Inférence des refus pour une scorecard de crédit
Estimez l’inférence des refus pour une scorecard de crédit en indiquant les bons payeurs, les mauvais payeurs et les refusés dans chaque tranche de score.
Taux de mauvais payeurs sur l’ensemble des demandes
Avec un taux estimé de 47.8% parmi les refusés, le taux de mauvais payeurs atteint 18.3% sur l’ensemble des demandes, contre 5.0% pour les seules demandes acceptées.
Taux de mauvais payeurs par tranche de score
Effectifs estimés
| Tranche de score | Bons | Mauvais | Taux de mauvais payeurs parmi les demandes acceptées | Refusés | Bons payeurs estimés | Mauvais payeurs estimés | Taux de mauvais payeurs parmi les refusés | Taux de mauvais payeurs sur l’ensemble des demandes |
|---|---|---|---|---|---|---|---|---|
| < 520 | 40 | 22 | 35.5% | 1,900 | 552 | 1,348 | 71.0% | 69.8% |
| 520–559 | 180 | 61 | 25.3% | 1,400 | 691 | 709 | 50.6% | 46.9% |
| 560–599 | 620 | 118 | 16.0% | 900 | 612 | 288 | 32.0% | 24.8% |
| 600–639 | 1,350 | 142 | 9.5% | 520 | 421 | 99 | 19.0% | 12.0% |
| 640–679 | 2,100 | 115 | 5.2% | 260 | 233 | 27 | 10.4% | 5.7% |
| 680–719 | 2,600 | 78 | 2.9% | 120 | 113 | 7 | 5.8% | 3.0% |
| 720–759 | 2,300 | 35 | 1.5% | 60 | 58 | 2 | 3.0% | 1.5% |
| 760+ | 1,800 | 12 | 0.7% | 30 | 30 | 0 | 1.3% | 0.7% |
| Total | 10,990 | 583 | 5.0% | 5,190 | 2,710 | 2,480 | 47.8% | 18.3% |
* Si une tranche ne contient aucune demande acceptée, le taux de mauvais payeurs retenu est celui de la tranche la plus proche qui en contient.
Recevoir le résultat par e-mail
Élaborez le scorecard dans le moteur de décision de crédit, puis testez-le sur les anciennes demandes du prêteur, acceptées comme refusées, avant son déploiement. Démarrer votre essai
Afficher les formules
Taux de mauvais payeurs parmi les demandes acceptées = Mauvais ÷ (Bons + Mauvais) Parcelling: Taux de mauvais payeurs parmi les refusés = min(1, Taux de mauvais payeurs parmi les demandes acceptées × Facteur de majoration) Augmentation floue: Taux de mauvais payeurs parmi les refusés = Taux de mauvais payeurs parmi les demandes acceptées Mauvais payeurs estimés = Refusés × Taux de mauvais payeurs parmi les refusés Bons payeurs estimés = Refusés − Mauvais payeurs estimés Taux de mauvais payeurs sur l’ensemble des demandes = (Mauvais + Mauvais payeurs estimés) ÷ (Bons + Mauvais + Refusés)
Les résultats des demandes refusées étant inconnus, ils ne permettent pas de vérifier l’hypothèse retenue. Le choix du facteur de majoration revient au modélisateur. Avec un facteur de majoration de 1, le parcelling donne les mêmes totaux que l’augmentation floue.
Inférence des refus pour les scorecards
L’inférence des rejets intègre les demandes refusées aux données du scorecard en supposant une issue pour chacune. L’outil estime le nombre de bons et de mauvais payeurs dans chaque tranche de score avec le parcelling ou la fuzzy augmentation.
Une scorecard entraînée sur les seules demandes acceptées apprend à partir des profils retenus par les anciens critères d’octroi. Comparez leur taux de mauvais payeurs à celui de l’ensemble des demandes, puis utilisez les effectifs estimés pour construire et tester la scorecard.
Questions sur l’inférence des refus
Qu’est-ce que l’inférence des refus en scoring crédit ?
L’inférence des refus ajoute les demandes refusées aux données d’une scorecard en leur attribuant un résultat estimé. Cette hypothèse ne peut pas être vérifiée, car le résultat réel de ces demandes est inconnu.
Quelles méthodes d’inférence des refus puis-je comparer ?
Cet outil compare le parcelling et l’augmentation floue. Le parcelling applique un facteur de majoration au taux de mauvais payeurs des demandes acceptées. L’augmentation floue reprend ce taux pour chaque tranche.
Comment fonctionne le parcelling pour l’inférence des refus ?
Le parcelling estime le taux de mauvais payeurs parmi les demandes refusées dans chaque tranche de score. Il multiplie celui des demandes acceptées par le coefficient de majoration, dans la limite de 1, puis répartit les refus entre bons et mauvais payeurs en nombres entiers.
Comment intégrer les demandes refusées à un scorecard ?
Saisissez le nombre de bons payeurs, de mauvais payeurs et de demandes refusées pour chaque tranche de score, puis choisissez le parcelling ou la fuzzy augmentation. L’outil estime les effectifs à intégrer au scorecard.
À quoi sert le coefficient de majoration dans l’inférence des rejets ?
Avec le parcelling, le coefficient de majoration multiplie le taux de mauvais payeurs parmi les demandes acceptées dans chaque tranche pour estimer celui des demandes refusées. Le choix du coefficient relève de l’appréciation du modélisateur.