Актуарный кредитный скоринг: логистическая регрессия и кривые ROC в оценке заемщиков

Математическим ядром скоринговой модели выступает логистическая регрессия (Logistic Regression). В отличие от классической линейной регрессии, которая может предсказывать любые непрерывные значения от минус бесконечности до плюс бесконечности, кредитный риск является бинарной величиной: клиент либо допустит дефолт (1), либо нет (0). Вероятность дефолта (PD) обязана находиться в строгом интервале от 0 до 1. Для обеспечения этого ограничения логистическая регрессия моделирует не саму вероятность, а натуральный логарифм шансов (Log-Odds или Logit). Уравнение регрессии имеет вид: ln(P / (1 - P)) = B0 + B1*X1 + B2*X2 + ... + Bn*Xn, где Xi — характеристики заемщика (возраст, доход, кредитная история), а Bi — расчетные весовые коэффициенты. Используя обратное преобразование (логистическую функцию или сигмоиду), актуарий мгновенно конвертирует линейную комбинацию признаков в строгую вероятность дефолта.

Построение надежной скоринговой модели начинается с глубокого математического препроцессинга данных. Линейные зависимости в чистом виде встречаются редко. Например, зависимость риска от возраста имеет U-образную форму: молодые люди высокорискованны, люди средних лет — надежны, а пенсионеры снова переходят в группу риска. Для линеаризации нелинейных связей и обработки категориальных переменных актуарии используют метод Веса Доказательств (Weight of Evidence, WoE). Каждая переменная (например, возраст) разбивается на дискретные корзины (Bins). Для каждой корзины вычисляется WoE — логарифм отношения доли "хороших" клиентов к доле "плохих" клиентов. Замена сырых данных на значения WoE не только максимизирует предсказательную силу логистической регрессии, но и делает итоговую балльную карту абсолютно прозрачной и легко интерпретируемой для регуляторов.

Для оценки прогностической силы каждого фактора на этапе отбора переменных (Feature Selection) применяется метрика Information Value (IV). Факторы с IV менее 0.02 отбрасываются как статистически бесполезные, а с IV более 0.3 считаются сильными предикторами. После того как логистическая регрессия обучена и подобраны оптимальные веса B, встает вопрос валидации всей модели. Насколько хорошо алгоритм разделяет хороших и плохих заемщиков? Главным визуальным и алгебраическим инструментом оценки качества скоринга является ROC-кривая (Receiver Operating Characteristic Curve). По оси X откладывается доля ложноположительных решений (False Positive Rate), а по оси Y — доля истинно положительных (True Positive Rate) для всех возможных порогов отсечения (Cut-off).

В идеальной модели ROC-кривая проходит через верхний левый угол квадрата (100% точность). В абсолютно бесполезной (случайное угадывание) — это просто диагональ. Количественным измерителем этой кривой является площадь под ней — AUC (Area Under the Curve). В банковской и актуарной практике значение AUC конвертируется в Коэффициент Джини (Gini Coefficient = 2 * AUC - 1). Индекс Джини, равный 60-70%, считается золотым стандартом для качественных розничных моделей. На базе скорингового балла (Score), рассчитанного регрессией, банки выстраивают кредитные конвейеры: автоматические одобрения, отказы, динамическое ценообразование по кредитам (Risk-Based Pricing) и расчет макроэкономических резервов под ожидаемые кредитные убытки (ECL) согласно стандарту IFRS 9, превращая актуарную алгебру в двигатель современной потребительской экономики.