本文主要是介绍信用评分卡及互金应用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
风控流程
四项验证：姓名，身份证，银行卡，手机号
活体检测：人脸识别
申请策略：异常群体排除在外
申请评分卡+机器学习：等级划分
额度模型：评估不同群体额度以及定价
提现策略：验证是否是本人提现
贷中管理：通过检测关键指标来检测信用变化，可能要求提前还款
贷后催收：前期短信，后期电话催收
针对没有数据的项目冷启动
业务前期
- 策略来自于经验判断（设定规则）
- 模型空白期
业务中期 - 策略来自于数据分析
- 模型建设期
业务后期 - 策略是模型的补充
- 模型成熟期
其它策略方法：
策略分析（决策树）
策略收紧：决策树法降低逾期率（最好过拟合）
策略放松：边缘趋势分析法
在评分卡里，分为A， B， C卡，分别记录了信用评估的不同环节，分别对应贷前，贷中和贷后。
（重要）做数据分析时，首先需要把研究的问题确定或者迁移到可衡量的变量中，且在分析变量过程中，需要控制其它外在因素的影响
评分卡开发——决策
1。分箱——目的：消除内部干扰性
连续变量分箱方法：等距， 等深， 决策树（最小箱人数大于总人数5%）
分类变量分箱方法
2。计算IV（information value）
大于0.02
再次筛选变量（评分卡一般15个变量以下比较合理）
变量聚类：选择（1-R^2)最小的组内变量（消除共线性）
随即森林：importance对变量排序
3。计算WOE值
5。模型评估——ROC（常用评估方法：0.76左右）
模型评估稳定性——PSI
这篇关于信用评分卡及互金应用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
