在信贷领域中建立风控模型是为了找出可能会逾期的客户,根据逾期的可能性和资金的松紧程度选择是否放贷。
智能风控已经被提及了很多年,在业界也有诸多应用实践,但是,智能风控相关书籍中,能够阐述完整智能风控体系,将智能风控各个环节融会贯通并结合实际案例的还是凤毛麟角。经过十余年的沉淀,蒋宏老师以及他的团队将智能风控的核心方法、流程和应用实践整理成书籍出版,相信能够帮助到智能风控领域的从业者。
序言: 作为年后的首篇实操干货文章,番茄风控一如既往向业内小伙伴输出相关的干货文章。有实操能落地,有数据可撸码,继续将会是番茄风控提供给各位小伙伴的业内标配内容。
谢谢大家的支持!现在该公众号开通了评论留言功能,你们对每篇推文的留言与问题,可以通过【写评论】给圈主留言,圈主会及时回复您的留言。 想在市场上赚钱,必须同时具备两样能力: 研究:做出正确的能够获利的决策,也就是寻找Alpha的能力 交易:基于研究的结果和交易信号,执行相应的下单风控等操作,也就是将Alpha落实到你账户盈利上的能力 研究方面 python编程能力: python基础编程,必须掌握,不仅仅是会语法,还有各种语言细节的坑(当然比C++少很多)。对于常年使用R MATLAB SAS的研究人员来
本文是「信用风险建模 in Python」系列的第一篇,其实在之前的 Cufflinks 那篇已经埋下了信用风险的伏笔,
PSI这个指标我们在风控建模前后都是需要密切关注的,这个指标直接反映了模型的稳定性,对于我们评估模型是否需要迭代有着直接的参考意义。今天我将从下面几方面来介绍一下这个指标。
之前有位读者朋友说有空介绍一下自动分箱的方法,这个确实在我们实际建模过程前是需要解决的一个问题,简单来说就是把连续变量通过分箱的方式转换为类别变量。关于这个话题,我也借着这个主题来系统的梳理总结一下几点:为什么要分箱?不分箱可以入模型吗?自动分箱的常用方法有哪些?评估分箱效果好坏的方法有哪些? 如果篇幅允许,就顺便把实现的Python代码也分享下,如果太长了就另外起一篇文章来讲。因此,本篇文章主要从下面几个模块来展开说说。
6月13日,腾讯安全联合IDC发布“数字安全免疫力”模型框架,主张将守护企业数据和数字业务两大资产作为企业安全建设的核心目标。腾讯安全副总裁周斌出席研讨论坛并发表主题演讲,他表示,在新技术的趋势影响下,黑灰产的攻击行为会进一步模拟真人行为,传统基于过去行为预测未来行为的风控策略将局部失效,业务风控正在由“规则对抗”进入“模型对抗”时代。
随着互联网渗透到生活中的各个角落,金融行业也似乎找到了与互联网的完美结合。互联网金融作为一个新的行业如今正在上升的势头上,因而也涌现了越来越多的P2P公司。但是作为一个互金公司来讲,风险永远是一个最重要的话题。那么如何利用机器学习以及大数据技术来降低风险呢?如何建立信用评分的模型呢?
11月30日,IEEE金融风控大模型标准启动会在深圳召开。该标准由腾讯主导发起,是全球范围内首个金融风险控制领域的大模型国际标准,旨在为金融机构风控建模环节中应用AI大模型技术提供参考和指引,使金融机构能够在日益复杂和数据驱动的金融环境中高效预测、衡量和管理业务风险。
2013年从985院校化学专业硕士毕业,进入化工厂成为实验员。2016年经过数月自学,转行成为互联网公司数据分析师。现在知名互联网金融公司,负责信用评分产品的建模工作。
最近梳理了下历史文章,精选了一些文章,分为机器学习,深度学习,人工智能等几大板块,文章已开通【快捷转载】,欢迎阅读及转载。
数据库技术,泛指熟练使用SQL技术,不仅是各种关系型数据库的SQL,还有各种大数据平台的SQL,例如Hive-SQL、Spark-SQL等。 对于SQL技术这块,我们重点要掌握增删改查的四种操作,以及与编程语言的交互。 通过SQL技术,我们可以有效完成如下工作:
Playing Atari with Deep Reinforcement Learning论文解读
互联网金融,特别是P2P信贷在过去几年可以说经历了大起大落的过山车。在经历了2016、2017年的高速发展后,随着整体经济环境遇冷、政策层面监管趋严,行业已进入洗牌周期。特别是随着18年7月P2P暴雷潮的出现,更是为行业前途蒙上一层迷雾。
很多刚开始建模的同学,对原始变量转WOE都是一知半解,弄不清楚为什么要转WOE,也不清楚要怎么把变量转成WOE。
「风控ML」系列文章,主要是分享一下自己多年以来做金融风控的一些事一些情,当然也包括风控建模、机器学习、大数据风控等相关技术分享,欢迎同行交流与新同学的加入,共同学习,进步!
