WOE 和 IV 计算器

用于自动信贷决策时,检查评分卡中的某个特征。输入各分箱的好坏客户数,或添加原始数据,一分钟内即可查看每个分箱的 WOE 和信息值。

分箱数据
分箱好客户数坏客户数

示例特征为当前地址居住月数,共 6 个分箱。

每行粘贴一个分箱,包含 3 列:分箱、好客户数和坏客户数。可从表格复制,也可用逗号分隔。

上传原始数据并分箱

文件只在浏览器中读取,不会上传。链接中只包含分箱计数,您选择发送邮件时,邮件中也只包含这些计数。

信息值

0.3627
强度较强
坏账率走势持续下降
总体坏账率7.9%

共 6 个分箱,包含 6,400 个好客户和 550 个坏客户,信息值为 0.3627。其中 >=96 分箱对信息值的贡献最大。

各分箱的 WOE 和坏样本率

柱形表示各分箱的 WOE,折线表示坏样本率,使用右侧刻度。

分箱结果

分箱好客户数坏客户数好客户占比坏客户占比坏账率WOEIV贡献值
<65201108.1%20.0%17.5%−0.9010.1070
[6,12)610959.5%17.3%13.5%−0.5950.0460
[12,24)98012015.3%21.8%10.9%−0.3540.0230
[24,48)1,40010521.9%19.1%7.0%0.1360.0038
[48,96)1,6508025.8%14.5%4.6%0.5720.0643
>=961,2404019.4%7.3%3.1%0.9800.1186
合计6,400550100.0%100.0%7.9%0.3627

分箱结果可粘贴到决策表的两列中,分箱作为条件,WOE 作为结果。

通过邮件获取结果

评分卡是信贷决策的下一环节,分箱可整理为表格,每项调整都用历史申请数据测试。 开始试用

查看公式
好客户占比 = 好客户数 ÷ 好客户总数
坏客户占比 = 坏客户数 ÷ 坏客户总数
WOE = ln(好客户占比 ÷ 坏客户占比)
IV贡献值 = (好客户占比 − 坏客户占比) × WOE
信息值 = Σ IV贡献值
如果某个分箱没有好客户或坏客户,计算占比前会在好客户数和坏客户数上各加 0.5。

这里只分析单个特征,不涉及评分卡中特征之间的关系。强度分档是经验参考,不是检验标准。

计算证据权重和信息值

证据权重反映某个特征的各分箱中好客户和坏客户的分布。信息值是各分箱贡献值之和,根据好客户占比、坏客户占比和证据权重计算。

这两项指标可用于评估某个特征是否适合纳入评分卡。比较各分箱中好客户和坏客户的分布,并检查坏账率是否随分箱递增或递减。

常见问题

如何计算证据权重和信息值?

先计算每个分箱的好客户占比和坏客户占比。证据权重是好客户占比除以坏客户占比后取自然对数,信息值是各分箱贡献值之和。

信息值能说明评分卡特征的什么情况?

信息值汇总各分箱的贡献值,贡献值根据好客户和坏客户占比之差以及证据权重计算。计算器会按常见经验规则显示特征强度。

如何为评分卡特征分箱?

输入各分箱及对应的好客户、坏客户数量,或提供原始数据并选择取值列和好坏标记列。计算器会将数字分成区间,并将文本值分箱。

某个分箱没有坏客户时该怎么处理?

计算器会在计算占比前,分别在好客户数和坏客户数上加 0.5。这样可以避免该分箱的证据权重为无穷值。

为什么各分箱的坏账率应该朝同一个方向变化?

计算器会检查坏账率是否随分箱持续上升或下降,还是中途转向。这是评估特征的一项参考,还需结合证据权重和信息值查看。