Python风控评分卡建模：逻辑回归与WOE分箱解析

本文深入剖析了Python金融风控评分卡建模的核心实践，直击直接使用逻辑回归训练原始连续变量的三大痛点——非线性关系失真、异常值敏感与监管不可解释性，并系统讲解如何通过业务主导的WOE分箱（而非盲目依赖自动算法）构建既符合银保监可解释性要求、又具备强鲁棒性和落地一致性的评分卡模型；从人工设定合理切点、WOE计算与箱体优化，到拒绝标准化、科学设定A/B参数实现分数映射，再到线上部署必须预设缺失值与越界值的默认WOE，全程紧扣风控实战关键细节，为从业者提供了一套合规、稳健、可复现的端到端建模方法论。

为什么直接用 LogisticRegression 训练原始变量会出问题

金融风控里，原始连续变量（比如年龄、收入、逾期天数）和违约目标之间往往不是线性关系；直接丢进 sklearn.linear_model.LogisticRegression，模型系数解释性差，且容易被异常值带偏。更关键的是，监管（如银保监《商业银行互联网贷款管理暂行办法》）明确要求模型具备可解释性——你得说清楚“为什么这个客户评分为 620”。逻辑回归本身可解释，但前提是输入特征得是经过业务可读的转换，比如分箱 + WOE。

WOE 分箱必须手动指定 cut points 吗

不是必须，但**强烈建议人工干预主导分箱过程**。自动分箱（如 optbinning 的 OptimalBinning 默认策略）容易产生业务上不可理解的区间（例如“收入在 5832.6~5837.1 元”），也容易过拟合训练集的 Bad Rate 波动。实操中应：

• 先用业务经验划定初版区间（如年龄按 25/35/45/55 切分，逾期天数按 0/1/7/30/90 切分）
• 再用训练集统计每个区间的 Bad Rate 和 WOE = ln( (good% in bin) / (bad% in bin) )
• 合并相邻、WOE 趋势不一致或样本量
• 用 pandas.cut 或 numpy.digitize 实现确定性分箱，确保线上线下一致

WOE 编码后还要做标准化吗

不需要，而且做了反而破坏解释性。WOE 本质已是“用对数几率表示该箱相对于总体的风险程度”，其数值大小本身就具备可比性（WOE=0 表示该箱好坏比等于总体，WOE>0 表示风险高于平均）。若再套一层 StandardScaler，系数就变成“每标准差变化带来的 logit 变化”，无法回溯到原始业务含义。训练时直接把 WOE 值作为特征输入 LogisticRegression 即可，coef_ 对应的就是各变量每单位 WOE 变化对 log-odds 的影响。

评分卡公式里的 A 和 B 怎么定，能随便设吗

不能随便设。标准评分卡公式是：score = A - B * log(odds)，其中 odds = p/(1-p)。A、B 是为了把模型输出映射成整数分（如 0–1000）、并满足“基准分+翻倍法则”（例如：基础分 600，坏账率翻倍，分数降 50）。典型设定是：

• B = 20 / ln(2)，保证坏账率每翻一倍，分数减 20
• A = 600 + B * ln(oodds)，其中 oodds 是某个锚点坏账率对应的 odds（如设定坏账率 1% 时得 600 分，则 oodds = 0.01/0.99）
• 注意：A/B 必须用训练集整体的基准坏账率计算，不能用验证集或单个样本

线上部署时，只要保存好 WOE 映射表、逻辑回归的 intercept_ 和 coef_，就能复现 score，无需保存整个 pipeline。最容易漏掉的是：WOE 表里缺失值（NaN）和未见过的取值（out-of-range）必须显式定义默认 WOE，否则线上 infer 会报错或返回 NaN。

本篇关于《Python风控评分卡建模：逻辑回归与WOE分箱解析》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！