一分钟计算信用评分的 Gini 系数
输入各分数段的好客户和坏客户数量,查看 Gini 系数、AUC 和 ROC 曲线。
Gini 系数
68.5%
AUC0.842
风险最高的 20% 案件覆盖的坏客户占比69.9%
总体坏账率4.9%
在 28,900 个好客户和 1,475 个坏客户中,Gini 系数为 68.5%,AUC 为 0.842。风险最高的 20% 样本覆盖了 69.9% 的坏客户。
ROC 曲线
曲线从风险最高的分数段开始。曲线向上偏离虚线对角线越多,Gini 系数越高。
各分数段结果
| 分数段 | 好客户 | 坏客户 | 坏账率 | 坏客户累计数 | 好客户累计数 |
|---|---|---|---|---|---|
| <520 | 800 | 420 | 34.4% | 28.5% | 2.8% |
| [520,560) | 1,300 | 310 | 19.3% | 49.5% | 7.3% |
| [560,600) | 1,900 | 230 | 10.8% | 65.1% | 13.8% |
| [600,640) | 2,500 | 170 | 6.4% | 76.6% | 22.5% |
| [640,680) | 3,000 | 120 | 3.8% | 84.7% | 32.9% |
| [680,720) | 3,400 | 85 | 2.4% | 90.5% | 44.6% |
| [720,760) | 3,700 | 60 | 1.6% | 94.6% | 57.4% |
| [760,800) | 3,900 | 40 | 1.0% | 97.3% | 70.9% |
| [800,840) | 4,100 | 25 | 0.6% | 99.0% | 85.1% |
| >=840 | 4,300 | 15 | 0.3% | 100.0% | 100.0% |
| 合计 | 28,900 | 1,475 | 4.9% |
通过邮件获取结果
接下来,将评分卡纳入授信决策。用表格列出各分数段,再用历史申请数据测试每项调整。开始试用
查看计算公式
AUC = Σ (坏客户 ÷ 坏客户总数) × (风险较低分数段中的好客户 + ½ 好客户) ÷ 好客户总数 Gini = 2 × AUC − 1 风险最高的 20% 样本中的坏客户 = 风险最高的分数段累计覆盖 20% 样本,其中坏客户占全部坏客户的比例
同一分数段内的并列样本按一半计入,因此分数段划分越细,Gini 系数可能略高。Gini 衡量排序能力,不代表预测的坏账率准确。
计算评分卡的 Gini 系数
Gini 系数衡量评分区分好客户和坏客户的能力。输入各分数段的好客户和坏客户数量,即可计算 Gini 系数和 AUC,并查看 ROC 曲线。
Gini 系数反映评分的排序能力,可用于评估评分卡。它不能说明预测的坏账率是否准确,准入分数线和授信策略也需要单独确定。
Gini 系数常见问题
如何根据分数段计算 Gini 系数?
输入每个分数段的好客户和坏客户数量。计算器根据分数段计算 AUC,再据此计算 Gini 系数。
AUC 和 Gini 系数有什么关系?
AUC 表示随机抽取一名好客户和一名坏客户时,好客户得分高于坏客户的概率,同分情况按一半计入。Gini 系数由 AUC 计算得出。
信用评分卡的 Gini 系数达到多少才合适?
没有适用于所有评分卡的 Gini 系数标准值。具体数值的含义取决于产品和数据。
Gini 系数和 KS 有什么区别?
此计算器根据分数段计算 Gini 系数,并显示 AUC 和 ROC 曲线。计算 KS,请使用 KS 计算器。
为什么 Gini 衡量的是排序能力,而不是校准能力?
Gini 衡量评分区分好客户和坏客户的排序能力,不反映预测坏账率是否准确。