腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

风控ML | 风控建模的KS

我们这做风控模型的时候，经常是会用KS值来衡量模型的效果，这个指标也是很多领导会直接关注的指标。今天写一篇文章来全面地剖析一下这个指标，了解当中的原理以及实现，因为这些知识是必备的基本功。不过这不影响我们去使用它，我们只需要知道在风控中是怎么实现的，并且在实际场景中怎么去使用它就可以了。就如上面我们说的，KS在风控主要是用于评估模型的好坏样本区分度高低的。什么是区分度？可以看下图：从业务上来说，就是越往后的箱子，客户的质量越差，rate整体上呈现单调性，从而可以把大多数的坏人，直接从箱的维度上就可以区分开来了，在后续的风控策略使用体验上十分友好。 02 KS的生成逻辑 KS的生成逻辑公式也是十分简单：好样本累计占比坏样本累计占比在风控领域，我们在计算KS前一般会根据我们认为的“正态分布原则”进行分箱，一般来说分成了10份，然后再进行KS的计算 03 KS的效果应用 KS的值域在0-1之间，一般来说KS是越大越有区分度的，但在风控领域并不是越大越好，到底KS值与风控模型可用性的关系如何，可看下表： 004 KS的实现首先我们来对上面展示的例子进行

2022-02-25

6.3K0

标签:

风控定义风控是风险控制的简称，在百度百科中是这么定义风险控制的。风控在我们日常生活中随时可见，小到账户登录验证码，都可以算是一种风控的手段。这里我们着重了解下信贷下的风控，结合了场景的风控，则赋予了更多的意义。信贷风控的目标是「利益最大化」，而不是没有风险，在风险和利润之间找到平衡，是信贷风控的核心。，以及在信贷场景下的风控如何实现，风控的目标永远是降风险，但不是一味地降，在不同场景下有不同的考虑。文章例子参考《智能风控平台：架构、设计与实现》

2022-12-20

2.9K0

标签:

风控ML | 风控建模的WOE与IV

「风控ML」系列文章，主要是分享一下自己多年以来做金融风控的一些事一些情，当然也包括风控建模、机器学习、大数据风控等相关技术分享，欢迎同行交流与新同学的加入，共同学习，进步！第一次接触这两个名词是在做风控模型的时候，老师教我们可以用IV去做变量筛选，IV（Information Value），中文名是信息值，简单来说这个指标的作用就是来衡量变量的预测能力强弱的，然后IV又是

2021-11-30

4.8K0

标签:

信贷风控模型搭建及核心风控模式分类

E.应用场景风控模型的应用场景非常广泛，只要牵扯互联网金融的行业就缺少不了风控模型的存在，从借贷的角度来看，平台要评估借贷者的个人征信和还款能力从而保证投资者的收益；从投资者的角度，要保证平台的资金安全另外，风控模型在不同的阶段体现的方式和功能也不一样。从资金的角度来看，风控模型是为了评估用户还款能力和还款意愿，反欺诈反作弊，防止用户薅羊毛和保证平台安全等功能；从行业的角度，互联网风控模型体现在消费金融／供应链金融／信用借贷／P2P／大数据征信等方面。所以说，风控模型的计算策略和机制在一个公司属于绝密，规则除了核心的员工，其他人是不能知道风控规则的。四、风控的核心如果说金融产品的核心是风控，那么风控的核心是什么? 五、风控模型的设计步骤总体来说风控模型的设计主要可以分为以下的几个步骤： 1.获取数据信用评估来自于用户数据，模型规则其实就是用户数据规则，信息的纬度也比较广泛，大致可以分为基本信息／行为信息

全栈程序员站长

2022-08-14

4.2K0

标签:

互联网金融

风控ML | 风控建模中怎么做拒绝推断

《风控建模中的样本偏差与拒绝推断》https://zhuanlan.zhihu.com/p/88624987 不过我也还是把他文章里的分类体系在这里重点再次分享一下。 06 总结一下本文算是一个对拒绝推断的入门介绍了，让初涉风控模型的同学有一个相对来说比较清晰的全局认识，这里面涉及到的很多算法模型上的细节并没有展开来讲，因为我觉得这也会让阅读带来比较大的负担，公众号的文章还是要控制在几分钟内读完比较合适 Reference [1] 异常检测算法分类及经典模型概览 https://blog.csdn.net/cyan_soul/article/details/101702066 [2] 风控建模中的样本偏差与拒绝推断

2022-11-14

3.1K0

标签:

腾讯云开发者社区

1.1 风控原则

风险管理的目标是减少和消除EL，但是更concern UL，A对承担风险的数量和潜在损失的大小不是绝对相关的，B错风险管理的最后一步是监控，C错风险是不确定性，不确定性是不会消失的，采用风险转移只是把风险转给了别的公司，D错

2018-09-14

3.3K0

标签:

支付风控模型

这就需要对风控模型进行合理的设计。一般来说，要提升风控的拦截效率，就需要考虑更多的维度，但这也会带来计算性能的下降。在效率和性能之间需要进行平衡。二、基于规则的风控规则是最常用的，也是相对来说比较容易上手的风控模型。从现实情况中总结出一些经验，结合名单数据，制定风控规则，简单，有效。常见的规则有： 1. 互联网金融风控离不开机器学习，特别是支付风控。在各种支付风控模型中，决策树模式是相对比较简单易用的模型。如下的决策树模型，我们根据已有的数据，分析数据特征，构建出一颗决策树。这个过程，将在下一篇的风控架构中介绍。五、模型评估风控本质上是对交易记录的一个分类，所以对风控模型的评估，除了性能外，还需要评估“查全率”和“查准率”。支付风控场景分析；支付风控数据仓库建设；支付风控模型和流程分析(本文)；支付风控系统架构发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn

全栈程序员站长

2022-08-11

4.3K0

标签:

风控ML | 风控中的异常检测原理与应用

今天来介绍一下风控中的异常检测，从最基础的概念开始讲起，因为本人对这块的内容平时工作也做得不多，更多滴偏向于“纸上谈兵”，有什么说得不对的地方，也欢迎各位朋友指正～谢谢。异常检测的概念 02 异常检测的难点 03 异常检测的分类及常见算法 01 异常检测的概念异常检测（Anomaly Detection 或 Outlier Detection），又称为离群点检测，在我们风控领域很多地方都会用到

2022-04-12

4.6K0

标签:

风控ML | 风控建模中GBDT和XGBoost怎么调优

00 Index 01 GBDT和XGBoost的原理介绍 02 GBDT和XGBoost的异同点分析 03 什么风控建模场景下常用这两个明星算法？ 03 什么风控建模场景下常用这两个明星算法？交易反欺诈：A级出场率，主要是支付风控，防止客户进行薅羊毛、套现等行为。客户流失：A级出场率。贷后催收告警：A级出场率。迁徙率预测：B级出场率。失联修复：C级出场率。而关于风控模型怎么调优，我会在下一节一起讲。风控模型怎么调优关于风控模型的调优，先前有篇文章讲得比较细致《风控ML[7] | 风控模型调优的思路有哪些》，大家可以移步去回顾一下。

2022-11-14

2.7K0

标签:

风控ML | 风控建模老司机的几点思考与总结

「风控ML」系列文章，主要是分享一下自己多年以来做金融风控的一些事一些情，当然也包括风控建模、机器学习、大数据风控等相关技术分享，欢迎同行交流与新同学的加入，共同学习，进步！

2021-11-30

2.3K0

标签: