简化模型（Reduced-form）与信用评分卡

简化模型（Reduced-form）与信用评分卡本文档提供：简化模型违约强度的连续时间框架、评分卡作为强度函数离散化的构造规则、WOE/IV到评分标尺的完整推导、评分到PD映射校准的三种路径、期限结构在简化模型下的处理、审计检查清单与排查表；本文档不提供：可直接运行的Cox回归代码或评分卡生成脚本、特定机构的真实违约数据与校准结果、监管报送系统中的模型文档模板。（内部编号：方法框架类）日期：2026-10-30目录序号交付物名称所在板块读者卡点用途1强度—评分—PD传导总表一简化模型和评分卡各做各的，不知道谁在上位定位连续强度与离散评分的关系2简化模型违约强度公式块二λₜ到底怎么定义、怎么估计强度框架的起点3生存函数与期限PD公式块二强度怎么变成不同期限的PD从λ到PD(t)4Cox比例风险强度公式块二协变量怎么进入强度函数评分卡特征的理论入口5WOE与IV公式块二WOE正负号的含义总搞反评分卡特征编码6评分标尺与PDO公式块二Factor和Offset各管什么评分刻度7评分卡分值汇总公式块二单变量分值和总分怎么拼从系数到分数8评分到PD映射校准公式块二评分出来了，PD怎么定离散评分到连续PD9期限结构拼接公式块二评分卡只有一个PD，多期限怎么给强度框架下的期限扩展10样本窗口与分池定义表三观察期、表现期、好坏定义怎么锁输入层11审计检查清单（18项）四做完不知道对不对逐项判定12排查表（9行）五PD和预期差一截，从哪查起症状定位13反例对照（4组）六常见写法哪里错了纠正14完整成品示例七想看一遍走通的数对照复制15三套场景操作序列八不同深度怎么跑版本适配16差异化增补汇总表附录—对照同类资料结构导览表板块定位一、传导总表查强度、评分、PD三者的层级关系二、公式块按公式算强度、WOE/IV、刻度、映射、期限拼接三、样本与分池对观察期、表现期、好坏定义四、审计清单勾18项判定标准五、排查表按PD偏差症状定位六、反例对照纠正错误写法七、成品示例按数走一遍评分到PD八、场景序列选版本执行一、评分卡是强度函数的离散化，不是另一套模型简化模型（reduced-formmodel）把违约建模为一个外生过程：违约发生的时点由一个非负的瞬时强度λₜ驱动，λₜ可以由可观测变量决定。在这个框架下，“违约概率”是强度在时间上的积分结果，而不是评分卡直接输出的一个静态数值。评分卡做的事情，是用一组离散化的特征和线性打分规则，去逼近λₜ中对个体风险有区分力的那一部分。评分卡本身不产生时间维度；它输出的是一个与强度水平单调相关的分数。把分数转化为PD，需要额外的一层映射和期限假设。这个层级关系决定了建模中的一个基本约束：评分卡的区分度（排序）和PD校准的准确性（水平）是两个独立的工程步骤。评分卡可以把高风险客户排到低分区间、低风险客户排到高分区间，但分数本身没有PD的量纲。同一张评分卡，换一组样本、换一个映射方法、换一个期限口径，映射出的PD可以相差数倍。把评分卡直接当作PD模型来使用，混淆了“排序工具”和“水平标尺”的边界。评分卡在实务中承担的角色，更准确地说是强度函数的一个可解释、可审计的离散化实现。线性评分形式Score=Offset+Factor×ln(odds)背后的logit结构，与Cox比例风险模型中“协变量线性进入对数强度”的形式是同构的。评分卡的WOE编码把每个分箱的对数好坏比压缩成一个数值，多个特征的WOE加权求和后进入logit，这与Cox模型中多个协变量的线性组合进入对数强度的结构一致。