风控ML[16] | 风控建模中怎么做拒绝推断

00 Index

01 什么是拒绝推断？
02 为什么要做拒绝推断？
03 什么时候做拒绝推断？
04 做拒绝推断都有哪些方法？
05 验证拒绝推断效果的方式
06 总结一下

🎲 01 什么是拒绝推断

拒绝推断要解决的问题就是去推断那些被拒绝的客户，如果放贷的话，后续的贷后表现是什么样子，是好样本，还是坏样本？并把推断的结果，加入到建模样本中用于丰富样本的多样性，缩小与总体分布之间的差异。

🎲 02 为什么要做拒绝推断

在我们的生活中，有很多关于幸存者偏差的例子，比如我们身边的同事月收入都是过万，就误以为大多数人都是这样子，身边的人都是本科毕业，就以为大多数人都上过大学。同样的，在金融建模领域也会有这种现象，那就是很多坏客户可能被我们拒绝准入了，所以长期以往库内的客户，都基本上算是不那么差的客户，那么如果我们直接拿这些数据来统计建模，就会出现了偏差，也就是用局部样本代替了全局样本，从而可能会得到不太能代表真实分布的模型，出现了线下回溯效果好，但上生产实际去跑之后的表现却不尽人意。
图：来自于https://zhuanlan.zhihu.com/p/8862498

这就是我们为什么要做拒绝推断的主要原因，我们需要加入一些“坏客户”，从而让我们的抽样能够尽可能描述总体的情况，避免出现上述情况。

🎲 03 什么时候做拒绝推断

一般情况下都不太需要去做拒绝推断的，但如果很多次模型部署上线后的效果都不太好并且找不到原因的话，那可以考虑走这一步了。当然，如果条件不允许拿线上来随便迭代测试，也可以在建模前，做好库内样本的分布统计，并且拿着与预授信环节（或者是营销环节）的客群分布来对比下模型主要的特征分布，看看两者是否有比较明显的差异，如果是的话，有很大概率也是因为有了较大的偏差了，这个需要也需要我们去做拒绝推断。
但是有些场景，其实也没有太大的做拒绝推断的必要。比如说，审批通过率很高的场景，这样子其实贷后样本基本上与真实的客群分布相差无几；相反地，另一个极端，比如审批通过率很低的场景，由于拒绝推断与真实贷后表现之间会存在比较大的差异，加入拒绝样本不太好去控制模型的收敛，或者说模型性能会很难有较好的提升。

🎲 04 做拒绝推断都有哪些方法

这里的方法介绍，我在知乎上看到汪哥的相关文章，写得真的是太棒了！我比较难超越了，就把他的原文链接🔗贴过来，大家可以去看看哦。
《风控建模中的样本偏差与拒绝推断》https://zhuanlan.zhihu.com/p/88624987
不过我也还是把他文章里的分类体系在这里重点再次分享一下。
其中，数据法中提到的3种方式都是比较好理解的。

• 方法一：简单说就是把模型应该拒绝的客户，按照一定规则（比如不那么坏的客户）给予审批通过的决策，后续观察其贷后表现，给未来的模型提供更丰富的数据；

• 方法二：指的是从其他机构或者类似产品中获得客户的贷后表现数据，从而来捞回一些拒绝的客户，给予这些客户好坏的标签，用于后续的建模；

• 方法三：从人工审核的流程中找到具体的拒绝原因，根据描述，人工给予拒绝客户好坏标签。

而对于推断法就会相对比较复杂一点，这里就不一一展开来说了，就讲一个比较经典的展开法（Augmentation）。

展开法的实施步骤主要是：
1、拿到贷后的样本，按照一定的好坏样本定义规则打上Y值，接着就是常规操作，得到 评分卡模型A；
2、拿着评分卡模型A，去对全量样本（包含拒绝的）进行打分，得到每个样本的模型分P(good)；
3、将拒绝样本的模型分P进行降序，设置cutoff。cutoff一般按照业务经验来设置，就是拒绝样本中被赋予通过的样本，其badrate水平，是正常放款样本中的badrate水平的2～4倍；
4、根据步骤3设置的cutoff，高于这个阈值的赋予good标签，低于阈值则赋予bad标签；
5、最后利用全量样本（包括拒绝的）进行建模，得到新的评分卡模型B。
以上的5个步骤，就是实施拒绝推断中推断法之一的展开法。

🎲 05 验证拒绝推断效果的方式

最直接的方法就是使用AB Test，将部分订单使用原模型，部分订单使用加入拒绝样本建立的模型，cutoff设置一样的badrate，然后线上实际运行进行效果评估。如果加入拒绝推断后的模型可以带来更好的效果（比如放款率高且坏账率低），则代表模型有效！
但是，如果我们并没有这么多时间或者成本来做测试，也可以通过统计单变量的IV值来辅助判断，因为经验得知，做了拒绝推断后加入拒绝样本，可以让变量IV值带来提升。

🎲 06 总结一下

本文算是一个对拒绝推断的入门介绍了，让初涉风控模型的同学有一个相对来说比较清晰的全局认识，这里面涉及到的很多算法模型上的细节并没有展开来讲，因为我觉得这也会让阅读带来比较大的负担，公众号的文章还是要控制在几分钟内读完比较合适。不过，我也把相关其他博主这块算法模型写得比较清晰易懂的文章，分享给大家，感兴趣的同学可以抽空到电脑上细细研究拜读嘻嘻，我觉得这十分值得我们花时间去理解去吸收！

📚 Reference

[1] 异常检测算法分类及经典模型概览
https://blog.csdn.net/cyan_soul/article/details/101702066
[2] 风控建模中的样本偏差与拒绝推断 https://zhuanlan.zhihu.com/p/88624987
[3] 【模型迭代】拒绝推断（RI）
https://blog.csdn.net/sunyaowu315/article/details/94830732