信用评分中拒贷客户的重新纳入

所有信贷机构的授信过程都会拒绝那些在债务偿还方面看似有风险的申请人。会计算一个信用评分，并设定一个截断值，低于该值的申请人被拒绝。开发新评分意味着拥有一个响应变量（好/坏借款人）已知的学习数据集，因此被拒者事实上被排除在学习过程之外。我们首先介绍背景和一些有用的记号。然后我们形式化地考察这种特殊抽样是否对评分的相关性产生影响。最后，我们详细阐述利用未放贷客户特征的方法，并利用 Crédit Agricole Consumer Finance 的数据得出结论：这些方法在实践中均不令人满意。----- 信用授信系统可能拒绝被认为风险过高的贷款申请。在该系统内，信用评分提供一个衡量违约风险的值，该值与可接受阈值进行比较。此评分完全基于已放贷客户的数据构建，其中特别包含“好或坏付款人”的信息，而随后它被应用于全部申请。这样的评分在统计上是否相关？在本笔记中，我们明确并形式化这一问题，并研究未放贷客户缺失对所构建评分的影响。随后我们介绍一些将未放贷客户重新纳入的方法，并基于 Crédit Agricole Consumer Finance 的数据得出其在实践中无效的结论。