金融分控——1.賽題理解

賽題理解部分

• 1.學習目標
• 2.瞭解賽題
• • 2.1 賽題概況
  • 2.2數據概況
  • 2.3預測指標
• 3.知識圖譜的應用

賽題以金融風控中的我的信貸爲背景，要求選手根據貸款申請人的數據信息預測其是否有違約的可能（或者說是借出去以後是否會成爲壞帳 charged off）。這是一個典型的分類問題。
項目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl
比賽地址：https://tianchi.aliyun.com/competition/entrance/531830/introduction

1.學習目標

理解賽題數據和目標、清楚評分體系。

2.瞭解賽題

2.1 賽題概況

比賽要求參賽選手根據給定的數據集，創建模型，預測金融風險。

2.2數據概況

通常而言，在比賽中的數據的特徵都會有介紹（除了匿名特徵之外）。Tip：匿名特徵，就是未告知數據列所屬的性質的特徵列。
train.csv

• id 爲貸款清單分配的惟一信用證標識（能夠挖掘有用信息，好比是否有表示地區標識的內容在裏面，便於後面在neo4j數據庫中使用社區發現算法、louvain算法）
• loanAmnt 貸款金額
• term 貸款期限（year）
• interestRate 貸款利率
• installment 分期付款金額
• grade 貸款等級（neo4j有用特徵）
• subGrade 貸款等級之子級
• employmentTitle 就業職稱
• employmentLength 就業年限（年）
• homeOwnership 借款人在登記時提供的房屋全部權情況 （這是一個很是重要的特徵，有的話就表示經濟實力還錯，若是爲null則不能簡單第將樣本去除，而是要考慮其餘的處理方式）
• annualIncome 年收入
• verificationStatus 驗證狀態
• issueDate 貸款發放的月份
• purpose 借款人在貸款申請時的貸款用途類別（能夠考慮使用特徵交互的手段，例如在《量化金融信用和欺詐防範》課程中第一個大做業中的教育這個特徵的處理方式）
• postCode 借款人在貸款申請中提供的郵政編碼的前3位數字（典型的社區發現算法的特徵，有用）
• regionCode 地區編碼
• dti 債務收入比
• delinquency_2years 借款人過去2年信用檔案中逾期30天以上的違約事件數
• ficoRangeLow 借款人在貸款發放時的fico所屬的下限範圍（fico評分是美國多種信用評分中最經典的。包括35%還款歷史，30%已借金額，15% 信貸歷史，10%新貸款申請，10%貸款種類。）
• ficoRangeHigh 借款人在貸款發放時的fico所屬的上限範圍
• openAcc 借款人信用檔案中未結信用額度的數量（表示負債多少）
• pubRec 貶損公共記錄的數量
• pubRecBankruptcies 公開記錄清除的數量
• revolBal 信貸週轉餘額合計
• revolUtil 循環額度利用率，或借款人使用的相對於全部可用循環信貸的信貸金額
• totalAcc 借款人信用檔案中當前的信用額度總數
• initialListStatus 貸款的初始列表狀態
• applicationType 代表貸款是我的申請仍是與兩個共同借款人的聯合申請
• earliesCreditLine 借款人最先報告的信用額度開立的月份
• title 借款人提供的貸款名稱
• policyCode 公開可用的策略_代碼=1新產品不公開可用的策略_代碼=2
• n系列匿名特徵 匿名特徵n0-n14，爲一些貸款人行爲計數特徵的處理

2.3預測指標

競賽採用auc做爲評價指標。AUC（area under curve）被定義爲roc曲線上與座標軸圍成的面積。（個人理解，就是表示數據排序後的結果的好壞）
固然還有其餘指標。混淆矩陣、準確率acc，查準率precision，召回率recall，f1 score，P-R曲線，ROC曲線。
（固然還有表示特徵有效性的ks係數，iv係數，以及特徵穩定性的psi係數）

3.知識圖譜的應用

主要是實體和關係

• 金融反欺詐圖譜：點->實體，邊->實體關係
• 實體：設備號、電話、郵件、身份證、銀行卡、信用卡、ip等
• 實體關係：設備-電話，身份證，銀行卡；電話-電話、地點；身份證-地址、信用卡、電話等。