目录
竞赛采用AUC(ROC曲线下与坐标轴围成的面积)作为评价指标
Task1
一、学习知识点概要(赛题理解)
赛题以金融风控中的个人信贷为背景,需根据贷款申请人的数据信息建立模型,预测其是否有违约的可能,以此判断是否通过此项贷款,这是一个典型的分类问题。因此,在预测指标时需要用到分类算法常见的评估指标。
在金融贷款机构中,风控部门是核心部门之一,风控体系的好坏直接决定机构盈利能力和存活能力。
评估客户偿还贷款的能力可从三个方面考察客户的偿还贷款能力:(1)借款人偿还贷款能力(2)偿还贷款意愿 (3)内部操作风险的控制
二、学习内容
1.数据概况
“我们所有的风险都是基于数据的,所以如果不了解不掌握数据,影响风控系统的信息是搜集不了的。”龙屠以支付宝举例,支付宝每天的交易用户数量可能有好几千万,其中每次操作都会产生很多数据,支付宝的风控人员必须对这些数据进行实时分析、监控,然后识别出一些异常交易。由此可见,数据在建立模型中极为重要,了解数据概况有助于我们对数据进行理解、处理、分析。在比赛界面中,都有对应的数据概况介绍,说明列的性质特征。当然,也会存在匿名特征,即未告知数据列所属的性质的特征列。
以下为金融风控中需要了解的数据概况:
- id 为贷款清单分配的唯一信用证标识
- loanAmnt 贷款金额
- term 贷款期限(year)
- interestRate 贷款利率
- installment 分期付款金额
- grade 贷款等级
- subGrade 贷款等级之子级
- employmentTitle 就业职称
- employmentLength 就业年限(年)
- homeOwnership 借款人在登记时提供的房屋所有权状况
- annualIncome 年收入
- verificationStatus 验证状态
- issueDate 贷款发放的月份
- purpose 借款人在贷款申请时的贷款用途类别
- postCode 借款人在贷款申请中提供的邮政编码的前3位数字
- regionCode 地区编码
- dti 债务收入比
- delinquency_2years 借款人过去2年信用档案中逾期30天以上的违约事件数
- ficoRangeLow 借款人在贷款发放时的fico所属的下限范围
- ficoRangeHigh 借款人在贷款发放时的fico所属的上限范围
- openAcc 借款人信用档案中未结信用额度的数量
- pubRec 贬损公共记录的数量
- pubRecBankruptcies 公开记录清除的数量
- revolBal 信贷周转余额合计
- revolUtil 循环额度利用率,或借款人使用的相对于所有可用循环信贷的信贷金额
- totalAcc 借款人信用档案中当前的信用额度总数
- initialListStatus 贷款的初始列表状态
- applicationType 表明贷款是个人申请还是与两个共同借款人的联合申请
- earliesCreditLine 借款人最早报告的信用额度开立的月份
- title 借款人提供的贷款名称
- policyCode 公开可用的策略代码=1新产品不公开可用的策略代码=2
- n系列匿名特征 匿名特征n0-n14,为一些贷款人行为计数特征的处理
2.预测指标
竞赛采用AUC(ROC曲线下与坐标轴围成的面积)作为评价指标
分类算法常见的评估指标 :
- 混淆矩阵(Confuse Matrix)
实例 | 被预测为 | 结果为 |
---|---|---|
正类 | 正类 | 真正类TP(True Positive ) |
正类 | 负类 | 假负类FN(False Negative ) |
负类 | 正类 | 假正类FP(False Positive ) |
负类 | 负类 | 真负类TN(True Negative ) |
- 准确率(Accuracy) 不适合样本不均衡的情况
- 精确率(Precision) 又称查准率
- 召回率(Recall)又称为查全率
- F1-Score(精确率、召回率的结合)
- P-R曲线(Precision-Recall Curve)描述精确率和召回率变化的曲线
- ROC(Receiver Operating Characteristic)
假正例率FPR(X 轴):在所有实际为负例的样本中,被错误地判断为正例之比率
真正例率TPR(Y 轴):在所有实际为正例的样本中,被正确地判断为正例之比率
- AUC(Area Under Curve) AUC(Area Under Curve)
由于ROC曲线一般都处于y=x这条直线的上方,所以AUC的取值范围在0.5和1之间。AUC越接近1.0,检测方法真实性越高;等于0.5时,则真实性最低,无应用价值。
对于金融风控预测类常见的评估指标
1、KS(Kolmogorov-Smirnov)
在风控中,KS常用于评估模型区分度。区分度越大,说明模型的风险排序能力(ranking ability)越强。 在实际操作时往往使用ROC曲线配合求出KS值。
K-S曲线与ROC曲线类似,不同在于:
- ROC曲线将真正例率和假正例率作为横纵轴
- K-S曲线将真正例率和假正例率都作为纵轴,横轴则由选定的阈值来充当。公式为:
一般情况KS值越大,模型的区分能力越强,但如果KS过大,模型可能存在异常,需要检查模型是否过拟合。以下为KS值对应的模型情况,但此对应不是唯一的,只代表大致趋势
KS(%) | 好坏区分能力 |
---|---|
20以下 | 不建议采用 |
20-40 | 较好 |
41-50 | 良好 |
51-60 | 很强 |
61-75 | 非常强 |
75以上 | 过于高,疑似存在问题 |
2.ROC
3.AUC
4.RP
三、学习问题及解答
Q:指标太多,不知道应该用什么指标去进行分析
A:指标只是作为一种分析手段,首先要明白各种指标所适用的条件,比如在遇到样本不均衡的情况时,准确率这项指标就不适用了。除此之外,还需要注意一些指标的取值范围,这可以帮助检验模型是否有误。
四、学习思考与总结
金融风控建模需要用到Python和机器学习的知识,利用代码将模型建出,从而根据一系列指标预测其是否有违约的可能,以此判断是否通过此项贷款。因此,我们要从一系列数据中获取信息进行建模,要获取数据就必须要了解数据概况,否则将有可能获取到错误信息,得到错误的结果,这可能会导致损失惨重!