今天要解決什麼？

• 把常見信貸觀念（收入、負債比、繳款紀錄、信用卡動用率…）變成簡單規則
• 計算分數（Base 600 分起），輸出 分數、等級 與 扣分原因
• 這套結構未來可以慢慢調整權重、加新變數，逐步進階成你自己的風險打分卡

會用到的指標

• income_twd：月收入（TWD）
• dti：負債比（Debt-to-Income，月負債/月收入）
• late_12m：過去 12 個月遲繳次數
• util：信用卡動用率（已用額度 / 總額度）
• age：年齡
• history_years：信用歷史長度（年）
• inq_6m：近 6 個月查詢次數（申貸/辦卡）
• buffer_months：現金儲備可支撐幾個月生活

Python 小實作

# 規則說明：
# - 基礎分 600 分，依各項指標加減分，最後裁剪於 300~900
# - 僅示範教育用途；實務需資料校準、監管合規與公平性檢核

def score_applicant(a: dict):
    pts = 600
    reasons = []

    income = a.get("income_twd", 0)         # 月收入
    dti = a.get("dti", 0.0)                 # 負債比 (0~1)
    late = a.get("late_12m", 0)             # 遲繳次數
    util = a.get("util", 0.0)               # 動用率 (0~1)
    age = a.get("age", 0)
    hist = a.get("history_years", 0.0)
    inq = a.get("inq_6m", 0)
    buf = a.get("buffer_months", 0.0)

    # 1) 收入（越高越好）
    if income < 30000: pts -= 40; reasons.append("收入偏低")
    elif income < 60000: pts += 0
    elif income < 100000: pts += 20
    else: pts += 35

    # 2) DTI（越低越好）
    if dti > 0.50: pts -= 60; reasons.append("負債比過高")
    elif dti > 0.35: pts -= 35; reasons.append("負債比偏高")
    elif dti > 0.20: pts -= 15
    else: pts += 10

    # 3) 繳款紀錄（遲繳越多越差）
    if late >= 3: pts -= 60; reasons.append("近一年遲繳≥3")
    elif late == 2: pts -= 45; reasons.append("近一年遲繳=2")
    elif late == 1: pts -= 30; reasons.append("近一年遲繳=1")
    else: pts += 30

    # 4) 信用卡動用率（越低越好）
    if util > 0.80: pts -= 40; reasons.append("動用率>80%")
    elif util > 0.50: pts -= 20; reasons.append("動用率50~80%")
    elif util > 0.30: pts -= 10
    else: pts += 10

    # 5) 年齡（僅示意：極端年齡略減分）
    if age < 20: pts -= 20; reasons.append("年齡過低")
    elif age < 25: pts -= 10
    elif age > 60: pts -= 5

    # 6) 信用歷史長度（越長越穩定）
    if hist < 1: pts -= 25; reasons.append("信用歷史<1年")
    elif hist < 3: pts -= 15
    elif hist <= 7: pts += 0
    else: pts += 10

    # 7) 近 6 月查詢次數（過多代表急需資金）
    if inq >= 6: pts -= 25; reasons.append("近6月查詢過多")
    elif inq >= 3: pts -= 10
    elif inq >= 1: pts -= 5
    else: pts += 5

    # 8) 現金緩衝（越多越安全）
    if buf <= 0: pts -= 20; reasons.append("無現金緩衝")
    elif buf < 3: pts -= 10
    elif buf <= 6: pts += 0
    else: pts += 10

    # 分數裁剪與等級
    pts = max(300, min(900, pts))
    if pts >= 750: grade = "A"
    elif pts >= 700: grade = "B+"
    elif pts >= 650: grade = "B"
    elif pts >= 600: grade = "C"
    else: grade = "D"

    return {"score": pts, "grade": grade, "reasons": reasons}

# --- 測試三位申請人 ---
applicants = [
    {
        "name": "Alice",
        "income_twd": 85000, "dti": 0.28, "late_12m": 0, "util": 0.35,
        "age": 29, "history_years": 4, "inq_6m": 1, "buffer_months": 4
    },
    {
        "name": "Bob",
        "income_twd": 42000, "dti": 0.55, "late_12m": 2, "util": 0.82,
        "age": 24, "history_years": 1, "inq_6m": 3, "buffer_months": 1
    },
    {
        "name": "Carol",
        "income_twd": 120000, "dti": 0.18, "late_12m": 0, "util": 0.20,
        "age": 38, "history_years": 9, "inq_6m": 0, "buffer_months": 8
    }
]

for a in applicants:
    r = score_applicant(a)
    print(f"{a['name']:>5} ｜ 分數：{r['score']} ｜ 等級：{r['grade']} ｜ 原因：{', '.join(r['reasons']) or '無'}")

預期輸出（示意）

• Alice：分數約 7xx，等級 B 或 B+，主要因為「無遲繳、DTI 合理」。
• Bob：分數偏低，等級 C 或 D，原因包含「負債比過高、近一年遲繳、動用率高」。
• Carol：分數最高，等級 A，因為收入高、DTI 低、歷史長且無遲繳。

怎麼延伸與調整？

• 調權重：把你覺得最重要的項目（例如遲繳）放更大扣分。
• 加入門檻：如 score < 620 需人工覆核。
• 產出報表：把結果寫入 CSV，做團隊演示或面試作品集。
• 公平性提醒：別引入敏感屬性；測試不同族群/年齡分佈的結果是否明顯偏斜。
• 合規：實務上需符合在地法規（例如可解釋性、資料同意、隱私保護）。