消费金融数据生成器：一种信用评分技术比较的新方法

本文旨在提出一种比较信用评分技术的通用思路。任何评分卡都可以基于逻辑回归模型中的变量变换，通过多种方法构建。由于数据的有限可用性，要进行比较并证明一种技术优于另一种是一项巨大挑战；使用来自其他来源的数据也无法保证得出相同的结论。因此，可以提出以下研究挑战：应如何管理比较过程，以获得不受特定数据偏差影响的通用结果？解决方案可能在于使用各种随机数据生成器。该数据生成器采用了两种方法：转移矩阵和评分。本文展示了比较方法的结果以及这些比较技术的构建方法论。在构建新模型之前，建模者可以进行比较练习，旨在针对特定数据识别最佳方法。本文介绍了各种预测模型的度量指标，如 Gini、Delta Gini、VIF 和 Max p-value，强调了“好模型”的多标准问题。所提出的思路在模型构建过程中特别有用，其中定义了复杂的标准以涵盖模型在一段时间内的稳定性等重要问题，从而避免危机。本文还提出了一些选择 Logit 或 WOE 方法作为最佳评分卡技术的论据。