风控建模
文章平均质量分 94
白白的一团团
这个作者很懒,什么都没留下…
展开
-
风控建模十二:数据淘金——如何从APP数据中挖掘出有效变量
根据常识知识、案例分析、分布排查三种手段,挖掘出APP数据中的有用信息,衍生出有效变量原创 2022-11-12 11:00:43 · 2073 阅读 · 0 评论 -
风控建模十一:利用外部数据联合建模时,如何选择样本
在能看到外部数据的情况下,应该如何选择建模的样本,关注哪些问题,才能让我们尽可能全面地了解外部数据并避免建模中的各种问题。原创 2022-06-12 22:42:11 · 1845 阅读 · 0 评论 -
风控建模十:传统建模方法存在的问题探讨及改进方法探索
传统建模方法存在的问题探讨及改进方法探索原创 2022-06-09 11:42:00 · 1788 阅读 · 0 评论 -
风控建模九:一些特征工程方法及自动化工具小结
风控建模九:一些特征工程方法及自动化工具小结原创 2022-04-06 16:02:57 · 3503 阅读 · 1 评论 -
风控建模八:搭建模型监控体系
风控建模八:模型监控1、模型监控的目的及框架结构2、前端监控模型分分布稳定性监控1、模型监控的目的及框架结构实际业务中,对于一个正在线上使用的模型,能够实时把控模型的稳定及效用是至关重要的,所以,我们需要一套完善且及时的模型监控系统来帮助我们全面掌握模型的动态,及时定位模型问题。为达到这个目的,我们的模型监控系统大致可以分为两大部分:前端和后端。简单来说,前端监控系统实时监控模型分布的整体稳定性,后端监控系统实时了解模型效果的稳定性。下面我们来看一下前后端监控系统具体都需要把握哪些维度的信息。2、前端原创 2021-06-20 23:21:41 · 5698 阅读 · 4 评论 -
风控建模七:拒绝推断
风控建模七:拒绝推断1、为什么要做拒绝推断1、为什么要做拒绝推断在开发准入模型的时候,我们做模型用的是通过的有表现的样本,而我们用模型是用在进件样本上,这就导致了模型开发和使用上的样本偏差。这种样本偏差有什么影响呢,我们可以从两方面去看。一从样本维度上,...原创 2020-06-28 17:39:20 · 5397 阅读 · 0 评论 -
风控建模六:变量相关性分析及筛选方法
风控建模六:变量相关性分析及筛选方法不论是开发逻辑回归评分卡,还是GBM机器学习模型import pandas as pdimport numpy as npfrom sklearn.cluster import KMeansfrom sklearn.preprocessing import StandardScalerfrom pyecharts.charts import HeatMapimport pyecharts.options as optsfrom copy import co原创 2020-05-27 15:16:47 · 13793 阅读 · 25 评论 -
风控建模五:GBM模型开发
风控建模二:模型训练原创 2020-05-15 18:24:26 · 6282 阅读 · 0 评论 -
风控建模四:逻辑回归评分卡开发
风控建模四:评分卡开发1、变量做WOE转换逻辑回归评分卡因其可解释性强、上线便捷、方便管理等特点往往成为传统金融领域风险管控模型的不二选择。本篇文章就来聊一下逻辑回归评分卡的开发流程。如果选择用python开发评分卡,经常用到的包有两个,一个是sklearn里面的LogisticRegression,一个是statsmodel里面的Logit,不管选择哪个包,我们都需要先对算法原理和拟合过程有...原创 2020-04-29 20:37:07 · 3438 阅读 · 0 评论 -
风控建模三:变量筛选原则
风控建模一:变量筛选一 变量自身分布稳定性psi长期趋势图二 变量和目标值的强相关关系IV值变量数的选择好的模型变量直接决定着一个风险模型是否稳定和有效,而好的模型变量都具备以下三种特性:1、变量自身的分布是随时间相对稳定的;2、变量和目标值之间是有强相关关系的;3、变量和目标的强相关关系也是随时间相对稳定的;建模初期所有的变量筛选工作都是围绕着这三点来寻找符合这些特性的变量的。一 变...原创 2019-12-09 22:24:09 · 6549 阅读 · 3 评论 -
风控建模二:建模方案拟定
风控建模二:建模方案拟定引言一、是否需要分客群建模引言好坏标签定义完成并整理好数据集并不意味着建模工作可以正式开始,在建模之前我们还需要拟定好建模方案,具体而言,需要解决以下三个问题:一是否需要分客群建模;二是如何划分训练集、测试集和时间外验证集;三是样本是否是过采样的,怎样还原回去。一、是否需要分客群建模...原创 2020-02-06 17:54:59 · 2628 阅读 · 4 评论 -
风控建模一:好坏标签定义
风控建模一:好坏标签定义引言一、界定天数——收回率曲线二、界定期数——vintage曲线三、好坏定义的验证——滚动率分析四、实际情况引言风控模型能够准确判别好坏的基本前提是我们精准定义了好坏样本。 如何定义好坏通常被认为是风控建模中最难的环节。在风控中,当定义风险模型标签时,我们一般会使用类似3T ever 15(该客户在3期应还之中是否有至少一笔超过15天以上的逾期表现)这样的标签来界定好...原创 2020-02-04 18:26:14 · 4337 阅读 · 1 评论