weixin_43420291的博客

通过两种方法去计量IC值，绝对值均大于0.8。可知该因子的筛选坏客户的能力很强。好坏区分能力效能很好

▍风控书单《现代信用卡管理》《数据化风控-信用评分建模教程》 《信用评分工具：自动化信用管理的理论与实践》红宝书 《消费信用模型：定价、利润与组合》蓝宝书 《信用评分应用-第二版》绿宝书 《消费金融真经：个人贷款业务全流程指南》第2版 蓝色 《一本书看透信贷：信贷业务全流程深度剖析》 《智能风控：原理、算法与工程实践》《智能风控:Python金融风险管理与评分卡建模》 《智能风控与反欺诈：体系、算法与实践》 《智能风控：评分卡建模原理、方法与风控策略构建》 《Python金融大数据风控建模实战：基于机器学习

常见的方法论就是根据熟悉的滚动率分析与账龄分析，同时结合业务经验进行自行定义，赋予每个样本用户较合理的标签值，也是实际业务的准确度目标。

智能风控之评分卡模型建模流程

做客户画像的最终目的是为不同客群定制化营销策略或风险规则策略。

在贷后资金归集的场景中，构建交易流水的关联网络，这个网络内的节点PR值越大，越有可能是资金归集账户。节点中心度在交易网络中，可以衡量网络中资金流向某个节点的概率，流入节点概率越大则节点的中心度越高。

目前基于核心企业的供应链金融服务解决方案，现阶段主要有三种模式：采购环节的应收账款融资模式、销售环节的预付账款融资模式、经营环节的动产质押融资模式。

贷款迁徙率就是表示客户从一个还款状态过度到下一个还款状态的比率

Altair可以使用强大而简洁的可视化语法快速开发各种统计可视化图表

智能风控体系之Y定义与样本选择(A卡)

智能风控体系之逻辑回归

FICO最大化分离度(Divergence)评分模型开发

建立风控策略及模型的目标是筛选出好客户进件放款。为达到这一目标，从客户的还款能力和还款意愿两个方面来考虑。还款能力主要看客户的基本信息、工作信息以及行内信息；还款意愿主要看客户的信用信息和三方信息。

基于客群的还款能力、还款意愿、多头借贷3维度标签建立客群分层管理。

行为评分以客户的行为数据为基础，预测其未来一段时间（如：接下来的12个月）内的违约风险。这种模型具有很高的灵活度和实时性，贷款机构通常每个月都会更新这类行为分数，以便及时发现和管理风险。

贷前调研100条

将原始模型的KS统计量与随机分数的KS统计量进行比较，如果原始模型的KS统计量明显大于随机分数的KS统计量，就可以认为模型具有统计显著性，即模型的预测能力不是由随机因素引起的。

本次主要从金融风控关于贷前违约概率（PD）和贷后违约损失率（LGD）的抓手、征信指标衍生、基于KS筛选变量等方面，对信贷风控进行介绍和思考。

消费贷客群分群模型：入模变量差异大，分箱显著差异。验证效果：KS、AUC、lift对比。优于通用模型，提升预测精度。也期待各位在学习时能够保持独立思考能力，脚踏实地的不断优化数据科学知识。

循环贷产品具有可重复借款、额度限制、授信期限、利率优惠和用款灵活等特点。为了有效控制风险，银行应严控客户资质，合理确定贷款额度，加强循环管理和贷后管理。