信用评分建模中样本容量不足怎么办
在建立个人信用评分模型时,不仅需要有足够多的表征信贷申请人信用行为的特征变量,而且建模样本的容量也必须达到一定的数量。
一般来说,样本容量越大,所建立的模型的精度或预测能力就越高,模型也越稳健。
至于到底需要容量多大的样本才能建立一个预测精度较高,又具有较好稳健性的个人信用评分模型,目前还没有一个基于理论测算的最优数目,不过通过多年的建模实践,国外的许多学者提出了一些经验准则。
这些经验准则告诉我们,问题的关键并不在于建模样本容量的大小,而在于坏客户样本的数量。一个由50000个好客户,500个坏客户构成的建模样本并不比一个由5000个好客户,500个坏客户构成的样本含有更多的信息,因为在建立个人信用评分模型时坏客户样本所含的信息是我们重点关注的。
在实际的建模总体中,通常好客户的数量总是远远大于坏客户的数量,因此建模总体中坏客户数量的多少是能否成功地建立个人信用模型的关键因素之一。
在个人征信体系发达的国家,建模样本容量不足应该不是一个严重的问题。
这些国家解决这一问题可以有多种途径:
当需要对某种信用产品申请人进行评分时,若样本容量不足而不能建立评分模型,可以先用征信局的“通用化评分”来代替。待好、坏客户样本累积到一定容量后再建模。实际上有许多信用产品根本就不建立定制化的评分模型,而是直接用征信局提供的“通用化评分”对客户进行评价,当然这需要一定的成本。
由于社会征信体系较发达的国家一般其信用市场也较发达,信用产品比较丰富,在一个新的信用产品推广的初期,往往可以找到与之相类似的产品,用类似产品的样本建模在初期也是一个不错的选择。
在征信体系发达的国家,无论是信贷机构还是信用咨询机构都有较多的信用分析专家,利用这些专家的知识和经验可以建立所谓的“专家模型”。
就中国目前的状况而言,当建模样本不足时,以上3中解决方法均不是很有效的:
由于征信体系不发达,没有“通用化评分”可资利用;
消费信用产品还比较单一;
有关消费信用分析的专家还不多。
因此,样本容量不足是在中国现阶段建立个人信用评分模型时常常遇到的问题之一。
解决建模样本容量不足的方法有两类方法可以尝试:
一类是合并不同银行的相同产品的样本;
另一种是统计学中的Bootstrap方法。
方法1 将不同客户总体数据合并建模
当样本量不足时,最容易想到的一个解决办法是:将不同银行的相同产品的样本合并起来建立模型。
例如,当某个商业银行要针对其所发行的一种信用卡建立个人信用评分模型时,它可以将该银行在不同地区的分行的客户数据进行合并,这样在样本的数量上就可以满足建模的要求。
值得注意的是,这种合并不同总体的做法与通常建立个人信用评分时的做法是相反的。在建立个人信用评分模型时,为了提高模型的预测精度,当总体内部差异较大时,如果样本的容量足够大,在实际中的做法是将总体划分成几个内部一致性较好的子总体,然后对各个子总体分别建模。
关于将不同客户总体数据合并后建立模型的效果,国外的学者有过一些研究。大部分的实证研究表明,合并后建立的模型其精度往往会下降。
精度下降的原因可能来自两个方面:
由于各总体特征的差异较大影响了模型的预测能力;
各总体中保存的特征变量不尽一致,建模时往往只能使用各总体共有的部分。特征变量的减少,往往损失许多有用的信息。
方法2 Bootstrap方法应用于处理样本容量不足不同客户总体数据合并建模
将样本分成两部分,一部分是用于建模,另一部分用于检验。
这样做的主要目的是为了避免同时将一组样本既作为训练样本(用于建立模型)又作为检验样本从而对预测精度的估计过于乐观。在样本容量充足的情况下,这种做法是很有效的。但是在有些情况下,建模的样本数量并不是很充足。在这种情况下若还保留一部分样本进行检验显然不是一种有效的做法,这样会白白浪费掉保留样本中所包含的信息。
统计学中发展了多种方法来克服上述保留样本在样本容量不足时的缺陷,BootStrap方法是一种被证明行之有效的方法。
实际中的算法如下:
从经验分布F_n中有放回地抽取一个容量为n的样本(x_1,x_2,⋯,x_n)。通常称为BootStrap样本。
利用此样本计算θ的估计值,θ^*=θ(x_1,x_2,⋯,x_n)。通常称为BootStrap估计。
将过程(1),(2)重复K次,这样就得到K个BootStrap样本及K个BootStrap估计。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11