信贷风险控制理论操作流程——特征工程、特征衍生

特征工程：

• 一 定义问题

  • 基本统计分析

    • 工具选择

  • 建模分析（选择算法）

    • 监督/无监督

    • 监督

      • 分类

      • 回归

• 算法确定下来之后

  • 数据预处理

  • 特征衍生

  • 特征选择

• 风控建模的时候需要注意

  • 信用评分分段之后，正常的效果，评分和预期的概率应该是单调的

    • 按照评分进行分组

    • 评分越高的组，坏人的概率应该更低

  • 如果评分和预计的概率不是单调的，模型时有问题的

  • 模型人群分布的稳定性

    • 在业务没有变化的前提下，间隔一段时间，在同一分段的人群总数占全体用户的比例，应该不会有大的波动

• 跨时间验证

  • 上线之前 需要用最近时间的数据对模型进行评估

  • 训练模型的时候 最近两个月~6个月的数据 是不会用来训练模型

• 正常的信贷业务 坏账率 合理比例 低于5%

• B卡 贷后管理 用户注册数据 从三方购买的，如果半年之内 没有新的操作

  • 从不同渠道买来的评分数据 有效期半年

  • 用户第一次来的时候 个人用户的数据不全，需要从其它合作方购买 同盾

特征衍生：

• 利用数值量的统计值做特征衍生

  • 如果一个用户（id）在数据集中有多条记录，可以根据这个id做分组，获取当前id对应的所有记录，对这些记录求

    • 平均值

    • 标准差（方差）

    • 求和

    • 求最大/最小

    • 极差

    • 计算条目数量

数据处理-》特征衍生-》特征选择

• 模型融合思路

  • 训练两个模型

    • MSE 在误差比较大的情况下 损失比MAE的惩罚更严重

      • 误差平方求平均

    • MAE

      • 误差绝对值求平均

    • 误差比较大的时候 更多的用MSE的结果放到最终的模型中

    • 误差比较小的时候 用MAE

• 特征衍生

  • 如果是多个分类特征 类别的值都是0,1 通过相乘做特征交叉

  • 特征相除 需要注意避免除0的异常 分母+1

df_data['话费稳定'] = df_data['用户账单当月总费用（元）'] / (df_data['用户当月账户余额（元）'] + 1)
df_data['相比稳定'] = df_data['用户账单当月总费用（元）'] / (df_data['用户近6个月平均消费值（元）'] + 1)
df_data['缴费稳定'] = df_data['缴费用户最近一次缴费金额（元）'] / (df_data['用户近6个月平均消费值（元）'] + 1)