在银行风控场景中，特征、规则、模型是三个核心要素
一、特征、规则、模型的关系
1. 特征是基础
- 定义：原始数据中提取的变量（如年龄、收入、历史逾期次数）或衍生指标（如RFM中的消费频率）。
- 作用：
- 规则和模型的输入基础。
- 特征质量直接影响模型效果（如缺失值、高相关性特征可能导致模型偏差）。
- 风控场景常用特征：
- 客户属性（年龄、职业）
- 行为数据（还款记录、消费频次）
- 征信数据（信用评分、负债比）
2. 规则是业务逻辑的具象化
- 定义：基于业务经验或监管要求设定的硬性条件（如“信用评分<600分直接拒绝”）。
- 与特征的关系：
- 规则通常基于单个或少数特征（如“近3个月逾期次数≥2次”）。
- 规则可视为简单的“特征组合逻辑”（如“收入<5000元且负债比>70%”）。
- 与模型的关系：
- 前置规则：在模型预测前过滤高风险客户（如“黑名单客户直接拒绝”）。
- 后置规则：对模型输出进行二次筛选（如“模型预测违约概率>80%且年龄<25岁，拒绝”）。
3. 模型是复杂决策的核心
- 定义：通过算法学习特征间非线性关系的预测工具（如逻辑回归、XGBoost）。
- 与特征的关系：
- 模型可自动挖掘特征组合（如“收入×学历”）和交互效应（如高收入但频繁小额消费）。
- 模型生成的特征（如树模型的叶子节点、主成分分析结果）可反哺规则设计。
- 与规则的关系：
- 规则用于快速决策，模型用于精细化风险量化。
- 模型结果可作为规则输入（如“模型预测违约概率>阈值则触发人工审核”）。
二、Lift（提升度）
1. Lift的定义
- 公式：
Lift = （模型/规则识别的正例比例） / （总体正例比例） - 含义：表示模型或规则相对于随机猜测的“提升能力”。例如，若总体违约率为5%，某规则识别的客户中违约率为20%，则Lift=4（即4倍于随机猜水平）。
2. Lift的应用对象
- 规则层面：
- 场景：评估规则过滤高风险客户的效果。
- 案例：某规则“近6个月查询次数>5次”的违约率为15%，总体违约率为5%，则Lift=3。
- 模型层面：
- 场景：评估模型预测的准确性。
- 案例：模型在Top20%高风险客户中覆盖了60%的实际违约客户，Lift=3（60% / 20%）。
- 特征层面：
- 间接应用：通过特征重要性或SHAP值分析特征对Lift的贡献（如某特征的高载荷区域违约率提升明显）。
3. 规则与模型的Lift对比
| 维度 | 规则 | 模型 |
|---|---|---|
| 解释性 | 高（业务逻辑透明） | 低（需通过SHAP等工具解释） |
| 灵活性 | 低（需手动调整） | 高（自动适应数据变化） |
| 提升度潜力 | 低（单特征或简单组合） | 高（复杂特征交互） |
- Lift可同时评估规则和模型的效果，帮助优化风控策略。
三、三者的协同应用示例
某银行信用卡审批流程：
- 规则前置：
- 规则1：年龄<18岁 → 直接拒绝（Lift=∞，因年龄<18岁无审批资格）。
- 规则2：近1年逾期次数≥3次 → 拒绝（Lift=4）。
- 模型预测：
- 使用XGBoost模型预测违约概率，输出概率>0.7的客户进入人工审核。
- 模型在测试集的Lift=5（即模型识别的Top20%客户覆盖了50%的违约案例）。
- 规则后置：
- 模型输出概率>0.7且月收入<3000元 → 拒绝（进一步提升Lift至6）。
- 特征是风控的“原材料”，规则和模型是“加工工具”。
- 规则用于快速决策，模型用于深度挖掘，但规则的解释性和模型的复杂性需平衡。
- 趋势：传统规则逐渐被模型替代，但业务专家仍需通过规则对模型输出进行“人性化校准”。
四、特征分箱与Lift
前面，我们知道Lift可评估规则和模型的效果，这里我们将它用于特征的分箱：通过特征分箱并计算每箱的Lift值，是一种常用的特征评价和筛选方法。
