银行信贷风控模型监控报告

Credit Risk ModelOps Monitoring Dashboard  |  Champion 评分卡 v1  |  报告生成时间：2026-08-23 14:09:55
监控首页 数据概览 模型表现 风险分布 漂移监测 模型评分卡
二、模型表现（区分度与排序能力，剔除拒绝推断样本后）
ⓘ 人口口径：本页全部统计与曲线均基于剔除拒绝推断样本后的可评分人口——开发集先剔除 20,734 条硬拒绝推断样本，剩余 129,266 条（其中坏样本 892 条）；验证集先剔除 2,902 条，剩余 17,098 条（其中坏样本 0 条）。因此本页坏样本数与原始全申请坏账数（6,000 / 1,000）不一致，属人口口径不同而非数据错误，两种口径的对账见「一、数据概览」。

（一）模型整体区分度（ROC & AUC）

数据集非拒绝样本（剔除拒绝推断后）好样本坏样本AUCKS最大KS阈值
开发集129,266 128,374892 0.948844 0.755751 ≤ 639
验证集17,098 16,939159 0.939108 0.748256 ≤ 634
ROC 曲线（开发集，剔除拒绝推断样本后） 0.000 0.270 0.540 0.810 1.080 开发集 ROC 0.00 0.25 0.50 0.75 1.00 假阳性率 (FPR) 真阳性率 (TPR) ROC 曲线（开发集，剔除拒绝推断样本后）
ROC 曲线（验证集，剔除拒绝推断样本后） 0.000 0.270 0.540 0.810 1.080 验证集 ROC 0.00 0.25 0.50 0.75 1.00 假阳性率 (FPR) 真阳性率 (TPR) ROC 曲线（验证集，剔除拒绝推断样本后）

（二）好坏样本分离度（KS曲线诊断）

KS 曲线（开发集，剔除拒绝推断样本后） 0.000 0.204 0.408 0.612 0.816 开发集 KS 7 255 504 752 1000 信用分阈值（判高风险：credit_score ≤ 阈值） KS 统计量 KS 曲线（开发集，剔除拒绝推断样本后）
KS 曲线（验证集，剔除拒绝推断样本后） 0.000 0.202 0.404 0.606 0.808 验证集 KS 69 302 534 767 1000 信用分阈值（判高风险：credit_score ≤ 阈值） KS 统计量 KS 曲线（验证集，剔除拒绝推断样本后）
数据集非拒绝样本好样本坏样本最大 KS最大 KS 分数阈值阈值含义
开发集129,266 128,374892 0.755751 credit_score ≤ 639 判定高风险的分数阈值
验证集17,098 16,939159 0.748256 credit_score ≤ 634 判定高风险的分数阈值
ⓘ 读图说明：KS = max|累计坏样本占比 − 累计好样本占比|，沿信用分从低到高（低分 = 高风险）累计，同分组不拆分；横轴为信用分阈值，在最大 KS 处若判定 credit_score ≤ 该阈值 为高风险，好坏客户分离度最大。最大 KS 阈值只是统计诊断点，不能直接当作业务审批 cutoff，业务 cutoff 需结合成本收益与政策约束另行确定。
📌 指标汇总：开发 AUC 0.948844 · KS 0.755751（≤639）；验证 AUC 0.939108 · KS 0.748256（≤634），均为剔除拒绝推断样本后口径
口径约定：硬拒绝推断样本（is_bad=9）不参与模型指标；高分低风险；20 级边界为冻结配置。
银行信贷风控模型智能监测与自主迭代项目  |  本报告由确定性 Python 引擎自动生成，所有数字可追溯到计算代码