本笔记源于CDA-DSC课程，由常国珍老师主讲。该训练营第一期为风控主题，培训内容十分紧凑，非常好，推荐：CDA数据科学家训练营

——————————————————————————————————————————

一、欺诈、损失定义与分类

1、欺诈分类

欺诈与客户虚假信息识别的案例较少，因为这些案例的数据源十分敏感，一般不会流入市场供大众参考。

从英国信用行业欺诈防范体系中看出，绝大多数欺诈可以分为申请欺诈、身份欺诈。

申请欺诈：使用虚假信息申请，较多根源于内部（公司内部员工引发）

身份欺诈：使用伪造的信息或盗用无辜的受害人的信息进行申请（外部）

申请欺诈，一般不是模型问题，而是数据本身存在问题，譬如小城市大学生比例超级高，模型是做不出来的，只能从描述性看出来。中国的欺诈、评级原理不公开，因为一公开，造假的可能性越大，负担不起。

2、损失分类

——————————————————————————————————————————

二、欺诈防控体系

欺诈一般不用什么深入的模型进行拟合，比较看重分析员对业务的了解，从异常值就可以观测出欺诈行为轨迹。同时欺诈较多看重分类模型的召回与准确率两个指标。较多使用SVM来进行建模。

召回率，准确率，排序很准的模型排行：

1、SVM

2、随机森林、决策树

1、银行卡欺诈防控体系

2、检测级别提升路径

其中，规则判断，行为特征分析属于较为简单的分析方法，大多不需要通过建模，通过观测业务数据以及异常行为特征分析即可；

智能模型识别，会用SVM模型来进行识别；

关联分析（有组织的欺诈）：社会网络的方法来探究（R语言︱SNA-社会关系网络 R语言实现专题（基础篇）（一））。

-----------------------------------

Logistics建模简述（logit值、sigmoid函数）

——————————————————————————————————

一、logit值的来源

逻辑回归一般将因变量二分类变量的0-1转变为频率[0,1]，变成odds（优势比，[0,+∞]），然后log一下成为Logit值([-∞,+∞])

优势比就是：odds=P(y=1)/P（y=0）

logit值：logit=log(odds)

什么是sigmoid函数？

先定义了一个直觉的概念优势比 p/(1-p)，p是true时的概率，1-p是false时的概率，对优势比取log,即t=log(p/(1-p))进行值域转换，转到所有实数域。然后反过来求p，最终即可得到sigmoid函数。

sigmoid函数的有趣特点是，自变量是负无穷到正无穷，应变量是0到1。越接近0变化越大。导函数是p(1-p)，导函数很有趣。（参考：大话逻辑回归）

——————————————————————————————————

二、logit建模

利用logit=Y进行建模，得到Logit之后就可以根据其进行计算概率。Logit=经济学上的效用，效用是一个连续变量，logit模型相当于是效用建模。

所以一般来说，逻辑回归出来的系数都是logit值的系数，需要转化为概率值。

简单的理解可以认为是：

输入是x，输出是y，中间有个临时变量是t。w和b是模型参数。h(t)是属于某个类别的概率，大于0.5认为属于这个类别，即y=1。

简便起见，我们可以认为b始终和一个值为1的w相乘。于是我们把b放入w。模型简化为

这就是逻辑回归的公式，非常简单。

（参考：大话逻辑回归）

——————————————————————————————————

三、logit函数建模阀值设定

在风控模型汇总，logistics阀值的设置根据业务主来判断。一般高信用自动通过，中风险需要审查；风险较大的拒绝借贷。

——————————————————————————————————

四、R语言实现

1、逻辑回归

逻辑回归一般用glm函数中的binomial(link='logit')来建模。

[html] view plain copy

lg<-glm(y ~x1,family=binomial(link='logit'))
summary(lg)

