博客

day07问题小结

掌握风控报表中指标计算方法

知道ABC评分卡是什么，有什么区别

掌握评分卡模型正负样本定义方法

5 风控建模概述【续day07】

5.2 风控建模流程

2.1 评分卡简介

风控模型其中包含了A/B/C卡。模型可以采用相同算法，一般以逾期天数来区分正负样本，也就是目标值Y的取值（0或1）

• 贷前 申请评分卡 Application score card

• 贷中 行为评分卡 Behavior score card

• 贷后 催收评分卡 Collection score card

2.2 机器学习模型的完整工程流程

准备

• 明确需求

• 模型设计

• 样本设计

特征工程

模型

上线运营

2.3 项目准备期

1 明确需求

2 模型设计

• 业务抽象成分类/回归问题

3 Y标签定义

• 15天为正负样本的标记阈值，Y = 1的客户均是逾期超过15天的客户

• 将逾期<5天和没有逾期的人作为正样本

• 逾期5～15天的数据（灰样本）会从样本中去掉

• “灰样本”通常放入测试集中，用于确保模型在训练结束后，对该部分样本也有区分能力。

4 样本选取

• 观察期和表现期

  • 观察期是指用户申请信贷产品前的时间段

  • 表现期是定义好坏标签的时间窗口，如果在该时间窗口内触发坏定义就是坏样本，反之就是好样本。

  • 举例: 要建立A卡模型, 观察期12个月,表现期3个月

    • 用户贷款前12个月的历史行为表现作为变量，用于后续建模

    • 如设定用户在到期3个月内未还款，即认为用户为负样本，则称表现期为3个月

  训练数据测试数据划分

  • 数据集在建模前需要划分为3个子集：

    • 开发样本 train

    • 验证样本 test

    • 时间外样本

5 样本设计

选取客群：新客，未逾期老客，逾期老客

2.4 特征工程

数据调研

特征构建

特征评估

2.5 模型构建

模型评估

• 好的模型需要满足的条件： 稳定，在后续较长时间可以持续使用 PSI (Population Stability Index) 区分度好，好坏用户的信用分差别大 AUC, KS, GINI

• 报表一：区分度，抓坏人能力在不同分段的表现

• 报表二：跨时间稳定性

2.6 上线运营

模型交付→模型部署→模型监控

交付流程：

• 1 提交特征和模型报表 2 离线结果质量复核 (无缺失，无重复，存储位置正确，文件名规范) 3 保存模型文件，确定版本号，提交时间 4 老大审批，通知业务方 5 线上部署，案例调研， 持续监控

• 模型监控

  • 特征监控：特征稳定性

  • 模型监控：模型稳定性

ABC评分卡小结

A 申请评分卡

训练模型

从外部获取数据

观察期

FPD30

8.22时间节点 之前一年观察期

一年内数据收集

表现期

8.22-9.22

这一个月内，如果逾期就是坏人，否则是好人

训练得到一个模型

模型预测

对于申请用户，比如有个用户9.10申请，往前取一年的数据，按照训练模型时特征工程流程对这个数据进行处理，得到的向量就是模型能够使用的向量，模型就可以对着个数据进行预测，得到一个信用分，根据这个信用分可以放款/拒绝

B 行为评分卡

是在自己平台有过贷款行为且没有逾期

训练模型

8.22时间节点，

取B卡训练样本，只要在8.22之前没有逾期过的用户，都可以拿过来

8.22-10.22之间，这部分用户中，有没有预期的

特征工程，训练模型

模型预测

9.15有个用户，再次申请贷款，再取这个用户9.15之前一年的数据，按照特征工程的流程进行处理，输入到模型

得到一个信用分，放款/拒绝

C 催收评分卡

训练模型

是在自己平台有过贷款行为且在选定的时间节点前逾期

在时间节点之后，如果内催催回来，则就是好人，否则是坏人

模型预测

能否通过内催催回来

一 业务规则挖掘

1 规则挖掘简介

案例背景

• 某互联网公司拥有多个业务板块，每个板块下都有专门的贷款产品

• “司机贷”产品的30天逾期达到了5%

• 希望快速开发快速上线，解决问题

  • 尽量不使用复杂的方法

  • 考虑使用现有数据挖掘出合适的业务规则

2 规则挖掘案例

案例背景

期望解决方案

加载数据

缺失值填充

特征衍生

将变量组合在一起

训练决策树模型

利用结果划分用户

二 特征构造

1 数据准备

1.1 梳理数据的内在逻辑

关系种类

一对一：一个用户有一个注册手机号

一对多：一个用户多笔借款

多对多：一个用户可以登录多个设备，一个设备可以有多个用户登录

1.2 样本设计和特征框架

定义观察期样本

• 确定观察期（定X时间切面）和表现期（定Y的标签）

• 确认样本数目是否合理

2 特征构造

2.1 静态信息特征和时间截面特征

用户静态信息特征

• 用户的基本信息（半年内不会变化）

用户时间截面特征

• 
  未来信息
  
  当前时间截面之后的数据

• 时间截面数据在取数的时候要小心，
  
  避免使用未来信息
  

2.2 时间序列特征

用户时间序列特征

• 从观察点往前回溯一段时间的数据

时间序列特征衍生

• 特征聚合：将单个特征的多个时间节点取值进行聚合。特征聚合是传统评分卡建模的主要特征构造方法。

用户时间序列缺失值处理

时间序列数据的未来信息

特征构建时的补救方法

• 对未来信息窗口外的订单计算有效单的特征nmv

• 对未来信息窗口内订单只计算一般特征GMV

• 解决方案跟上面例子一样，分区间讨论，可以把账单分成3类

2.3 特征变换

分箱（离散化）

• 分箱就是将连续变量离散化，合并成较少的状态

• 等频分箱

  • 按数据的分布，均匀切分，每个箱体里的样本数基本一样

• 等距分箱

  • 按数据的特征值的间距均匀切分，每个箱体的数值距离一样

• 
  卡方分箱
  
  ：使用卡方检验确定最优分箱阈值

案例：使用toad库进行分箱处理

• toad 中的combiner类用来进行分箱处理，实际工作中分箱时会对每个列都进行分箱，然后需要对每个分箱结果都进行风险趋势检查调整

• 通常使用双变量图（Bivar图 Bivariate graph）来评价分箱结果。

• 可以通过调整箱数实现单调趋势

• 从单调性和模型稳定性角度考虑一般使用卡方分箱

####