理解了这层同构关系，就不会把简化模型和评分卡当作需要“融合”的两套东西——它们在数学形式上已经连通，需要处理的是时间维度：评分卡通常只给一个期限点的排序分数，而简化模型要求一条强度期限结构。表1强度—评分—PD传导总表层次数学对象评分卡中的对应物是否需要额外校准失败信号连续强度λₜ=λ₀(t)×exp(β′X)不直接出现不需要（是框架本身）评分卡没有时间维度却被当作完整强度模型离散评分Score=Offset+Factor×ln(odds)评分卡总分不需要（是排序工具）把Score直接当PD用评分→PDPD=f(Score)，f为校准函数主标尺映射需要（映射和样本决定水平）映射样本与当前组合不一致期限结构PD(t)=1−S(t)，S(t)=exp(−∫λ)通常缺失需要（从单点PD扩展）所有期限用同一个PD表1中“期限结构”行是评分卡在简化模型框架下最常见的缺口。评分卡开发通常围绕一个固定的表现期（例如12个月或18个月）定义好坏，输出的PD天然是那个期限上的PD。简化模型要求的是强度λₜ，或者至少是PD(t)随t变化的曲线。如果模型的使用场景需要不同期限的PD（例如不同剩余期限的贷款定价、IFRS9的存续期ECL），单点PD不能直接替代。二、核心公式块2.1简化模型的违约强度违约被建模为强度为λₜ的计数过程的首跳时间。在风险中性测度下，λₜ与信用利差的关系由无套利条件约束；在真实测度下，λₜ是可观测变量驱动的事前风险率。式(1)λ式中，λt为t时刻的瞬时违约强度，τ为违约时间。λtΔt近似等于在t时刻尚未违约的条件下，未来Δt该公式特有的常见错误。把λt直接理解为“无条件违约概率”。λt是一个条件风险率，它的分母是“存活到t时刻的群体”，不是初始全体。在强度较高或期限较长时，无条件累积违约概率会显著低于λ校验方法。用估计出的λt序列计算生存函数S(t)，再取1−S(t)作为累积PD。如果1−S(t2.2生存函数与期限PD式(2)S式(3)P式中，S(t)为存活到t时刻的概率，PD(t)为期限t内的累积违约概率。如果λs在区间内为常数式(3)特有的常见错误。用PD(t)=λ×t替代指数形式。在低强度、短期限时两者接近；在强度超过3%或期限超过3年时，线性近似的误差迅速放大。以校验方法。分别计算exp(−λt)2.3Cox比例风险强度简化模型中最常用的强度设定是Cox比例风险形式：基线强度乘以协变量的指数线性组合。这一形式是评分卡进入简化模型框架的数学接口。式(4)λ式中，λ0(t)为不随个体变化的基线强度函数，Xj为第j个协变量，该公式特有的常见错误。把Cox模型的系数解释为“对PD的边际影响”，而忽略基线强度λ0(t)校验方法。取两个协变量取值不同的个体，计算风险比exp(β′(X12.4WOE与IV评分卡把连续或类别特征分箱后，用证据权重（WOE）编码。WOE是分箱内好坏分布对数比，IV是该特征各分箱WOE的加权和。式(5)W式中，WOEi为第i个分箱的证据权重，Dis式(6)I式中，k为分箱数。IV衡量该特征对好坏区分的整体贡献，通常认为IV超过0.03即具备实际预测价值，超过0.3时区分力较强，但过高（如超过0.5）需要检查是否存在信息泄漏或过拟合。式(5)特有的常见错误。把WOE的分子分母写反，用坏/好分布比而非好/坏分布比。分子分母写反后，所有WOE的符号翻转，如果后续Logistic回归的系数也随之翻转，模型排序不变但系数的经济解释全部反向；如果只翻转WOE而不调整系数，排序本身就会出错。实务中必须锁定“好在前、坏在后”的约定，并在文档中固定。校验方法。取WOE绝对值最大和最小的两个分箱，用原始好坏计数独立重算WOE，与模型输出比对；符号应一致。