Réintégration des refusés en Credit Scoring

Abstract

The granting process of all credit institutions rejects applicants who seem risky regarding the repayment of their debt. A credit score is calculated and associated with a cut-off value beneath which an applicant is rejected. Developing a new score implies having a learning dataset in which the response variable good/bad borrower is known, so that rejects are de facto excluded from the learning process. We first introduce the context and some useful notations. Then we formalize if this particular sampling has consequences on the score's relevance. Finally, we elaborate on methods that use not-financed clients' characteristics and conclude that none of these methods are satisfactory in practice using data from Crédit Agricole Consumer Finance. ----- Un système d'octroi de crédit peut refuser des demandes de prêt jugées trop risquées. Au sein de ce système, le score de crédit fournit une valeur mesurant un risque de défaut, valeur qui est comparée à un seuil d'acceptabilité. Ce score est construit exclusivement sur des données de clients financés, contenant en particulier l'information `bon ou mauvais payeur', alors qu'il est par la suite appliqué à l'ensemble des demandes. Un tel score est-il statistiquement pertinent ? Dans cette note, nous précisons et formalisons cette question et étudions l'effet de l'absence des non-financés sur les scores élaborés. Nous présentons ensuite des méthodes pour réintégrer les non-financés et concluons sur leur inefficacité en pratique, à partir de données issues de Crédit Agricole Consumer Finance.