数据挖掘组队学习-金融风控0基础入门-Task1

金融风控0基础入门-Task1 赛题理解

• 贷款违约预测

• • 背景

  • 目的

  • 步骤

  • 1. 赛题概括

  • 2. 数据概括

  • 3. 预测指标

  • 4. 赛题流程

  • 5. 操作

  • • 读取数据

  • 6. 拓展 - 评分卡

贷款违约预测

背景

金融风控中个人信贷为背景

目的

根据贷款申请人的数据信息，预测其是否有违约的可能，以判断是否通过该贷款，这是一个典型的分类问题。

步骤

• 赛题概括
• 数据概括
• 预测指标
• 分析赛题

赛题链接地址.

1. 赛题概括

根据给定的数据集，建立模型，预测金融风险。
数据情况：

• 总数据量超过120w，包含47列变量信息，其中15列为匿名变量。
• 抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B。

2. 数据概括

train.csv：训练数据集
testA.csv：测试数据集
sample_submit.csv：提交结果数据集格式

数据参数理解：

• id 为贷款清单分配的唯一信用证标识
• loanAmnt 贷款金额
• term 贷款期限（year）
• interestRate 贷款利率
• installment 分期付款金额
• grade 贷款等级
• subGrade 贷款等级之子级
• employmentTitle 就业职称
• employmentLength 就业年限（年）
• homeOwnership 借款人在登记时提供的房屋所有权状况
• annualIncome 年收入
• verificationStatus 验证状态
• issueDate 贷款发放的月份
• purpose 借款人在贷款申请时的贷款用途类别
• postCode 借款人在贷款申请中提供的邮政编码的前3位数字
• regionCode 地区编码
• dti 债务收入比
• delinquency_2years 借款人过去2年信用档案中逾期30天以上的违约事件数
• ficoRangeLow 借款人在贷款发放时的fico所属的下限范围
• ficoRangeHigh 借款人在贷款发放时的fico所属的上限范围
• openAcc 借款人信用档案中未结信用额度的数量
• pubRec 贬损公共记录的数量
• pubRecBankruptcies 公开记录清除的数量
• revolBal 信贷周转余额合计
• revolUtil 循环额度利用率，或借款人使用的相对于所有可用循环信贷的信贷金额
• totalAcc 借款人信用档案中当前的信用额度总数
• initialListStatus 贷款的初始列表状态
• applicationType 表明贷款是个人申请还是与两个共同借款人的联合申请
• earliesCreditLine 借款人最早报告的信用额度开立的月份
• title 借款人提供的贷款名称
• policyCode 公开可用的策略_代码=1新产品不公开可用的策略_代码=2
• n系列匿名特征 匿名特征n0-n14，为一些贷款人行为计数特征的处理

3. 预测指标

AUC评价指标 ：AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积。

分类算法常见评估指标如下：

1. 混淆矩阵（Confuse Matrix）
2. 准确率（Accuracy）
3. 精确率（Precision）
4. 召回率（Recall）
5. F1 Score
6. P-R曲线（Precision-Recall Curve）
7. ROC（Receiver Operating Characteristic）
8. AUC(Area Under Curve)

金融风控预测类常见的评估指标如下:

1. KS(Kolmogorov-Smirnov) KS统计量由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出。在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。
2. ROC
3. AUC

4. 赛题流程

5. 操作

读取数据

训练集：

    import pandas as pd
    # 本地数据地址
    url = 'D:\天池数据\金融贷款数据\ '
    # 数据获取
    train = pd.read_csv(url + 'train.csv')
    print('Train data shape:',train.shape)
    print(train.head())
    
    
    python
    
    

测试集：

    import pandas as pd
    # 本地数据地址
    url = 'D:\天池数据\金融贷款数据\ '
    # 数据获取
    testA = pd.read_csv(url + 'testA.csv')
    print('TestA data shape:',testA.shape)
    print(testA.head())
    
    
    python
    
    

6. 拓展 - 评分卡

评分卡是一张拥有分数刻度会让相应阈值的表。信用评分卡是用于用户信用的一张刻度表。以下代码是一个非标准评分卡的代码流程，用于刻画用户的信用评分。评分卡是金融风控中常用的一种对于用户信用进行刻画的手段！

#评分卡(非标准评分卡)：

    def Score(prob,P0=600,PDO=20,badrate=None,goodrate=None):
    P0 = P0
    PDO = PDO
    theta0 = badrate/goodrate
    B = PDO/np.log(2)
    A = P0 + B*np.log(2*theta0)
    score = A-B*np.log(prob/(1-prob))
    return score
    
    
    python