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.

Tranches de score
Tranche de scoreBonsMauvaisRefusés

La démo utilise huit tranches de score fictives.

Saisissez une tranche par ligne, avec le libellé, les bons payeurs, les mauvais payeurs et les refusés, séparés par des tabulations, des virgules ou des points-virgules.

Inférence des refus

Dans chaque tranche, les refusés sont répartis entre bons et mauvais payeurs selon le taux de mauvais payeurs des demandes acceptées, multiplié par le facteur de majoration. Les résultats sont arrondis à l’unité.

Taux de mauvais payeurs sur l’ensemble des demandes

18.3%
Taux de mauvais payeurs parmi les demandes acceptées5.0%
Taux estimé de mauvais payeurs parmi les demandes refusées47.8%
Part des demandes acceptées69.0%

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

Demandes acceptées uniquementToutes les demandes, rejets imputés

Effectifs estimés

Tranche de scoreBonsMauvaisTaux de mauvais payeurs parmi les demandes acceptéesRefusésBons payeurs estimésMauvais payeurs estimésTaux de mauvais payeurs parmi les refusésTaux de mauvais payeurs sur l’ensemble des demandes
< 520402235.5%1,9005521,34871.0%69.8%
520–5591806125.3%1,40069170950.6%46.9%
560–59962011816.0%90061228832.0%24.8%
600–6391,3501429.5%5204219919.0%12.0%
640–6792,1001155.2%2602332710.4%5.7%
680–7192,600782.9%12011375.8%3.0%
720–7592,300351.5%605823.0%1.5%
760+1,800120.7%303001.3%0.7%
Total10,9905835.0%5,1902,7102,48047.8%18.3%

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.