此时的回归系数的用途只有两个：正负号、显著性.回归系数代表每增加1个单位x，会增加logit值增加0.1个单位，并且正向影响。如果需要知道概率值需要重新计算。

2、逐步回归筛选变量——step

在逻辑回归之上，我们可以用逐步回归方法，对变量进行剔除。

[html] view plain copy

lg_ms<-step(lg,direction = "both")
summary(lg_ms)

3、验证集预测——predict

[html] view plain copy

train$lg_p<-predict(lg_ms, train)
summary(train$lg_p)

predict的预测结果也同样是logit值，并不是概率，需要进行再计算

4、计算概率值

[html] view plain copy

1/(1+exp(-1*train$lg_p))

5、模型验证的方法

作为排序类模型，可以用ROC曲线/AUC值、累积提升曲线、K-S曲线、洛伦兹曲线gini来验证（笔记︱风控分类模型种类（决策、排序）比较与模型评估体系（ROC/gini/KS/lift））。

------------------------------------------------------------------------

信用风险建模中神经网络激活函数与感知器简述

——————————————————————————————————————————

一、信用风险建模中神经网络的应用

申请评分可以将神经网络+逻辑回归联合使用。

《公平信用报告法》制约，强调评分卡的可解释性。所以初始评分（申请评分）一般用回归，回归是解释力度最大的。

神经网络可用于银行行为评级以及不受该法制约监管的业务（P2P）。其次，神经也可以作为申请信用评分的金模型。

金模型的使用：一般会先做一个神经网络，让预测精度（AUC）达到最大时，再用逻辑回归。

建模大致流程：

一批训练集+测试集+一批字段——神经网络建模看AUC——如果额定的AUC在85%，没超过则返回重新筛选训练、测试集以及字段；

超过则，可以后续做逻辑回归。

——笔记︱风控分类模型种类（决策、排序）比较与模型评估体系（ROC/gini/KS/lift）

——————————————————————————————————————————

二、激活函数

神经网络模型中，激活函数是神经网络非线性的根源。

1、sigmoid函数=Logit

其实就是逻辑回归的转化，神经网络=逻辑回归+变量的自动转化

如果激活函数是sigmoid的话，神经网络就是翻版的逻辑回归，只不过会自动转化（适合排序）

2、高斯型函数

适合分类+聚类，识别类（欺诈行业很好，因为行为跟别人不一样，属于异常），在二维空间中就是等高线。

——————————————————————————————————————————

三、感知器

1、单感知器——无隐藏层

Delta规则，w就是权重。很重要

单层感知器，相当于只要了神经网络的输入层以及输出层，比较简单，所以感知器其实相当于线性回归，也叫做线性神经网络，没有隐藏层

2、多层感知器——加入隐藏层

两个隐藏层可以做任何复杂形状域。隐藏层因为属于黑箱，隐藏层越多，会产生过拟合现象（泛化能力不强），并且模型稳健性较差，但是要是模型调试的好，也是一匹“黑马”。

回归出现的所有错误（多重共线性（需进行变量筛选）、缺失值），神经网络都会出现，因为当激活函数为sigmoid时，等同于逻辑回归。

3、BP神经网络——多层感知器

BP神经网络对数据有严格要求，需要做极差标准化。

△，小，就会摆动；大，乱跑；设置多少没有定论

——————————————————————————————————————————

四、BP神经网络-R语言实现——nnet包+AMORE包

BP神经网络需要对数据进行标准化，所以建模之间切记要进行标准化。

[html] view plain copy

library(nnet)
help(package="nnet")
model_nnet<-nnet(y~., linout = F,size = 24, decay = 0.01, maxit = 100,trace = F,data = train)
#对分类数据预测需要加上y参数
#decay就是eta权重的调节，默认为0
#linout=F默认，线性回归；T代表逻辑回归（激活函数只有一个sigmoid）
#size就是隐藏层的个数，若size=0就是单感知器模型

linout=F代表线性回归，T代表逻辑回归（激活函数为sigmod）;

maxit代表最大循环迭代的次数，该值并不是越大越好，越大过拟合现象更严重，要调节在适当的数量。

size代表隐藏层大小，也跟迭代次数一样，层次越多过拟合现象加重，就会把训练集的很多噪声都拿来做建模，虽然训练集的精度高了，但是测试集的精度反而弱了，就是因为训练集噪声不适合于测试集的噪声。