逐步回归(Stepwise Regression)是一种逐步选择变量的回归方法,用于确定最佳的预测模型。它通过逐步添加和删除变量来优化模型的预测能力。
大家好,我叫郭畅,安徽大学毕业,目前就职于徽商银行总行大数据部,刚工作一年多,主要参与两项跨部门项目建设,项目中主要负责模型开发,数据分析,模型运营优化等工作。
风控是业务健康发展的保障。通过大数据建模可以实现智能风控,对作弊和欺诈等行为进行风险识别和控制,有效提升风控效果。而大数据则是智能风控的基础,在实际应用中却很难集中整合数据用于风控建模。出于隐私保护和商业竞争等因素,数据不能直接共享,给智能风控带来挑战。联邦学习技术可以在原始数据不出域的情况下实现多方联合建模,既可以保护数据隐私,又可以挖掘多方数据协同应用价值,助力实现大数据智能风控。 腾讯大数据团队在联邦学习和隐私保护技术上已经深耕多年,4月9日9点,腾讯大数据Angel PowerFL负责人程勇将会在第
众所周知,金融是数据化程度最高的行业之一,也是人工智能和大数据技术重要的应用领域。随着大数据收集、存储、分析和模型技术日益成熟,大数据技术逐渐应用到金融风控的各个环节。个推作为专业的数据智能服务商,拥有海量数据资源,在智慧金融领域也推出了相应的数据解决方案-个真,为金融客户提供智能反欺诈、多维信贷风险评估和高意愿用户智能筛选等全流程的数据服务,助力各金融机构全面提升风控能力。本文将围绕大数据风控,结合个推实践,介绍金融风控机器学习的基本流程、算法实践和产品化建设等内容。
公众号有个小伙伴问我,Python或R是否可以对spss训练好的pmml模型进行解释分析,做shap值或依赖图。
近年来,随着人工智能技术的高速发展,社会各界对隐私保护的需求不断加强。欧盟出台了最严隐私保护的法案《通用数据保护条例》(GDPR),中国也在相关法律法规中明确指出,“网络运营者不得泄露、篡改、毁坏其收集的个人信息,并且与第三方进行交易时需确保拟定的合同明确约定交易的范围和隐私保护义务”。
在风控中,风险意味着不确定性,不确定性越强意味着越不可控,做数据化风控也是同理,追求的就是让确定性越来越强,转换成统计概率论来说就是不断提高我们的胜算的概率。当然,没有任何人可以做到100%的确定,因为没有人是上帝视角,所以在风控决策过程中总会产生错杀或者误放。
这是法国的一家共享单车数据,共7条路线。 首先我们预览下数据 what is this? 这怎么分析?别怕,有Pandas 这就是Pandas的威武! 老规矩,缺失值可视化 2列空白?删除! 整
大数据文摘作品 作者:魏子敏 金融风控领域的竞争在今年忽然激烈起来。众多初露头角的企业,正在这两个方向展开厮杀--数据获取能力和算法技术。 就在几个月前,前一个赛道开始堵塞。 今年6月,《网络安全法》开始实施。未经授权爬取用户手机或者社保记录,公司法人将依法获刑,最高七年;一批以数据交易为主要业务的公司也正面临调查。 一大波依靠外部数据整合进行风控和反欺诈的企业前景模糊,算法和建模能力在这个领域的重要性渐渐凸显出来,技术起家的一批风控公司开始显露头角。 而失去了灰色数据的金融风控行业,尽管技术上仍旧面临挑
央行发布的《2018年第三季度支付体系运行总体情况》显示,我国信用卡逾期半年未偿信贷总额880.98亿元,环比增长16.43%。
推荐语:本书由Python pandas项目创始人Wes McKinney亲笔撰写,详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。
这周因为一些原因需要整理一些风控建模的知识点,顺便在这里整理一下,一起来回顾回顾。
本篇文章只关注个人信用借款的风控。抵押贷,企业贷不在讨论范围中。 ◆ ◆ ◆ 1. 风控的意义 何为风控?字面含义就是对于风险的控制从而使财务不受到损失。对于任何一家金融机构(包括银行,小贷,P2P等)来说,风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控做得好与坏直接决定了一家公司的生与死,而且其试错成本是无穷大的,往往一旦发现风控出了问题的时候就已经无法挽回了。截止到2015年底,全国总共3000多家P2P平台里超过三分之一已经倒闭。这其中除了一部分明显的自融欺诈外,大多数平台垮掉的原因还是风