再检查IV的求和方向：高WOE分箱应对应低违约率。如果高WOE分箱的违约率反而更高，WOE符号或分箱标签存在错位。2.5评分标尺与PDOLogistic回归的线性预测子（logit）需要转换为分数刻度才能成为评分卡。刻度由两个参数决定：Factor和Offset。式(7)S式中，odds为好客户与坏客户的比值（good:bad），ln(odds式(8)F式中，PDO（Points式(9)O式中，BaseSc式(8)特有的常见错误。把PDO当作“基准分数”或“最低通过分”。PDO是刻度斜率参数，不携带任何关于“好分数应该在哪里”的信息；基准分数由Offset中的BaseScore单独设定。把PDO误当作BaseScore，会使整个分数分布平移，与预期的分数区间（例如300—850）脱节。校验方法。用BaseScore和BaseOdds回代式(7)，结果应精确等于BaseScore。再用Score+PDO回代，对应的odds应精确翻倍。两个校验点同时通过，Factor和Offset的配对才是正确的。2.6评分卡分值汇总评分卡的总分是各特征分值的加总，每个特征分值由该特征的WOE乘以Logistic系数再经刻度变换得到。式(10)S式中，βj为第j个特征的Logistic系数，WOEj,i为该特征第i个分箱的WOE，该公式特有的常见错误。在评分卡分值计算中直接使用WOE的原始值，不乘Logistic系数。WOE编码本身只反映单变量层面的好坏分离程度，多变量模型中各特征的相对权重由βj决定。跳过βj校验方法。用式(7)和式(10)分别计算同一客户的分数，两者应相等（差异仅来自截距均摊的舍入）。不相等时，检查α/m是否被遗漏，或βj2.7评分到PD的映射校准评分卡输出分数后，需要把分数映射为PD。映射不是简单的Logistic反函数，因为Logistic回归的截距项在样本分层抽样或组合结构变化后不再代表真实的基准违约率，需要做截距调整或独立校准。式(11)P式(12)α式中，PDraw为模型原始输出的违约概率，αadj为调整后的截距，αreg为回归估计的截距，P式(13)P式中，g(⋅式(12)特有的常见错误。建模时对好坏样本做了1:1分层抽样，但直接使用回归截距输出PD，不做截距调整。样本中坏客户的占比被人为抬高到50%，而总体中可能只有3%。不调整截距，输出的PD会系统性偏高，在低风险区间尤其严重——所有客户的PD都被拉向50%附近。校验方法。用调整后的截距重新计算一批客户的PD，按评分等级汇总，与各等级的实现违约率比对。如果调整前的PD在每一个等级上都高于实现违约率，且差距随等级升高而缩小，这是分层抽样截距未调整的典型信号。2.8期限结构拼接评分卡通常只输出一个固定表现期上的PD。简化模型要求λt或PD式(14)S式中，S0(t)为基线协变量取值（X=0）下的生存函数，S(t∣X该公式特有的常见错误。用PD(2t)校验方法。用式(14)计算12个月和24个月的PD，检查S(24)三、样本窗口与分池的定义评分卡的PD水平最终由样本决定。观察期定义特征，表现期定义标签，两者的重叠和间隔决定了标签的纯净度。表2样本窗口与分池定义表维度定义常见设置对PD水平的影响失败信号观察期收集特征的时间窗口申请前6—12个月过短则特征不稳定特征缺失率高表现期定义好坏的追踪窗口12个月或18个月，经Vintage确定过短则坏样本暴露不足坏账率被低估观察期—表现期间隔避免特征窗口与表现窗口重叠观察期末距当前至少一个完整表现期重叠则信息泄漏区分度异常偏高好坏定义违约/逾期的阈值逾期90天以上为坏阈值过松则坏样本包含噪声IV虚高但映射PD偏高分池按产品/客群拆分建模申请卡、行为卡、催收卡分池混池则特征效应被平均化某一客群PD系统性偏移表2中“观察期—表现期间隔”是标签纯净度的硬约束。