零基础入门金融风控之贷款违约预测挑战赛

零基础入门金融风控之贷款违约预测挑战赛 - Task1赛题理解

Task1 赛题理解
- 1.1 赛题介绍
- 1.2 赛题数据
- 1.3 预测指标
- - 1.3.1 混淆矩阵
  - 1.3.2 准确率
  - 1.3.3 精确率
  - 1.3.4 召回率
  - 1.3.5 F1 Score
  - 1.3.6 P-R曲线
  - 1.3.7 KS
  - 1.3.8 ROC
  - 1.3.9 AUC
- 1.4 评分卡

Task1 赛题理解

1.1 赛题介绍

本次赛题金融风控中的个人信贷为背景，要求参赛者根据贷款申请人的数据信息预测其是否有违约可能，进而判断是否通过此项贷款。

1.2 赛题数据

数据分为train，testA，testB，并经过了关键信息的脱敏。对于大部分字面意思可以理解的字段在此处没有过多理解，对于一些比较陌生的字段，此处进行了一些解析。

字段	描述	理解
id	为贷款清单分配的唯一信用证标识
loanAmnt	贷款金额
term	贷款期限(year)
interestRate	贷款利率
installment	分期付款金额
grade	贷款等级
subGrade	贷款等级之子级
employeeTitle	就业职称
employmentLength	就业年限(年)
homeOwnership	借款人登记时房屋所有权状况
annualIncome	年收入
verificationStatus	验证状态
issueDate	贷款发放月份
purpose	借款人在贷款申请时的贷款用途类别
postCode	借款人在贷款申请时的邮政编码前3位
regionCode	地区编码
dti	债务收入比
delinquency_2years	借款人过去两年信用档案中逾期30天以上的违约事件数
ficoRangeLow	借款人在贷款发放时的fico所属的下限范围	fico 个人信用评级法，325-620 低； 620-680 中；680-900 高
ficoRangeHigh	借款人在贷款发放时的fico所属的上限范围	fico 个人信用评级法，325-620 低； 620-680 中；680-900 高
openAcc	借款人信用档案中未结信用额度的数量
pubRec	贬损公共记录的数量
pubRecBankruptcies	公开记录清除数量	存疑
revolBal	信贷周转余额合计
revolUtil	循环额度利用率
totalAcc	借款人信用档案中当前的信用额度总数
initialListStatus	贷款初始列表状态
applicationType	个人申请或共同借款
earliesCreditLine	借款人最早报告的信用额度开立的月份
title	借款人提供的贷款名称
policyCode	公开可用的策略-1，新产品不公开可用的策略-2
n系列匿名特征	n0-n14，为贷款人行为计数特征的处理

1.3 预测指标

竞赛采用AUC作为评价指标，Area under curve被定义为ROC曲线下与坐标轴围成的面积。

常见评估指标	分类算法	金融风控	注意事项
混淆矩阵	√
准确率	√		前提条件：样本均衡
精确率	√
召回率	√
F1-Score	√
P-R 曲线	√
KS		√
ROC	√	√
AUC	√	√

1.3.1 混淆矩阵

TP 真正类：实例是正类，预测为正类	FN 假负类：实例是正类，预测为负类
FP 假正类：实例是负类，预测为正类	TN 真负类：实例是负类，预测为负类

1.3.2 准确率

$\frac{TP + TN}{TP + TN + FP + FN}$

1.3.3 精确率

$\frac{TP}{TP + FP}$

1.3.4 召回率

$\frac{TP}{TP + FN}$

1.3.5 F1 Score

$\frac{2}{\frac{1}{Precision} + \frac{1}{Recall}}$

1.3.6 P-R曲线

Precision-Recall Curve
在这里插入图片描述

1.3.7 KS

KS(Kolmogorov-Smirnov)
KS统计量由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出。在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。
K-S曲线与ROC曲线类似，不同在于

ROC曲线将真正例率和假正例率作为横纵轴
K-S曲线将真正例率和假正例率都作为纵轴，横轴则由选定的阈值来充当。
公式如下：
$K S = m a x (T P R ? F P R)$
KS不同代表的不同情况，一般情况KS值越大，模型的区分能力越强，但是也不是越大模型效果就越好，如果KS过大，模型可能存在异常，所以当KS值过高可能需要检查模型是否过拟合。以下为KS值对应的模型情况，但此对应不是唯一的，只代表大致趋势。

KS(%)	好坏能力区分
20以下	不建议采用
20-40	较好
41-50	良好
51-60	很强
61-75	非常强
75以上	过于高，疑似存在问题

1.3.8 ROC

ROC空间将假正例率（FPR）定义为 X 轴，真正例率（TPR）定义为 Y 轴。

TPR：在所有实际为正例的样本中，被正确地判断为正例之比率。
$\frac{TP}{TP + FN}$
FPR：在所有实际为负例的样本中，被错误地判断为正例之比率。
$\frac{FP}{FP + TN}$

在这里插入图片描述

1.3.9 AUC

AUC(Area Under Curve)
AUC（Area Under Curve）被定义为ROC曲线下与坐标轴围成的面积，AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。

1.4 评分卡

TBC

资料参考链接：
https://zhuanlan.zhihu.com/p/52458668
https://zhuanlan.zhihu.com/p/53694715?from_voters_page=true

零基础入门金融风控之贷款违约预测挑战赛 - Task1 赛题理解