2020-2021年中国的新冠肺炎疫情的爆发给消费行业造成冲击的同时也让消费金融行业感受到切实的压力——短期内疫情对消费金融的影响不仅体现在业务经营层面还体现在风险管理、运营维护等方面。
疫情前后无论是信贷政策、风控规则跟评分模型其实都需要做一定范围的调整。特别是零售信贷业务，其笔数多、单笔金额小，数据渠道来源丰富，对其进行智能化、概率化的管理过程中就更需要细微谨慎。其中跟评分模型配套的监控报表更是其模型开发后必备的管理工具。
模型部署与实施后，需要定期对模型的表现情况进行监控，由于开发的评分卡是基于特定时间的样本，随着产品政策和外部环境的改变，可能导致样本分布发生过大变化，导致模型预测准确性和稳定性降低。
常规上，我们可以通过计算模型稳定性指数(PSI)等指标对模型进行监控，但需要监控的维度之丰富不仅仅限制于这一指标，那其他更全面的指标又有哪些呢？来看看本文内容。
一.评分分布监控
报表意义：监测现行申请人群的评分分布与评分模型建立时所用人群的评分分布发生的偏移
二.变量监控（eg.年龄）
报表意义：观察分析是哪些变量的变化造成了客户群体在评分分布上的迁移
1、变量分布差距为正值，显示现行评分客户和开发样本相比，分布向高分属性偏移
2、变量分布差距为负值，显示现行评分客户和开发样本相比，分布向低分属性偏移
三.评分鉴别能力监控报表意义：
1、报表基于已经放款的客户，在一定的表现期之后，即当坏账户有一定积累程度之后进行监控
2、反映分数段和好坏账户比的对应关系，并衡量分数和好坏账户之间的关系是否符合预期
3、在发现有任何预警的信号后，可以结合评分性稳定性报表分析排序能力下降的原因。
四.变量鉴别能力监控（eg.年龄）
报表意义：分析评分卡的某项变量在观察期是否还具有鉴别能力
占比差距=坏客户占比-好客户占比
坏客户比率=坏客户数量/(好客户数量+坏客户数量)
五.好坏客户比率监控
报表意义：
监测观察好坏账户比率是否随着评分卡的评分的升高而升高
好坏客户比率=好客户数量/坏客户数量
六.逾期分布监控
报表意义：
1、监控各分数段的逾期分布变化情况，也能对评分卡的性能做出有效衡量
2、监控评分卡根据风险程度对账户进行排序时的有效性大小，分数越高，逾期账户的比例也就越小
3、监控客户群体中逾期率的变化情况
该评分模型监控报表更全面的信息，学院陈老师已经已上传到番茄风控大数据平台，有兴趣的童鞋们可以上去下载研究。