如果观察期的最后一天与表现期的起点重叠，客户在特征窗口中已经表现出的不良行为会同时进入特征和标签，区分度被人为抬高，但映射到新申请客户时PD会系统性偏低。Vintage分析用于确定表现期的合理长度：观察不同放款月份的客户在各账龄上的逾期累积曲线，当曲线趋于平稳时，表现期已经覆盖了大部分违约暴露。四、审计检查清单以下18项按“强度框架→评分构造→映射校准→期限结构”的顺序排列。表3简化模型与评分卡审计检查清单序号检查项判定标准失败后果操作路径勾选1强度定义一致λₜ为条件风险率，非无条件概率期限PD被高估对λ与S(t)的推导☐2生存函数指数形式PD(t)=1−exp(−∫λ)，非线性近似中长期PD偏差重算S(t)☐3比例风险假设检验Schoenfeld残差或时间交互项不显著期限外推失真跑PH检验☐4WOE分子分母方向好分布/坏分布，全表符号一致排序或解释反向抽两个分箱重算☐5分箱单调性WOE随风险等级单调，或合并后单调非线性关系被扭曲检查分箱WOE序列☐6IV阈值入模变量IV≥0.03，IV>0.5时排查泄漏弱变量稀释评分对IV表☐7截距均摊完整各特征分值加总等于总分评分系统性平移重算式(10)☐8系数乘入WOE分值=β×WOE×Factor，非WOE×Factor权重被假设为相等对分值表☐9PDO与BaseScore分离PDO为斜率，BaseScore为锚点分数分布平移回代式(7)☐10Factor/Offset回代BaseScore处odds=BaseOdds，+PDO处odds翻倍刻度错误两点校验☐11分层抽样截距调整不等比例抽样时α已按式(12)调整PD水平系统性偏高或偏低重算α_adj☐12校准样本代表性校准样本的组合结构与目标组合一致PD水平偏移对样本分池与目标组合☐13映射单调性分数越高，校准PD越低（或单调）非单调映射破坏排序对校准曲线☐14期限标签与使用期限一致表现期等于模型使用期限，或已做期限拼接期限错配对表现期定义☐15期限拼接非线性用S(t)幂次缩放，非PD线性加倍长期PD偏差重算式(14)☐16观察期—表现期间隔不重叠，间隔至少一个表现期信息泄漏，区分度虚高对时间轴☐17返回检验至少每年一次，预测PD与实现违约率比对校准漂移未被发现对返回检验报告☐18基准测试与备选方法/专家判断比对单一模型的偏差无参照对基准测试文档☐第11项和第12项是PD水平偏移的两个独立来源。第11项处理抽样设计导致的截距偏差，第12项处理目标组合与校准样本的结构差异。两者可以同时存在，且方向可能相反：分层抽样使PD偏高，而校准样本中低风险客户占比高于目标组合使PD偏低，合并后PD看起来“接近”，但两个偏差都没有被修正。五、排查表PD与实现违约率或预期水平偏差较大时，按症状进入对应行。表4简化模型与评分卡排查表症状第一检查位置第二检查位置常见根因修复动作所有等级的PD都偏高，低风险区间尤其明显分层抽样截距α_adj计算1:1抽样未调整截距按式(12)重算截距高分段PD高于低分段WOE符号校准映射方向WOE分子分母写反或映射非单调翻转WOE或重估映射12个月PD正常，24个月PD偏低期限拼接生存函数形式用线性加倍替代幂次缩放按式(14)重算评分区分度（AUC/KS）异常高观察期—表现期重叠标签定义特征窗口包含表现期信息后移观察期末端IV普遍偏低，入模变量少分箱粒度好坏定义分箱过粗或坏样本定义过松调整分箱和坏定义同一客户在不同时间点评分跳变特征稳定性分箱边界连续变量分箱边界随样本变动锁定分箱边界校准PD与实现违约率在时间上持续背离返回检验组合结构变化校准样本过时或目标组合迁移重校准或更新映射期限拼接后长期PD高于短期PD的合理倍数比例风险假设基线生存函数PH假设被违反，协变量效应随时间变化引入时间交互或分段基线总分加总与式(7)不一致截距均摊分值表α/m被遗漏或β未乘入重算分值表“评分区分度异常高”这一行需要单独解释。