编辑导语：在信用评分上，是利用风险水平对客群进行排序，评分模型分为很多种，在不同的场景运用的也是不同的模型；要根据实际工作中的情况进行选择；本文作者分享了关于模型分数的六大场景，我们一起来看一下。

一、开篇

信用评分的核心功能是对客群按风险水平进行排序，即对客群按风险水平进行“差异化”。

评分模型可以从信贷风险管理流程上分成申请评分模型、行为评分模型、催收评分模型以及反欺诈评分模型；这里的反欺诈评分模型还是二分类的评分模型，不同于异常检测、模糊匹配、关系网络等图论型模型。

也可以从应用功能上分为信用评分、风险评分、响应评分、分期转化率评分等，从而可以进行差异化动作，如通过、拒绝、定价、定额、流程体验简化或复杂等等，而这些动作即是评分模型在风险策略上的具体应用。

当我们有了客户评分之后，需要设定评分的多个cut-off实现评分在策略中的具体应用。

cut-off，又称评分截点，主要包括“合格分数线”和“各决策区间线”的确定。

其中，“合格分数线”是审批中**的分数线，也是我们对客户评分应用中接受的底线，低于该分数值的申请一般不会被接受。

“各决策区间线”是指根据评分划定的不同分数段，其所代表的风险程度不一样，在单独使用或与其他风险规则组合搭配时，其决策策略也不一样。

如高分段的申请在配置审批通过/拒绝策略时一般设置为“自动批准”或“建议批准”，建议配置的额度也较高；低分段的申请则配置为“自动拒绝”或“建议拒绝”，同时建议的额度也较低。

评分模型的cut-off设定常与实际业务相关，不会简单的使用算法、KS指标这种机械式的设定，得益于cut-off这种灵活的设计策略，也能使较低区分度的模型在某些场景下得到上线应用的机会，并且模型效果还不错。

当然，作为最全总结，这种指标类的分数策略应用，作为参考依据也会在下文介绍到。

二、六种场景下的分数应用