BP神经网络调节模型精度AUC值的话：一般会选择调整maxit（最大迭代次数）+size（隐藏层大小）来调整最优精度。这里可以自编译一些函数来实现，CDA-DSC课程中就有一个自编译函数来进行选择。但是会耗费大量的运行速度。

AMORE包有待继续深入研究。

————————————————————————————

应用一：报错Error in nnet.default(x, y, w, entropy = TRUE, ...)

[html] view plain copy

Error in nnet.default(x, y, w, entropy = TRUE, ...) :
too many (1209) weights

这个是因为隐藏层多了之后，运算不了，台式机不能运行那么多，所以要通过调整size的隐藏层个数来看效果如何。

————————————————————————————

支持向量机SVM在金融风险欺诈中应用简述

召回率，准确率，排序很准的模型排行：

1、SVM

2、随机森林、决策树

其中SVM可以像逻辑回归做概率，但是这个概率是点到超平面之间的距离与最长距离之比。概率原理不是特别直接有效，而且解释力度不强。

—— 笔记︱金融风险之欺诈分类以及银行防控体系简述

一、SVM线性可分与不可分

1、线性可分与不可分

线性可分指的就是直线（如左图），用了一条直线来进行划分，实心圆与空心圆，用直线来分类；不可分就是曲线分类，准确性比较高。大部分情况都是线性不可分

2、不可分情况

不可分的情况有两种处理方式：

（1）容错的话，直接用线性，设置容错个数，错了就错了

（2）不容错，做惩罚函数，做多项式转化，变为线性的问题

如果惩罚过多，会造成过拟合的问题，泛化能力不足

二、核函数

SVM的核函数与神经网络的激活函数一致，不同的场景会用到不同的核函数。

其中RBF函数（高斯核函数），较多应用在异常值处理。

————————————————————————————

风控模型中变量粗筛（随机森林party包）+细筛（woe包）

本内容来源于CDA-DSC课程内容，原内容为《第16讲汽车金融信用违约预测模型案例》。

建立违约预测模型的过程中，变量的筛选尤为重要。需要经历多次的筛选，在课程案例中通过了随机森林进行变量的粗筛，通过WOE转化+决策树模型进行变量细筛。

一、变量粗筛——随机森林模型

与randomForest包不同之处在于，party可以处理缺失值，而这个包可以。

[html] view plain copy

library(party)
#与randomForest包不同之处在于，party可以处理缺失值，而这个包可以
set.seed(42)
crf<-cforest(y~.,control = cforest_unbiased(mtry = 2, ntree = 50), data=step2_1)
varimpt<-data.frame(varimp(crf))

party包中的随机森林建模函数为cforest函数，

mtry代表在每一棵树的每个节点处随机抽取mtry 个特征，通过计算每个特征蕴含的信息量，特征中选择一个最具有分类能力的特征进行节点分裂。

varimp代表重要性函数。( R语言︱决策树族——随机森林算法)

二、R语言实现WOE转化+变量细筛

R语言中有一个woe包，可以实现WOE转化的同时，通过WOE值进行y~x的决策树建立，应用决策树的重要性来进行变量细筛。

woe包需要从github中下载得到：

[html] view plain copy

#library(devtools)
#install_github("riv","tomasgreif")

[html] view plain copy

library(woe)
IV<-iv.mult(step2_2,"y",TRUE) #原理是以Y作为被解释变量，其他作为解释变量，建立决策树模型
iv.plot.summary(IV)

summary(step2_3)

