ShichenXie/scorecardpy

해결하는 문제

신용 스코어링과 관련된 반복적이고 복잡한 작업, 예를 들어 변수 선택 및 데이터 빈닝을 자동화함으로써 전통적인 신용 리스크 스코어카드 모델 개발을 간소화합니다.

작동 방식

이 라이브러리는 스코어카드 파이프라인의 엔드투엔드 처리를 위한 도구 세트를 제공합니다. 결측률과 정보가치(IV)를 기반으로 변수를 필터링하고, 연속형 또는 범주형 데이터를 변환하기 위한 Weight of Evidence(WoE) 빈닝을 수행하며, 결과 모델을 신용 점수로 스케일링하고 AUC 및 PSI와 같은 지표를 사용하여 성능을 평가합니다.

대상 사용자

로지스틱 회귀를 사용하여 전통적인 신용 스코어링 모델을 구축해야 하는 금융 서비스 분야의 데이터 과학자 및 리스크 분석가.

주요 기능

• 자동 빈닝: woebin을 사용한 Weight of Evidence(WoE) 빈닝과 woebin_adj를 통한 수동 브레이크 조정 기능 포함.
• 변수 선택: var_filter 및 iv와 같은 도구를 통해 가장 예측력 있는 특징을 식별.
• 성능 평가: perf_eva와 perf_psi를 통한 내장된 성능 평가 및 인구 안정성 지수(Population Stability Index) 평가 기능.
• 최적화된 실행: 사전 컴파일된 정규표현식과 sklearn.metrics.roc_auc_score를 사용하여 처리 속도 향상.