R︱金融风险管控
文章平均质量分 93
悟乙己
心如花木,皆向阳而生!
展开
-
评分卡应用 - 利用Toad进行有监督分箱(卡方分箱/决策树分箱)
toad是针对工业届建模而开发的工具包,针对风险评分卡的建模有针对性的功能。toad持续更新优化中,本教程针对toad的各类主要功能进行介绍,包括:EDA相关功能如何使用toad高效分箱并进行特征筛选WOE转化逐步回归特征筛选模型检验和评判标准评分卡转化和输出其他功能中文教程:toad使用教程文章目录1 Toad — EDA 工具2 变量的iv值 —— quality2.1 IV值解读2.2 toad.quality3 如何使用toad高效分箱并进行特征筛选4 toad分箱5 观原创 2021-07-30 17:57:03 · 9229 阅读 · 3 评论 -
笔记︱集成学习Ensemble Learning与树模型、Bagging 和 Boosting、模型融合
基本内容与分类见上述思维导图。 . .一、模型融合方法 . 概述本文参考:模型融合的【机器学习】模型融合方法概述 概况有五个部分:Voting、Averaging、Bagging 、Boosting、 Stacking(在多个基础模型的预测上训练一个机器学习模型)1、Voting有3个基础模型,那么就采取投票制的方法,投票多者确定为最终的分类。 .2、Averaging对于回归问题,一个简单原创 2017-01-22 10:46:06 · 19145 阅读 · 1 评论 -
笔记︱信用风险模型(申请评分、行为评分)与数据准备(违约期限、WOE转化)
巴塞尔协议定义了金融风险类型:市场风险、作业风险、信用风险。信用风险ABC模型有进件申请评分、行为评分、催收评分。一、数据准备1、排除一些特定的建模客户用于建模的客户或者申请者必须是日常审批过程中接触到的,需要排除以下两类人:异常行为:销户、按条例拒绝、特殊账户;特殊账户:出国、卡丢失/失窃、死亡、未成年、员工账户、VIP;其他:欺诈(根据反欺诈评分)、主动销户原创 2016-06-20 20:09:51 · 56782 阅读 · 8 评论 -
笔记+R︱信用风险建模中神经网络激活函数与感知器简述
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营——————————————————————————————————————————一、信用风险建模中神经网络的应用申请评分可以将神经网络+逻辑回归联合使用。《公平信用报告法》制约,强调评分卡的可解释性。所以原创 2016-06-21 15:29:30 · 4461 阅读 · 0 评论 -
笔记+R︱Logistics建模简述(logit值、sigmoid函数)
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营一、logit值的来源逻辑回归一般将因变量二分类变量的0-1转变为频率[0,1],变成odds(优势比,[0,+∞]),然后log一下成为Logit值([-∞,+∞])优势比就是:odds=P(y=1)/P(y=0)logit值:logit原创 2016-06-21 14:36:30 · 16736 阅读 · 0 评论 -
笔记︱金融风险控制基础常识——巴塞尔协议+信用评分卡Fico信用分
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营——————————————————————————————————————————一、巴塞尔协议——银行业监管手册巴塞尔协议Ⅲ是全球银行业监管的标杆,其出台必将引发国际金融监管准则的调整和重组,影响银行的经营模式和发展战略。在巴塞原创 2016-06-20 15:27:00 · 12481 阅读 · 1 评论 -
笔记︱金融风险之欺诈分类以及银行防控体系简述
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营——————————————————————————————————————————一、欺诈、损失定义与分类1、欺诈分类欺诈与客户虚假信息识别的案例较少,因为这些案例的数据源十分敏感,一般不会流入市场供大众参考。原创 2016-06-21 11:33:51 · 6081 阅读 · 2 评论 -
笔记+R︱风控模型中变量粗筛(随机森林party包)+细筛(woe包)
本内容来源于CDA-DSC课程内容,原内容为《第16讲 汽车金融信用违约预测模型案例》。建立违约预测模型的过程中,变量的筛选尤为重要。需要经历多次的筛选,在课程案例中通过了随机森林进行变量的粗筛,通过WOE转化+决策树模型进行变量细筛。一、变量粗筛——随机森林模型与randomForest包不同之处在于,party可以处理缺失值,而这个包可以。原创 2016-06-21 17:32:25 · 18824 阅读 · 3 评论 -
笔记︱风控分类模型种类(决策、排序)比较与模型评估体系(ROC/gini/KS/lift)
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营一、风控建模流程以及分类模型建设1、建模流程该图源自课程讲义。主要将建模过程分为了五类。数据准备、变量粗筛、变量清洗、变量细筛、建模与实施。2、分类模型种类与区别风控与其他领域一样,分原创 2016-06-21 10:56:42 · 64038 阅读 · 9 评论 -
笔记︱支持向量机SVM在金融风险欺诈中应用简述
本笔记源于CDA-DSC课程,由常国珍老师主讲。该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营欺诈一般不用什么深入的模型进行拟合,比较看重分析员对业务的了解,从异常值就可以观测出欺诈行为轨迹。同时欺诈较多看重分类模型的召回与准确率两个指标。较多使用SVM来进行建模。召回率,准确率,排序很准的模型排行:1、SVM原创 2016-06-21 15:50:01 · 4685 阅读 · 0 评论