當下金融科技是機器學習應用最火的業務場景之一，風控演算法工程師需求旺盛，既能深耕「風控業務」外功，又能兼修「機器學習」內功的演算法工程師市場稀缺。
互利網上較多風控建模教程均採用國外陳舊資料集，早已脫離國內當前實際信貸業務，建模意義不大。因此，本 chat 不採用 lendingclub、germancreditrisk 等國外信貸資料集。本chat 採用資料來源為本人時任某平台風控總監時的某年度真實信貸資料，配套教學**為已上線穩定執行**。
為確保資料合規性和使用合法性，已剔除使用者四要素等敏感資訊，僅保留網路公開爬蟲資料和三方資料等部分業務指標，且關鍵變數均已做脫敏處理。為保證**不涉及洩露商業機密，僅展示例如分箱、woe、iv等核心函式coding，不影響建模整體理解。以上資料、指標、**，僅用於當前評分卡教學中，特此說明。
本場 chat 主要內容有以下6點：
消費金融評分卡業務，其常用資料來源有哪些？評分卡模型一般會用哪些指標？什麼是特徵工程？如何做好金融申請評分卡的特徵工程？
評分卡變數怎樣進行分箱？為什麼變數需要進行分箱？常用的分箱方法如：等頻分箱、等寬分箱、卡方合併分箱、best基於決策樹的最優分箱，他們的分箱概念分別是什麼？他們之間分別有怎樣的優點和缺點？
3、什麼是woe和iv？woe和iv背後的業務本質是什麼？woe和iv的計算方式是怎樣的？
4、評分卡背後包含怎樣的數學含義？怎樣通過推導lr公式快速理解評分卡的精髓？
5、整合模型和評分卡模型結果之間如何轉換？怎樣通過數學公式的推導，將整合模型轉化成分數輸出？
6、模型結果怎樣進行評估？怎樣用「大白話」去理解ks和auc值的含義？
閱讀全文:
金融風控專案
一 問題定義 金融的核心是風險控制。自然而然地，ai的主戰場也變成了如何使用ai技術精準的做風險控制。在風控領域，有乙個很重要的問題是 如何通過使用者的資訊來判斷使用者的逾期與否？我們通過收集使用者的基本資訊 地域資訊 社交資訊等來判斷乙個人的逾期概率。資料如下 二 roc與auc 特徵工程 第一 ...
金融風控模型
工作中暫時未涉及。此處為有幸得到的ppt。記錄學習內容，還有些心得，有錯誤請指出，感激 什麼是欺詐風險 網路借款人是否是本人 網路借款人提交的資料是否真實 什麼是信用風險 網路借款人是否有還款的能力 是否是沒有還款意願的老賴，多次違約 貸款公司如何防範以上兩種風險 針對乙個p2p借款的流程來說，借款...
金融風控資料
anthor 小李江湖 date 2020 9 15 好記性不如爛筆頭！最近報名參加阿里天池金融風控貸款違約 大賽，學習資料分析方法，以賽學習，在此記錄學習的過程，總結參加大賽的方法。1.1 參賽目的阿里天池平台為初學者提供學習平台，為大神提供展示才華平台。本人一直在學習的門口遲遲徘徊無法入門，藉此...