LendingClub贷前信用评分卡
• 项目背景与目标：针对公开信贷数据存在字段泄露、时间漂移及标签右删失问题，基于 LendingClub 2007–2018 年约226万条贷款记录，搭建仅使用申请时点变量的可解释贷前评分卡，并将校准 PD 接入审批阈值、风险分级及盈利策略。
• 数据治理与建模：按时间划分开发集2014–2015（59.9万笔）、验证集2016（29.3万笔）及 OOT 测试集2017（16.9万笔）；排除 grade、int_rate 及贷后表现字段，完成训练期缩尾、单调 WOE 分箱、IV/相关性筛选，以15个变量构建 L2 Logistic 模型并完成 PDO50 评分映射。
• 概率校准与策略设计：基于2016验证集进行 intercept-only PD 校准，使 Brier Score 由0.1660降至0.1633；按校准 PD 构建 A–E 风险等级及额度/定价情景，以“利息收入−PD×LGD×EAD−资金成本−运营成本”生成盈利前沿，并在验证集观察坏账率不超过15%的约束下选择510.0分审批阈值。
• 模型效果与工程交付：固定阈值应用于2017 OOT 后，模型取得 AUC 0.681、KS 26.2%、Score PSI 0.023，通过率32.3%、观察坏账率11.0%，统一成本假设下的情景预期利润为595万美元；进一步完成 PD/LGD/资金成本联合压力测试，并沉淀配置化训练代码、GitHub Actions CI及10项单元测试。