不能只看统计量，还要仔细的察看每个变量的取值情况。一般WOE建模数据是经过抽样的，因此可能需要多建模几次，看看不同的变量特征变化，再来进行变量细筛。

————————————————————————————

金融风险之欺诈分类以及银行防控体系简述相关推荐

笔记︱金融风险之欺诈分类以及银行防控体系简述
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~ --------------------------- 本笔记源于CDA-DSC课程,由常国珍老师主讲 ...
数据分享|Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户...
原文链接:http://tecdat.cn/?p=23518 项目背景:银行的主要盈利业务靠的是贷款,这些客户中的大多数是存款大小不等的责任客户(存款人).银行拥有不断增长的客户(点击文末" ...
Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户
最近我们被客户要求撰写关于银行拉新活动的研究报告,包括一些图形和统计输出. 项目背景:银行的主要盈利业务靠的是贷款,这些客户中的大多数是存款大小不等的责任客户(存款人).银行拥有不断增长的客户.该银行 ...
企业危机分类及公关策略简述
文 |公关之家作者:小5 引言:在企业发展的过程中,危机对于企业而言,永远都是最大的挑战.不同的危机根据其性质的不同,会给目标造成不同程度的影响:同样的危机公关,因操作的不同,最终危机带来的结 ...
大数据分析案例-基于决策树算法构建金融反欺诈分类模型
笔记︱支持向量机SVM在金融风险欺诈中应用简述
本笔记源于CDA-DSC课程,由常国珍老师主讲.该训练营第一期为风控主题,培训内容十分紧凑,非常好,推荐:CDA数据科学家训练营欺诈一般不用什么深入的模型进行拟合,比较看重分析员对业务的了解,从异常 ...
【不采用】人工智能如何帮助银行反欺诈
近年来,伴随移动互联网.虚拟现实等技术的飞速发展,银行服务模式日趋多样化.在客户享受灵活便捷服务的同时,银行欺诈风险呈现出更加隐蔽.专业的特点,发展出更多的作案手法和表现形式.传统欺诈检测通常依赖专家 ...
【采用】人工智能如何帮助银行反欺诈：银行智能欺诈风险预测模型研究
近年来,伴随移动互联网.虚拟现实等技术的飞速发展,银行服务模式日趋多样化.在客户享受灵活便捷服务的同时,银行欺诈风险呈现出更加隐蔽.专业的特点,发展出更多的作案手法和表现形式.传统欺诈检测通常依赖专家 ...
某银行信用卡中心——大数据反欺诈应用案例 2017-06-23 10:54 本篇案例为数据猿推出的大型“金融大数据主题策划”活动（查看详情）第一部分的系列案例/征文；感谢百融金服的投递作为整体
某银行信用卡中心--大数据反欺诈应用案例 2017-06-23 10:54 本篇案例为数据猿推出的大型"金融大数据主题策划"活动(查看详情)第一部分的系列案例/征文:感谢百融金服 ...

金融风险之欺诈分类以及银行防控体系简述

一、欺诈、损失定义与分类

1、欺诈分类

2、损失分类

——————————————————————————————————————————

二、欺诈防控体系

1、银行卡欺诈防控体系

2、检测级别提升路径

Logistics建模简述（logit值、sigmoid函数）

一、logit值的来源

二、logit建模

三、logit函数建模阀值设定

四、R语言实现

1、逻辑回归

2、逐步回归筛选变量——step

3、验证集预测——predict

4、计算概率值

5、模型验证的方法

信用风险建模中神经网络激活函数与感知器简述

一、信用风险建模中神经网络的应用

二、激活函数

1、sigmoid函数=Logit

2、高斯型函数

三、感知器

1、单感知器——无隐藏层

2、多层感知器——加入隐藏层

3、BP神经网络——多层感知器

四、BP神经网络-R语言实现——nnet包+AMORE包

支持向量机SVM在金融风险欺诈中应用简述

风控模型中变量粗筛（随机森林party包）+细筛（woe包）

金融风险之欺诈分类以及银行防控体系简述相关推荐

最新文章

热门文章