一、风控机型的a卡、b卡、c卡
根据设定的y变量和可获得的x变量，窗口控制模型大致分为a卡、b卡、c卡3种。 今天谈谈三个不同吧。
1、a卡(应用程序核心卡)。
A卡是申请评估模型，这种风控模型的目的是预测申请时间(信用卡申请、贷款申请)在今后一定时间内到期的概率。 y变量的设定视点是申请时间点，定义为表现期间内是否过期。 x变量通常只有客户填写的申请书信息、外部查询的数据和征信报告。
2、B卡(Behavior score card ) )。
B卡是行为评价模型，这种风控模型的目的是预测使用时间(贷款、信用卡的使用期间)在未来一定期间内到期的概率。 y变量将观察点设为使用期间的某个时间点，定义为表现期间内是否过期。 由于行为评价模型的观点是在获得贷款或信用卡之后，所以在此期间可以获取贷款或信用卡的使用偿还行为数据。 另外，在使用中也可以同样地调查外部数据和特征信息报告的变化，这些行为数据派生到x变量后，模型的效果会大幅提高。
3、c卡(Collection score card ) )。
C卡是催款分数模型，这种风控模型的目的是预测进入催款阶段后未来一定时期内还款的概率。 y变量设定的视点是进入催收阶段的时间点，定义为是否在表现期间内偿还。 催收分数模型有其特有的数据。 那是催款的行为。 这些催款行为x变量会影响催款模型的效果，例如，您是否打过几次电话或承诺还款。
应用场景：
1 .使用时间不同。 贷前、贷中、贷后各有侧重；
2 .数据要求不同。 A卡一般可以进行贷款0-1年的信用分析，B卡在申请人做出一定行为后，有比较大的数据分析。 一般在3-5年，c卡对数据的要求更大，需要加入催收后的客户反应等属性数据。
3 .每个记分卡的模型都不一样。 a卡中常用的是逻辑回归、AHP等，而后两种卡中常用多因素逻辑回归，精度等方面更为优秀。
二.表现期观察期
什么是目标，什么是所谓的y值？ 在风控模型的门类中，通常用一个客户或帐户是否逾期(通常为0，1 )来区分。 创建风险模型时，不能将逾期客户简单定义为1，将逾期客户定义为0。 这个在当时需要根据逾期的程度来判断。
观察期
观察期是相对于观察点的。 根据创建模型的业务APP应用程序的场景设定是否需要观察期。 如果是申请类的机型，只需要观察点就可以了。 因为所有申请信息都是在申请动作完成时得到的。 对于行为类型号，后续建模操作需要观察期。阶段总结一下，观察点和观察期是衍生x变量的时点或时期，所有的衍生变量要只能在此时间点和此时间点之前生成，不能使用此时间点之后的信息，否则就会产生使用未来信息的情况。观察点
此时，帐户和客户信息将提取为“当前月”信息，与生产系统中对帐户/客户进行风险评估的当前月相同。 一般来说，可以使用一个“视点”提取历史数据，但如果样本量有限，可以考虑采用选择多个“视点”以增加样本量的堆栈方式。 另外，业务发展受季节影响较大的情况下，可以根据相应季节选择“观察点”。 表现期
绩效期间是监视观察点的帐户/客户绩效的期间。 这些帐户根据到绩效点的表现分为“好”和“坏”两类。 表达时间必须足够长，不能太短。 这确保了示例组分类的稳定性，并充分体现了客户/客户的行为。 但是，不能太长。 即使获得了长时间的历史数据，也需要在完整性和数据质量之间保持平衡。 表现点
到目前为止，账户分为好账户和坏账户。阶段总结，表现期和表现点是定义y变量的时期。e.g。
明确了这几个概念，我们就可以进行目标定义的一环。 风控模型定义y变量时，保证表达期充足，不同业务对表达期的定义不同。 以信用卡业务为例，一般表现期为一年或一年半。 风险性能一般比较落后，需要经过足够的时间才能知道。
其次，还必须定义不良客户的逾期程度。 目的是让坏人彻底变坏，好人真的很好。 坏人如果不是坏人，比如定义逾期一天以上还是坏人，就和好人分不开。 很多人可能忘了还款，如果你注意的话就会还款。
设置的好坏可以由客户定义，如下例所示。
糟糕：在性能期内逾期超过60天的客户
是的：在性能期内没有逾期的客户
三.信用风险
信用风险是指银行贷款或投资债券所产生的风险，也就是借款人违约的风险。 近几年，利用新金融工具管理信用风险的信用衍生工具(Credit Derivatives )发展迅速。 适当利用信用衍生工具可以减少投资者的信用风险。