七月在线--金融风控实战--第一课金融风控业务详解--课程笔记

建模流程：

1.前期准备工作：不同的模型针对不同的业务场景，在建模项目开始前需要对业务的逻辑和需求有清晰的理解，明确好模型的作用，项目周期时间和安排进度，
以及模型效果的要求。
2.模型设计：包括模型的选择（评分卡还是集成模型），单个模型还是做模型的细分，是否需要做拒绝推论，观察期，表现期的定义，好坏用户的定义，数据的
获取途径等都要确定好。
3.数据拉取及清洗：根据观察期和表现期的定义从数据池中取数，并进行前期的数据清洗和稳定性验证工作，数据清洗包括用户唯一性检查，缺失值检查，
异常值检查等。稳定性验证主要考察变量在时间序列上的稳定性，衡量的指标有PSI，平均值/方差，IV等。
4.特征工程：主要做特征的预处理和筛选，如果是评分卡，需要对特征进行离散化，归一化等处理，再对特征进行降维，降维的方法有IV筛选，相关性筛选，
显著性筛选等。另外会基于对业务的深入理解做特征构造工作，包括特征交叉，特征转换，对特征进行四则运算等。
5.模型建立和评估：选择合适的模型，像评分卡用逻辑回归，只需要做出二分类预测可以选择xgboost等集成模型，模型建好后需要做模型评估，计算AUC,KS，
并对模型做交叉验证来评估泛化能力及模型的稳定性。
6.模型上线部署：在风控后台上配置模型规则，对于一些复杂的模型还得需要将模型文件进行转换，并封装成一个类，用Java等其他形式来调用。
模型监控：前期主要监控模型整体及变量的稳定性，衡量标准主要是PSI，并每日观察模型规则的拒绝率与线下的差异。后期积累一定线上用户后可评估线上模型
的AUC,KS，与线下进行比较，衡量模型的线上的实际效果。

特征工程

用户基本属性

phone_nember

手机号前缀是否相同
手机号归属地是否相同
手机号与工作城市是否相同
主贷人手机号与联系人手机号相似程度
是否是虚拟运营商
流量卡还是通话卡
手机号前4位：可用于比对iccid的解析手机号

nickname

昵称符合固定的规律（中文+数字）
备注是否符合某种亲密的称呼

birthday

年纪
星座
生肖

sex

性别是否失衡

password

是否都相同

身份证号码

年龄核对
性别核对
出生城市编号与身份证户籍核对

邮箱

是否是一次性邮箱
username 满足规律
是否同一邮箱服务商
邮箱里面的数据（账单）

学历

相似性
分布是否有明显变化

住房

租房情况是否雷同

积分

是不是超过某个阈值

签到

相似性

是否是同一个号段
每次登录ip地址是否相同
是不是临时ip 和 gps
ip 和 gps 是否能对的上

gps

经纬度相似性分析
国家省份城市相似性
ip 和 gps 是否能对的上
常住地址是否一致
工作地址是否一致

wifi

ssid
wifi list
贷款前的几分钟有没有切换过wifi
同一个WiFi申请贷款人数

application time

时间切片
注册用了多长时间（太快太慢都有问题）
一共申请了几次

时间切片
登陆了几次、频率
最后一次登录时间距贷款时间的间隔
同一时间登录做一个校验（同一时间多人登录）

ua（user agent）

每次打开是否是同一个ua

渠道

app/H5/微信
渠道ID属于违规渠道

app version

每次app的版本号是否相同
app版本会不会太老了（老版本的app有bug，可能会被黑中介用来攻击我们）

推荐人/联系人

名字匹配
手机号匹配
多人互为或共用紧急联系人（联系方式）

设备指纹

imei

受否都相同
每次登录imei号是否都相同

device id

是否都相同
每次登录device id号是否都相同

分辨率

手机型号和屏幕分辨率是否一致

mobile type

手机品牌
手机型号

os（operating system）

每次打开操作系统是否都相同
来申请的人是否os都相同
os的版本是否太旧

中文错别字可以考虑转换成拼音做相似度匹配

address

地址要标准化
模糊匹配
相似度计算（cos距离，词向量）

company

正则
字节拆分
关键字提取
相似度计算
错别字/同音字识别

第三方数据

人行征信

公司信息是否一致
学历是否一致
居住地址是否一致
手机号码是否一致
逾期数据

运营商

是否有相同的联系人
是否有黑名单客户在通讯录中
通话最频繁的几个人（所在地是否和他相同）

社保公积金

工资
社保缴纳月数、金额
公积金缴纳月数、金额