100天风控专家
文章平均质量分 91
信贷大数据风控,产品/策略/模型/数据/系统/业务6大模块,100期以上视频更新~
Python数据科学
这个作者很懒,什么都没留下…
展开
-
风控迁徙率报表逻辑和开发(Python)
什么是迁徙率呢?我们说,一个账户现在处于某一逾期状态(比如M1),一个月后,这个账户要么从良为M0状态,要么恶化为更坏的下一个逾期状态M2。迁徙率表示上一个阶段有多少比例的逾期金额会向下一个逾期阶段继续转化,它描述了逾期状态向后恶化的程度。一般用 M(n-1)-M(n) 的形式表示,例如:M0-M1 = 当月进入M1的贷款余额 / 上月末M0的贷款余额M1-M2 = 当月进入M2的贷款余额 / 上月末M1的贷款余额。原创 2024-04-15 11:05:12 · 884 阅读 · 0 评论 -
LightGBM+OPTUNA超参数自动调优教程(附代码框架)
大家好,我是帅东哥。原创系列持续更新,欢迎微信搜一搜「 Python数据科学」阅读机器学习系列文章。最近在kaggle上有一个调参神器非常热门,在top方案中频频出现,它就是OPTUNA。知道很多小伙伴苦恼于漫长的调参时间里,这次结合一些自己的经验,给大家带来一个LGBM模型+OPTUNA调参的使用教程,这对可谓是非常实用且容易上分的神器组合了,实际工作中也可使用。关于LightGBM不多说了,之前分享过很多文章,它是在XGBoost基础上对效率提升的优化版本,由微软发布的,运行效率极高,且准确度不降原创 2021-09-12 13:51:55 · 5571 阅读 · 5 评论 -
Vintage账龄分析表计算底层逻辑(Python实操)
大家好,我是东哥。信贷风控领域中,经常用到账龄Vintage报表,这是入门初学者的难点之一,因为它涉及到用户还款、逾期等多种行为以及业务上的多种统计口径,因此很多朋友一直无法将逻辑梳理清楚。本次来给大家详细介绍Vintage报表的底层计算逻辑是什么样的。出品人:东哥起飞原创:👉原创大数据风控课程《原创 2024-03-16 10:20:43 · 1640 阅读 · 0 评论 -
CART决策树暴力生成风控规则(Python代码)
上一篇我们介绍了决策树节点信息更新的方法,以辅助我们制定风控规则,可视化的方法比较直观,适合做报告展示,但分析的时候效果没那么高。本篇我们介绍一种通过决策树自动挖掘规则的方法。出品人:东哥起飞原创:👉原创大数据风控课程更新100期以上。原创 2024-03-16 10:12:25 · 1227 阅读 · 1 评论 -
风控规则决策树可视化(升级版)
上一篇我们介绍了如何通过交叉表来生成规则,本篇我们来介绍一种可以生成多规则的方法,决策树。除了做模型以外,也可以用来挖掘规则,原理是一样的。下面通过sklearn的决策树方法来实现风控规则的发现,同时分享一种可以更新决策树节点信息的方法,以辅助制定风控规则。出品人:东哥起飞原创:👉原创大数据风控课程《原创 2024-03-10 15:13:10 · 1005 阅读 · 0 评论 -
风控实战:用Python实现vintage报表
大家好,我是东哥。本篇继续分享风控的内容,关于如何用python实现vintage报表及可视化图的实战。账龄分析(vintage)是风控中非常重要的报表之一,通过它可以将不同月份的资产数据拉齐对比贷后表现,也可以用于指导制定风控模型Y标签的成熟表现期。那么账龄分析是如何做的呢?账龄分析需要客户的还款计划表数据,即客户历史的还款记录,包括放款金额、每期到期日期、每期还款日期、每期应该金额、每期实还金额、期数等等。基于这些数据就可以做出vintage报表,以及相应的可视化图。原创 2023-12-20 18:33:49 · 1233 阅读 · 0 评论 -
基于交叉表生成风控规则(Python)
大家好,我是东哥。规则是风控策略中最常用的工具之一,生成、筛选、监控、调优,几乎每天都在打交道,本篇来介绍如何基于交叉表来生成风控规则,并且如何基于评估指标进行筛选。出品人:东哥起飞专栏:《原创 2024-03-08 23:26:23 · 845 阅读 · 0 评论 -
Toad:基于 Python 的标准化评分卡模型
大家好,我是东哥。在信贷的风控模型中最常用、最经典的可能要属评分卡了,所谓评分卡就是给信贷客户进行打分,按照不同业务场景可为贷前、贷中、贷后和反欺诈,一般叫做ABCF卡。模型得到分数,通过设置cutoff阈值给出评估结果,结果可直接用于通过或拒绝,或者用于策略应用。区别于xgb等机器学习模型,评分卡使用逻辑回归,之所是还在使用时因为它属于广义线性回归,在特征的解释性上非常的强。本次和大家分享一个开源的评分卡神器toad。从数据探索、特征分箱、特征筛选、特征WOE变换、建模、模型评估、转换分数,都做了完原创 2021-07-31 18:34:57 · 7391 阅读 · 2 评论