1. 分箱的目的
- 离散化连续变量：将年龄、收入等连续特征转化为区间（如“20-30岁”“30-40岁”）。
- 捕捉非线性关系：例如，年龄与违约率可能呈现“U型”分布，分箱后更易识别。
- 提升模型解释性：分箱结果可直接转化为业务规则（如“收入<5000元拒绝”）。
2. 分箱方法选择
| 方法 | 适用场景 | 示例 |
|---|---|---|
| 等宽分箱 | 数据分布均匀时（如年龄） | 按10岁间隔分为“0-10”“10-20”等 |
| 等频分箱 | 数据分布不均匀时（如收入） | 每个箱包含20%的样本 |
| 基于树模型 | 自动寻找最优分割点（如XGBoost） | 根据信息增益确定分箱边界 |
| 业务规则 | 强业务逻辑（如征信评分） | 信用评分<600分直接拒绝 |
3. 分箱后的数据处理
- 合并小箱：若某箱样本量<50，合并到相邻箱以避免统计偏差。
- 单调化处理：确保分箱后的特征与目标变量呈单调关系（如年龄越大，违约率越高）。
- 分箱数量：通常建议5-10箱，避免过拟合。
- 单调性要求：分箱后的特征应与目标变量保持单调关系（如收入越高，违约率越低）。
- 跨时间验证：需在不同时间段验证分箱的稳定性。
4. Lift的计算
- 公式：
Lift = （某箱的目标事件率） / （总体目标事件率） - 目标事件率：如违约率、逾期率等。
- 案例：若总体违约率为5%，某箱违约率为20%，则Lift=4（风险是随机水平的4倍）。
计算各箱Lift值：
import pandas as pd# 假设df包含特征“age”和目标变量“default”
df['default_rate'] = df.groupby('age_bin')['default'].mean()
df['lift'] = df['default_rate'] / df['default'].mean()# 输出分箱结果
print(df.groupby('age_bin')['default_rate', 'lift'].mean())
五、评价
1. 分箱效果评估
- IV值（信息价值）：IV>0.5表示强预测能力，0.3-0.5中等，<0.1弱。
- 基尼系数：分箱后的基尼系数越高，说明对目标变量的区分度越强。
2. 单箱风险识别
- 高Lift箱：Lift>3的箱可直接作为规则（如“年龄<25岁且Lift=4，拒绝”）。
- 低Lift箱：Lift<1的箱可能为低风险客户（如“高收入且Lift=0.3，优先审批”）。
3. 特征整体价值
- Lift分布均匀性：各箱Lift差异大，说明特征对目标变量敏感（如年龄）。
- 最大Lift值：特征的最大Lift值越高，潜在规则价值越大。
4. 模型贡献分析
- 特征重要性：结合树模型的特征重要性，判断分箱后的特征对模型的贡献。
- SHAP值：分析每个分箱对预测结果的影响（如“年龄在30-40岁”的SHAP值最高）。
六、分箱+Lift的应用场景
- 分箱+Lift是风控中特征评价的“黄金组合”，既能挖掘特征的预测能力，又能生成可解释的业务规则。
- 核心价值：通过量化各箱的风险提升度，实现特征筛选、规则优化和模型解释的三重目标。
1. 规则生成
- 案例：分箱后某箱Lift=5，且业务规则允许直接拒绝该箱客户。
- 规则：
if age_bin == '20-25岁' → 拒绝
2. 模型优化
- 特征工程：将分箱后的特征作为模型输入（如“年龄_bin”替代原始年龄）。
- 过拟合处理：通过分箱减少连续特征的噪声。
3. 策略迭代
- 监控：定期重新计算分箱Lift，应对数据漂移（如经济下行导致各箱违约率上升）。
- A/B测试：对比分箱规则与模型的Lift值，选择最优策略。
