sas信用評分卡之衍生變量

在建模中，最基礎(chǔ)就是變量，花費時間最多也是變量，變量要做三方面的事情，首先是衍生，其次是數(shù)據(jù)清洗，最后是數(shù)據(jù)處理。至于為什么要衍生，數(shù)據(jù)挖掘嘛，挖掘嘛，就是要把變量盡量挖到東西嘛。其實還有一個問題，就是如果停留在原先的變量的基礎(chǔ)上，一直按照這些變量分析，假設(shè)某天這些變量效果不顯著，畢竟客戶會遷移的嘛，那這就尷尬了。所以無論在建模還是分析上，衍生變量都是開拓分析維度的好方法。今天的內(nèi)容就是總結(jié)幾個在做衍生變量上的方法，我也是在領(lǐng)導(dǎo)的悉心指導(dǎo)才摸索到衍生變量的方法，所以沒事跟領(lǐng)導(dǎo)聊聊業(yè)務(wù)是好事。

那就以邏輯回歸中的四類變量：1、二分類變量。2、無序多分類變量。3、有序多分類變量。4、連續(xù)變量。分享下小編的衍生變量。

1二分類變量

類似這種變量基層變量已經(jīng)有了，譬如，是否有車，是否有房類似這種。在衍生的時候，會按照申請資料與其他資料交叉驗證產(chǎn)生，譬如婚姻狀況是否一致。這是比較容易想到的，其次對于一些大類的變量也可以，譬如是否有過擔(dān)保，是否逾期，是否有過民事糾紛類似這種變量，變量本身就只有兩種情況，一旦變量的兩種情況逾期率或者說woe有大的跳躍的漲幅，變量的預(yù)測力指標都會相對大一些。

2無序多分類變量

無序多分類變量就是譬如，行業(yè)啊，城市這類變量。這些變量在基層數(shù)據(jù)中情況往往是很多的，畢竟行業(yè)也不可能是4種行業(yè)而已，所以對于這種變量的運用，第一步是先分類。至于怎么分，可以用bad rate把相似的歸在一組，也可以用我之前在公眾號發(fā)過的字符變量的最優(yōu)分組。以上是對于情況比較多的無序多分類變量。另外一種是情況較少，譬如學(xué)歷，你可能說學(xué)歷是有序的，但是為了社會的發(fā)展與和諧，我還是認為學(xué)歷是一個無序多分類變量，這類變量的哈，可以衍生出啞變量。是否為本科啊，是否高中生，轉(zhuǎn)了一圈又是二分類了。

3有序多分類變量

這類變量其實跟上一類的變量很相似，都是字符變量，只是多了個順序，譬如，一線城市，二線城市，三線城市，四線城市，無線城市。同樣的還是可以衍生為啞變量。但是我我一直強調(diào)，啞變量都要在業(yè)務(wù)解釋得過去的情況下使用。

4連續(xù)變量

這個變量我就不說什么，大部分的變量都是連續(xù)變量。這部分的衍生變量因為可以有很多種情況，我就不說了。

以上是根據(jù)變量類型簡單的講了一下一些你估計都知道的衍生變量的方式。接下來以幾種數(shù)據(jù)類型分享下衍生變量的產(chǎn)生。

1、流水數(shù)據(jù)

這是我在網(wǎng)上隨便找的一個類似的圖，加入這是客戶名下的一個收支數(shù)據(jù)。估計也拿不到這么詳細的每天的數(shù)據(jù)，你就把天想成月就可以了。那么這里假設(shè)是最近7個月的收支情況。比較容易可以想到的是，總的支出，總的存入，以及平均的支出或者收入啊。其次呢，就是跟時間變量結(jié)合，最近一個月的支出，最近兩個月的支出，最近一個月的收入，最近一個月的收入。我呢，還會衍生一類，最近一個月的收入占最近7個月的收入，最近一個月的支出占最近7個月的支出。我在上篇文章也說過，要是你有能耐，你還可以做最近7個月一個收支的標準差，檢查客戶收支情況的穩(wěn)定性。因為客戶的收支水平相差還是較多。假設(shè)現(xiàn)在這個數(shù)據(jù)是查詢記錄的話，還可以衍生出最近3次查詢所花的時間這類變量。

2、 貸款信用卡資料。

查過自己簡版征信的數(shù)據(jù)的可以看到，里面有你名下所有的信用卡以及貸款信息，就是說你幾年前不還錢的事情，都在簡版征信上告訴全世界，你之前欠錢拉，欠了多久都有說。

對于這部分數(shù)據(jù)，二分類的變量提及，是否有逾期，這是比較容易實現(xiàn)的。其次還有客戶的額度的衍生變量，額度的平均值啊，額度的最大值，這時候在統(tǒng)計學(xué)上學(xué)到的所有能在數(shù)列上的指標就全部用上吧。然后呢，就是占比，最近一張卡的占全部額度的比例，當前一個月的使用額除以額度比率。最后，就是類似上一點說的查詢記錄那種，開了三張卡花了多少時間。

3、申請資料

關(guān)于申請資料，我比較熱衷于組合變量的衍生變量，這部分數(shù)據(jù)維度說多不多，說少不少，真的要組合還是需要時間，所以為了效率的問題，挑選在業(yè)務(wù)上可以解釋的變量組合。譬如婚姻狀況和年紀組合，婚姻狀況與房產(chǎn)組合啊類似這種。