1. 风控的意义 何为风控?字面含义就是对于风险的控制从而使财务不受到损失。对于任何一家金融机构(包括银行,小贷,P2P等)来说,风控的重要性超过流量、体验、品牌这些人们熟悉的指标。风控做得好与坏直接
金融风控是金融机构确保其业务健康运行、减少损失的重要手段。随着大数据和人工智能技术的发展,利用Python进行数据分析和机器学习可以为金融风控提供强有力的支持。本文将探讨Python在金融风控中的应用,详细介绍如何利用Python进行数据收集、预处理、机器学习建模和评估,以提升金融风控的准确性和效率。
慧安金科主要通过自主研发的半监督主动式机器学习技术来构建金融风控方面的预测模型和决策引擎。
今天,招联金融与腾讯云宣布成立“招联金融-腾讯云业务安全联合实验室”。双方将基于腾讯在金融风控方面的技术经验和招联金融丰富的业务场景,共同开展反欺诈风控、交易风控以及风控联合建模等方面的研究与合作,推进消费金融行业安全能力建设与服务智能化升级。
我的观点是风控和其他互联网业务都是互通的,本文介绍下风控中必做的数据分析,用以说明数据分析是一通百通的。
在当代,金融机构在风险管理的每个环节都尽可能地引入计量分析方法,依托大数据进行后台的分析回顾,不断的优化调整,使得金融机构在风险与收益的博弈过程中更快达到平衡,实现局部甚至更多空间的利润最大化。
在银行的传统评分卡建模中,应用的也是逻辑回归模型。逻辑回归本质上是一个线性分类模型。如果特征和标签并不是单调的增减关系,必须要做特征的分箱处理,及把特征值的主值区间划分为若干段,1个连续值特征会变为n个0-1取值的one-hot特征。对于金融科技公司在建模所遇到的大量的弱特征,如何挖掘多个特征之间的互补性,产生组合的分箱特征是一个技术挑战。暴力的NxN组合甚至更高维的特征组合,将导致特征维度的组合爆炸,依赖于模型和算力来进行模型挑选,是一个耗费机器算法的方案。而人工理解特征之间的相关性和互补性后,进行特征的分箱组合的方法,在海量特征维度面前基本不可行。
数据猿导读 整个金融业态正在技术、资本和市场的共同作用下发生数字化重构。面对剧烈变化的市场竞争格局和趋严的监管政策,金融机构纷纷通过引入先进技术强化其核心竞争力,提升其原有体系的效率。 本篇案例为数据
Python 是一种胶水语言,可以粘很多家伙,例如:Python + 网站开发、Python + 自动化测试、Python + 自动化运维、Python + AI、Python + 数据分析 ... ...
近日,第五届CCF-GAIR全球人工智能与机器人峰会上,腾讯安全天御凭借其在信贷风控场景的落地实践,荣获首个CCF-GAIR“联邦学习应用奖”,标志着腾讯安全在帮银行解决好数字化转型风险的实践与探索备受行业肯定与认可。
由于金融风控场景的特殊性,很多算法同学在刚进入这个领域容易“水土不服”,为了使机器学习项目(也包括图算法相关的应用)落地更加顺利,本文介绍下实践过程的一些经验和踩过的坑。
本文将从支付和信贷评分卡建立的角度,对比分析不同行业在建立评分卡时因变量Y确定的差异。
顶象联合中国信通院发布的《业务安全白皮书—数字业务风险与安全》显示,随着数字化的发展,企业的关键数据、用户信息、基础设施、运营过程等均处于边界模糊且日益开放的环境中,涉及利益流和高附加值的业务面临多样的安全隐患;同时,以大规模牟利为目的网络黑灰产,熟悉业务流程以及防护逻辑,能够熟练运用自动化、智能化的新兴技术,不断开发和优化各类攻击工具。
电商平台要发起一场综合性的推广活动,需要明确参与活动的商品范围、促销价格、推广渠道以及如何触达到消费者等。很多营销推广活动规则复杂且不断变化,就需要使用模型来设计,例如邀人砍一刀的“免费提现”、多重阶梯的满减跨店促销等。
——————————————————————————————————————————
专访ZRobotCEO乔杨:多数大数据公司既没有数据生产能力,也不具备及时获取数据的能力
每每以为攀得众山小,可、每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~
领取专属 10元无门槛券
手把手带您无忧上云