数据风控建模的流程与步骤 |
您所在的位置:网站首页 › 风控建模流程怎么写 › 数据风控建模的流程与步骤 |
1.业务理解
业务的理解是做好模型的前提,才能更好的指标模型的方向,一般包括以下几个方面: 1.建模的目的及目标 2.好坏标签的确定 3.时间窗口的确定 4.建模的时间周期 2.数据准备与预处理1.需要获取哪些数据,如何获取 2.数据的时间格式、特殊格式的处理 3.数据的极值/异常值(箱线图和分位数) 4.数据的缺失值(完全随机缺失、随机缺失、完全非随机缺失),补缺或作为一种状态 5.文本数据——主题提取NPL,优点准确详细,对风险评估非常有效,但缺点事需要足够多的训练样本 6.特征编码,优点:简单方便,易于处理,缺点:信息丢失很高,影响后续模型的效果 3.描述性统计分析1.数据的整体概况,数据的种类、缺失、覆盖等情况 2.各变量的分布情况,最小值、最大值、均值、中位数,分位数等 3.特殊值的情况,如0值,缺失值,负值,异常值等 4.特征构造与衍生1.计数法 2.求和法(求和、平均、最大、最小、方差、标准差等) 3.比例/比值法 4.时间差 5.波动率:选择过去1年个月份提前还款时间的方差、标准差 如:FRM模型法,通过交易的次数、交易的金额、交易时间段间隔进行构造变量 5.特征筛选1.相关性,剔除相关性过高的变量 2.差异性,样本需要好坏样本间有一定的区分度 3.显著性,可通过变量IV值、特征重要度等指标衡量 4.稳定性,稳定性的重要性大于显著性和差异性 6.模型的训练与评估1.评分卡模型 1)确定回归系数 2)逐步回归(向前、向后、向前向后等) 3)交叉验证与模型效果评估 4)确定回归方程及最终入模变量 5)概率与评分的转化 2.机器学习、深度学习模型 1)模型的训练,参数调优 2)交叉验证、模型效果评估,确定最终入模变量 3)概率预测,与评分的转化 7.模型的部署及上线 8.模型的监控与优化1.入模变量与模型评分的稳定性psi 2.模型的区分效果等 9.模型报告的撰写 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |