【金融风控建模系列】基础篇

第一章 风控建模三要素

---

---

前言

自从进入智能手机时代，伴随人们生活质量的提升，消费需求也越来越大。消费不再局限于线下，取而代之的线上消费慢慢成为主流…
交易转移到线上，风险就不可避免。最典型的就是信用卡消费，每个人会根据自己的“表现”获得一个额度，人们只能在这个额度下进行消费，借款人需在截止日期之前把钱还上，否则将面临失信问题。这在建模（系列文章中的风控建模均只局限于金融领域）中就是常说的“坏客户”。
那我们为什么要进行风控建模？如果出现坏客户，之后不借给他不就可以了。但请想象一下，现在出现一群没有还款能力的人，他们借了你家银行一大笔钱，最后都还不上…所以，风控建模的目的之一就是不借给这些人钱。
本章我会解释风控模型的三大基本要素。

---

一、数据

从数据体量看，一个有效果的风控模型至少需要用上千级别的数据量，且随特征数量逐步上升。从数据形式看，均是表格型数据。最常用的是csv格式的数据，相比于xlsx格式，csv占用的空间小的多。
建模用到的数据有一个很明显的特点，就是坏样本会远少于好样本。挑选的时候，需要尽可能保证坏样本总量大于500。

样本示例

其中，event_name：数据所在客群
month：数据所在月份
all_cnt：数据量
catch_cnt：y标签不为空的有效数据量
catch_rate：有效数据量占比
bad_cnt：y为1（坏样本）的数量
bad_rate：y为1（坏样本）的占比，也称坏账率
这是其中一种查看数据基本信息的方式。
观察该数据不难发现，每个月的样本量都超过10000，坏账量都超过1000，故他们都可以单独作为样本。另外，如果相邻月份具有相似坏账率，可以考虑合并。

二、特征

特征可以从很多维度进行分类。
第一步，我们先把特征分为基本特征和待入模特征。基本特征不参与特征筛选，比如id，姓名，手机号，月份等，这类信息用作标识数据；待入模特征参与特征筛选，它反映用户的表现或其他能影响信用分的基本信息，比如收入，学历，最近一次是否还款，在其他机构的打分等。

基本特征和待入模特征

基本特征

sign_no：唯一标识符。
event_name：数据所在客群，用其他编码方式读来解决乱码的现象。

待入模特征

score_1-score_9：特征已进行脱敏，这里大概率是在其他机构的打分。

第二步，我们再把待入模特征分为非入模特征和入模特征。常见的筛选依据包括iv（信息价值），empty（缺失率），corr（特征相关性），PSI（稳定性）。根据这些筛选指标把合格的特征筛选出来，并最终放入模型。

入模特征

这里用empty，iv，corr来筛选特征，不同阈值，筛选出来的特征可能会有差异。

三、模型

模型的输入是Dataframe格式的数据，数据中的列只包括入模特征+y标签列。
模型的输出是模型文件，常用的库pickle输出的为.dat后缀的模型文件。

代码示例

    # 训练模型
    xgb_clf = xgb.XGBClassifier(**bayes_params).fit(train_df.drop(columns=target, axis=1), train_df[target],
                                                    eval_metric='auc')
    with open(xgb_clf_path, 'wb') as f:
        pickle.dump(xgb_clf, f)
        print('模型已导出')
    f.close()

xgb是本次选用的算法，之后章节会重点讲解该算法。
bayes_params是模型参数，由贝叶斯调参而得。
train_df是训练样本。

章节总结

以上就是建模三要素，也是建模的核心部分。所有行为都应该围绕核心部分展开，包括数据清洗，数据分析，特征筛选，参数优化等。
下一章开始我会深入讲解数据样本是如何挑选的。”数据决定模型上限，算法决定模型下限“，与各位建模人共勉。