信用评分模型

信用评分模型是一种用于估计违约概率的数学模型，违约概率是客户可能触发信用事件(例如，破产、债务违约、未能支付和交叉违约事件)的概率。在信用评分模型中，违约概率通常以信用评分的形式表示。分数越高，违约的概率越低。

虽然在信用评分模型中有许多常见的信用因素，但不同类型的贷款可能涉及不同的信用因素，具体到贷款的特点。例如，信用卡贷款的信用因素可能包括支付历史、年龄、账户数量和信用卡使用情况;按揭贷款的信用因素可能包括首付款、工作经历和贷款规模等。

准确和可预测的信用评分模型有助于最大化金融机构的风险调整收益。然而，在经济周期中，如衰退或扩张，市场和消费者行为可能迅速变化。出于这个原因，风险经理和信贷分析师需要能够以灵活的方式创建、调整和验证模型。用于创建和验证信用评分模型的技术包括:

• 逻辑回归和线性回归
• 机器学习而且预测分析
• 分箱算法(例如，单调、等频、等宽)
• 累积精度剖面(CAP)
• 受试者工作特征(ROC)
• Kolmogorov-Smirnov(钴)统计