风控建模中变量缺失值率多少应该删除？如何处理缺失值？

在风控建模中有很多小细节总会让人纠结，比如变量的缺失率达到多少需要删除该变量？如果保留存在缺失值的变量，缺失值应该用什么值填充？随着业务经验的积累，也有了一些思考。本文根据业务经验，提出一点自己的看法，欢迎大家在评论区提出自己的看法。

一、风控建模中的缺失值是什么？

  
在风控建模中，数据中的缺失值(Missing Values)是指数据集中某些变量(特征)没有值或值未知的情况。这些缺失值可能是由于数据收集过程中的错误、遗漏、数据录入错误、数据清洗不彻底等原因造成的。缺失值的存在对风控建模过程具有重要影响，因为它们可能会干扰数据分析的准确性和可靠性，进而影响模型的预测能力和稳定性。具体来说，缺失值可能导致以下问题：
  
1.信息损失：缺失值意味着在数据集中丢失了部分信息，这可能会降低模型的预测能力。
  
2.偏差引入：如果不恰当地处理缺失值，比如简单地删除含有缺失值的记录或随意填充缺失值，可能会引入偏差，导致模型结果不准确。
  
3.模型复杂度增加：在建模过程中，需要考虑如何处理缺失值，这可能会增加模型的复杂度。