Académique Documents
Professionnel Documents
Culture Documents
Pierre-Louis GONZALEZ
Diffé t types
Différents t d score
de
Score d’appétence
C’estt la
C’ l probabilité
b bilité chez
h un client
li t ouvrantt un compte t bancaire,
b i
souscrivant une carte de crédit, demandant un découvert ou
contractant un crédit, de rencontrer un incident de paiement ou de
remboursement.
2
Diffé t types
Différents t d score
de
3
LES DIFFÉRENTES ÉTAPES DE RÉALISATION
1. ÉCHANTILLONNAGE
É
2. COLLECTE DE L’INFORMATION
3. REDRESSEMENT
5. CONSTRUCTION DU MODÈLE
6. SIMULATION
7 MISE EN ŒUVRE
7.
4
1. ÉCHANTILLONNAGE
Dossiers
refusés
e usés
Mauvais
dossiers
LES TROIS STRATES DE LA DEMANDE
Problème:
Un score calculé uniquement sur les dossiers acceptés ne s’applique
pas à l’ensemble de la demande. 5
1. ÉCHANTILLONNAGE
Observer
Ob une population
l ti ded dossiers
d i t
terminés
i é
6
2. LA COLLECTE DE L’INFORMATION
Objectif:
Bâtir un fichier contenant toutes les informations connues sur les
refusés ainsi que les bons et mauvais payeurs.
Problèmes:
Pas de stockage informatique des observations individuelles
Pas de conservation des dossiers refusés
Pas de statistiques permettant d’élaborer le plan de sondage
Historique trop court ou absent
7
3. REDRESSEMENT
Objectif :
Redonner à l’échantillon la structure de la demande actuelle.
Deux familles de méthodes :
Score accepté/refusé
Acceptés Refusés
Hypothèse: Les refusés d’une tranche ont le même comportement
que les acceptés.
Simulation du comportement
Principe: Chaque dossier refusé serait devenu bon (ou mauvais) avec
une probabilité à estimer.
8
4. SÉLECTION DES CRITÈRES
Objectif:
j
Découpage/regroupement en catégories
Choix
Ch i ddes iinteractions
t ti
9
5. CONSTRUCTION DU MODÈLE
0 + 12 + 20
Ratio d’endettement
+ 20 + 16 +8 0
10
5. CONSTRUCTION DU MODÈLE
+ 10 0
État matrimonial
Fonctionnaires, retraités + 18 + 30 + 30
Industriels, gros
commerçants,
Professions libérales,
Cadres supérieurs + 15 + 22 + 25
Employés de bureau
Artisans, petits
commerçants
Exploitants agricoles +5 + 12 + 17
Cadres moyens
Employés de commerce
Ouvriers, Autres 0 +5 + 10
12
EXEMPLE: UTILISATION DU MODÈLE
Ratio d’endettement : 15 % 16
Locataire : +0
SCORE + 60
13
6. SIMULATION
Taux de refus 33 % 46 % 33 %
15
7. LA MISE EN ŒUVRE
Objectif :
Introduire le score comme outil de sélection, de prévision et de
suivi.
Les problèmes:
Formation des utilisateurs.
Mise en place des outils informatiques.
Réactualisation: il est nécessaire de prévoir des outils
d’alerte indiquant la détérioration du score: cartes de contrôle.
16
COMPARAISONS DE SCORES
Tables de classement
Objectif: Évaluer la capacité prédictive du modèle.
modèle
⎧⎪ Ŷ i = 1 si sc o re ≥ s
⎨
⎪⎩ Ŷ i = 0 si sc o re < s
PRÉDICTION
$ =1
Y $ =0
Y
i i
BSERVATIION
Yi = 1 a b
Yi = 0 c d
OB
17
COMPARAISONS DE SCORES
a
SENSIBILITE
a+b La capacité prédictive
d
SPÉCIFICITÉ du modèle est dd’autant
autant
c+d
meilleure que :
c
TAUX D’ERREUR PAR EXCÈS
a+c ⎧ SENSIBILITE
⎪
b ⎨ SPECIFICITÉ
TAUX D’ERREUR PAR DÉFAUT ⎪⎩ BIEN CLASSÉS
b+d
a+d sont élevés.
BIEN CLASSÉS
n
18
COMPARAISONS DE SCORES
19
COMPARAISONS DE SCORES
Courbe de lift
20
COMPARAISONS DE SCORES: FONCTIONS
DE DENSITE
21
COMPARAISONS DE SCORES: FONCTIONS
DE REPARTITION
22