AUC或KS显著高于同类模型的正常水平（例如AUC超过0.85），通常不是模型优秀的信号，而是信息泄漏的嫌疑。最常见的泄漏来源是观察期与表现期重叠，客户在特征窗口中已经发生的逾期行为被当作预测变量使用，而这些行为与标签在时间上是同一件事。六、反例对照表5简化模型与评分卡常见写法对照场景错误写法问题正确写法强度到PDPD=λ×t忽略存活群体的收缩PD=1−exp(−λt)WOE方向ln(坏分布/好分布)符号全表翻转ln(好分布/坏分布)评分刻度把PDO当作基准分分数分布平移PDO为斜率，BaseScore为锚点分层抽样直接用回归截距输出PDPD水平被抽样比例扭曲按式(12)调整截距同类资料普遍将简化模型和评分卡分列为两种“可选方法”，本文档补充了评分卡是Cox比例风险强度函数在离散特征空间中的线性化实现这一结构关系，使两者从“二选一”变为“连续框架与离散工具”的层级配对。同类资料普遍给出PDO和BaseScore的刻度公式，本文档补充了四个刻度参数中只有两个独立的约束，以及PDO被误当作基准分时分数分布整体平移这一具体失败模式。同类资料普遍将评分卡的校准简化为“用Logistic输出PD”，本文档补充了分层抽样截距调整和校准样本代表性两个独立的水平偏差来源，以及两者方向相反时可以相互掩盖、使PD“看起来接近”而实际未校准的诊断路径。七、完整成品示例示例案例，细节为合理设定。某零售评分卡，建模时好坏样本按1:1分层抽样，总体坏率3%。Logistic回归截距αreg=−0.85，某客户WOE加权和∑式(12)截距调整：Pgood和Pbad在1:1抽样下均为0.5，ln0.5−刻度：Factor=表6成品示例变量与处置变化变量示例情形如果变量不同处置变化抽样比例好坏1:1，总体坏率3%好坏1:3，总体坏率3%截距调整量非零，PD需按式(12)修正PDO2050Factor从28.85升至72.13，分数对风险更不敏感BaseOdds50:130:1Offset从487.1升至499.7，分数整体上移表现期12个月24个月需按式(14)拼接，24个月PD约26.7%，非28.8%该示例中权重较高的变量是分层抽样截距。如果建模时做了1:1抽样但不调整截距，同一客户的PD会从14.4%偏移到约32%（logit=−0.85+1.42=0.57，PD≈64%；若以50%基准调整则不同），水平偏差远大于评分刻度参数的影响。评分刻度只改变分数的呈现，截距决定PD的水平。八、三套场景操作序列完整版适用于评分卡开发岗和模型验证岗。执行表3全部18项审计清单；强度框架侧重点在第1—3项，评分构造侧重点在第4—10项，映射校准侧重点在第11—13项，期限与样本侧重点在第14—17项。任一项不通过，按表4对应行定位。全部通过后，跑返回检验（第17项）和基准测试（第18项）。精简版适用于风险报告岗和模型使用岗。取表3中第4、5、8、9、10、11、12共7项构成核心包，覆盖WOE方向、分箱单调性、系数乘入、刻度参数、截距调整和校准样本代表性；排查只使用表4前4行；修复后只重跑