_k| } $$

其中，

• p_k：变量 j 中类别 k 的客户比例；
• \overline{SC}_j：变量 j 经人口加权的平均得分；
• m_j：变量 j 的类别数量；
• n：模型中变量数量。

简而言之，q_j 表示变量 j 对分数的驱动程度。其不同类别之间的差异越大，权重越高。

下表显示每个变量的权重：

• loan_percent_income 权重最大，为 35%。
• 其次是 home_ownership_3，31%。
• 然后是 loan_int_rate，28%。
• 最后是 cb_person_default_on_file。

这很合理。将超过 20% 的收入用于还款的客户风险高。该变量对分数影响最大是好消息：模型捕捉到了正确的信号。

分数能否有效区分风险？

在构建风险网格之前，我们检查分数是否履行了职责：区分违约者与非违约者。

我们绘制每组分数密度图，按违约状态分割，并覆盖训练集、测试集和跨期数据。

两条曲线相距越远，分数效果越好。

我们看到：违约集中在低分区域，非违约集中在高分区域。这正是我们想要的：高分低风险。

构建风险网格

现在我们构建网格。

步骤 1：按分数分组的违约率

我们将分数划分为 20 个等分组，并绘制各组的违约率。从分数二十等分位（20个等大小分段）与违约率的关系图开始。

该图表是网格的基础：它自然地提供了将 20 个分段合并为六个风险类别的起始点。

步骤 2：六个风险类别

基于上图，我们将 20 个分段分组如下：

• 组 1、2、3：分数 0-241，最低分，最高风险。
• 组 4、5、6：分数 241-331。
• 组 7、8：分数 332-498。
• 组 9、10、11、12：分数 498-589。
• 组 13、14、15、16、17：分数 589-780。
• 组 18、19、20：分数 781-1000，最高分，最低风险。

这些类别必须满足三个规则：

✓ 每个类别内部风险一致；
✓ 每个类别与下一个类别的风险差异至少 30%；
✓ 每个类别至少包含 1% 的所有客户。

上表显示这些规则被遵守。

步骤 3：检查稳定性

风险网格只有在时间推移中保持稳定才有效。我们检查两点：

• 较风险类别在后续时间段中是否保持高风险？
• 较安全类别是否保持低风险？

我们将在后续文章中进行验证。

参考资料

• GitHub 仓库 - 完整代码
• FICO 评分标准官方文档