评分卡拒绝推断
按评分档位录入好样本数、坏样本数和拒绝申请,运行评分卡拒绝推断。
全部申请人坏账率
18.3%
已通过申请的坏账率5.0%
被拒申请的推算坏账率47.8%
申请通过率69.0%
按 47.8% 推算拒绝申请后,全部申请人的坏账率为 18.3%,仅看已通过申请时为 5.0%。
各评分档位坏账率
仅已通过申请全部申请人,含推算结果
推算样本数
| 评分档位 | 好样本数 | 坏样本数 | 已通过申请坏账率 | 拒绝申请 | 推算好样本数 | 推算坏样本数 | 拒绝申请坏账率 | 全部申请人坏账率 |
|---|---|---|---|---|---|---|---|---|
| < 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% |
| 合计 | 10,990 | 583 | 5.0% | 5,190 | 2,710 | 2,480 | 47.8% | 18.3% |
* 某个评分档位没有已通过申请时,采用最近一个有已通过申请的评分档位的坏账率。
通过邮件获取结果
将评分卡纳入授信决策,并用放贷机构过往的已通过申请和拒绝申请进行上线前测试。开始试用
查看公式
已通过申请坏账率 = 坏样本数 ÷ (好样本数 + 坏样本数) Parcelling 法: 拒绝申请坏账率 = min(1, 已通过申请坏账率 × 提升系数) 模糊增广法: 拒绝申请坏账率 = 已通过申请坏账率 推算坏样本数 = 拒绝申请 × 拒绝申请坏账率 推算好样本数 = 拒绝申请 − 推算坏样本数 全部申请人坏账率 = (坏样本数 + 推算坏样本数) ÷ (好样本数 + 坏样本数 + 拒绝申请)
拒绝申请没有实际结果,无法验证推算所用的假设,提升系数由建模人员判断。提升系数为 1 时,Parcelling 法的汇总结果与模糊增广法相同。
评分卡拒绝推断
拒绝推断会为每个被拒申请假设一个结果,并将其纳入评分卡数据。工具按评分档位使用 Parcelling 法或模糊增广法,推算好样本和坏样本数量。
只用已通过申请训练的评分卡,反映的是旧授信策略接受的申请人。比较已通过申请的坏账率和全部申请人的坏账率,再将推算数量用于评分卡的构建和测试。
拒绝推断常见问题
信贷评分中的拒绝推断是什么?
拒绝推断会为被拒申请假设一个结果,并将其纳入评分卡数据。由于这些申请没有已知结果,这个假设无法通过实际结果验证。
可以比较哪些拒绝推断方法?
此工具支持比较 Parcelling 法和模糊增广法。Parcelling 法会对已通过申请的坏账率乘以提升系数,模糊增广法则使用各评分档位中已通过申请的坏账率。
拒绝推断中的 Parcelling 法如何运作?
Parcelling 法将各评分档位中已通过申请的坏账率乘以提升系数,估算被拒申请的坏账率,最高按 1 计算。随后按整数申请人数分配推算的好样本和坏样本数量。
如何将被拒申请纳入评分卡?
输入每个评分档位的好样本数、坏样本数和拒绝申请数,再选择 Parcelling 法或模糊增广法。工具会给出构建评分卡时可用的推算数量。
拒绝推断中的提升系数是什么意思?
使用 Parcelling 法时,提升系数会乘以各评分档位中已通过申请的坏账率,用于估算被拒申请的坏账率。提升系数由建模人员判断设定。