金融风控建模常用指标介绍（WOE, IV, KS, PSI）

近期在做金融风控相关项目，有必要把特征和模型的衡量指标总结下，以备不时之需。这次主要介绍4个指标（WOE, IV, KS, PSI）。

• WOE（Weight of Evidence, 用于特征变换，衡量变量某个取值的预测能力）
  WOE算法已在我的另一篇文章数据预处理-分箱（Binning）和 WOE编码介绍过，这里不再赘述。

• IV（Information Value, 衡量特征的预测能力）
  其中，
  
  IV值可以看作WOE值的加权求和，IV值的衡量标准可以参考：
  

• KS（Kolmogorov-Smirnov, 衡量模型对好坏样本的区分能力）

每个分箱中累计坏客户率减去累计好客户率的最大值。

举例：样本总量891，好客户549，坏客户342（见下标），表中数据计算方法。

• 表中第一行:

  total_rate=90/891=10.1%,

  cum_good_rate=good_rate=2/549=0.36%,

  cum_bad_rate=bad_rate=88/342=25.73%,

  ks=25.73% - 0.36% = 25.4%。

• 表中第二行，

  total_rate=89/891=10.0%,

  good_rate=24/549=4.37%,

  bad_rate=65/342=19.01%,

  cum_good_rate=0.36%+4.37%=4.74%,

  cum_bad_rate=25.73%+19.01%=44.74%,

  ks=44.74%-4.74%=40%
  
  从表中可以发现，当分类阈值设为0.65时，对好坏样本的区分度最高。

• PSI（Population Stability Index，衡量模型和特征的稳定性）
  
  其中，Ai代表第i组的实际占比（上线后数据），Ei代表第i组的期望占比（训练数据）。
  
  PSI值为0.018，模型稳定。PSI值的衡量标准参考：
  
  注：PSI和IV在取值范围与业务含义的对应上也是存在统一性，只是应用场景不同——PSI用以判断变量稳定性，IV用以判断变量预测能力。