<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Bonus爹地的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_32123787</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_32123787]]></copyright><item><title><![CDATA[Pyhon轻松实现大数据风控模型开发-toad库]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/114655201</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/114655201</guid><author>qq_32123787</author><pubDate>Thu, 11 Mar 2021 10:47:46 +0800</pubDate><description><![CDATA[​前言

同业小伙伴都知道信贷风控界有一个库叫做Scorecardpy，作者是谢士晨博士，就不在赘述。今天为读者介绍另一个同样用于开发评分卡的标标准化评分卡建模模块---toad库:

toad是由厚本金融风控团队内部孵化，后开源并坚持维护的标准化评分卡开发库。其功能全面、性能稳健、运行速度快、问题反馈后维护迅速、深受同行喜爱。toad库可实现标准化的信用评分开发，极大简化我们的建模构建和缩短建模周期，只介绍toad库做评分卡模型框架，详细内容请拿数据自己模拟调试，因为作者也比较懒。


#!/usr/bi]]></description><category></category></item><item><title><![CDATA[大数据风控---美国Capital one商业模式分析]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97376297</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97376297</guid><author>qq_32123787</author><pubDate>Fri, 09 Oct 2020 23:23:45 +0800</pubDate><description><![CDATA[前言

capital one 作为全球消金、互金和银行信用卡中心学习的典范， 国内众多消金和互金的CRO和从业者均出自capital one;带笔者入行的老师也是capital one 的大咖、华人在capital one 的最高职位者。下面将解析一下capital one 的商业模式和大数据风控模式，希望对你有所启发。

一、Capital One概况及成长史

1988年，美国的大部分信用卡...]]></description><category></category></item><item><title><![CDATA[金融信贷存量客户运营管理]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/108796442</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/108796442</guid><author>qq_32123787</author><pubDate>Fri, 09 Oct 2020 14:22:45 +0800</pubDate><description><![CDATA[前言

近几年随着消费金融在我国的快速发展，银行零售业、消费金融公司、互联网金融等迎来了一个爆发式的增长，人均授信总额不断增加即居民杠杆率持续攀升。伴随着市场竞争日趋激烈、客群不断下探、监管收紧的大背景下，互联网金融、小贷公司、P2P行业洗牌和业务调整，将会导致次级下沉客户向银行、持牌消费金融公司传导，使共债风险持续增加、坏账率增高。因此，新客带来的业务增加将会遇到一个瓶颈期，各大金融机构缩减新客获取，至此国内消费金融市场将进入存量客户精细化运营管理时代。

一.存量客户精细化管理的必要性

1、新户成本上]]></description><category></category></item><item><title><![CDATA[大数据风控---消费金融业务全流程风险解析]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/100560588</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/100560588</guid><author>qq_32123787</author><pubDate>Thu, 05 Sep 2019 16:36:59 +0800</pubDate><description><![CDATA[前言

在消金企业里，最核心的运作部门主要是营销、风控以及产品。营销和风控：两者既对立又互相依赖，若没有足够的客户，风控便无法发挥作用，而有了坚实的风控后盾，才能可持续的拓展业务并维护下去。而产品部门则是结合现有客群以及辅助风控部门，制定规则、调整产品，定义目标客群。

简单来说，消费金融的风控就是对客户不还钱的可能性做侦查、判断并对其管控。需要考虑的就是这个客户的还款能力、还款意愿以及公司的政策...]]></description><category></category></item><item><title><![CDATA[大数据风控---风险量化和风险定价]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/99293718</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/99293718</guid><author>qq_32123787</author><pubDate>Wed, 28 Aug 2019 14:19:18 +0800</pubDate><description><![CDATA[前言

金融的本质从宏观上讲，第一：为有钱人理财，为缺钱人融资；第二：信用，杠杆、风险；第三：为实体经济服务，不然就是泡沫，微观上讲就是经营风险。在经营风险的过程中，风险定价是核心，指对风险资产价格的确定，它所反映的是资本资产所带来的未来收益与风险的一种关系，将风险偏好不同的资金供给方和资金需求方匹配起来，一般来说，两者成正向关系，风险越大，溢价越大，收益越高。而信贷的核心是风险管理，反映在风险定...]]></description><category></category></item><item><title><![CDATA[大数据风控---Credit Kama商业模式分析]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97925654</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97925654</guid><author>qq_32123787</author><pubDate>Tue, 13 Aug 2019 14:31:53 +0800</pubDate><description><![CDATA[前言

之前介绍了美国Capital one的商业模式，今天介绍美国另外一家金融创新公司，Credit Karma。

Credit Karma，Karma 即为 “因果报应” 的意思，创始人最开始是希望自己能从帮别人省钱这件事情上，得到好的因缘。Credit Karma使用户能够更便利地免费获得个人信用评分，这些评分用以确定个人的贷款利率和借贷限额。个人信用评分以一些重要信用评级机构的贷款偿还...]]></description><category></category></item><item><title><![CDATA[Excel---几乎可以解决80%的数据统计工作的16个Excel函数]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/98959089</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/98959089</guid><author>qq_32123787</author><pubDate>Fri, 09 Aug 2019 14:56:28 +0800</pubDate><description><![CDATA[前言

在日常工作中，数据统计是工作中最重要的一部分。今天把Excel中最常用的统计函数整理了出来，共16个。为了方便同学们理解，选取的全是贴近应用的示例。



1、Count 函数

作用：统计数字的个数

示例：使用公式生成A列的序号

=COUNT(A$1:A1)+1

注：大小不一的合并单元格填充公式，要使用Ctrl+Enter完成。







2、Counta函数

作用：统...]]></description><category></category></item><item><title><![CDATA[大数据风控---身份反欺诈信贷全流程常用指标及策略]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97933493</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97933493</guid><author>qq_32123787</author><pubDate>Wed, 31 Jul 2019 17:23:52 +0800</pubDate><description><![CDATA[前言

反欺诈的本质更多的是校验借款人的身份，也就是证明你就是你，我就是我。反欺诈也有很多金融术语（参见：https://zhuanlan.zhihu.com/p/26197949），也便于我们更清楚欺诈风险点。针对信贷业务，主要有两种风险，欺诈风险和信用风险，从造成的损失来看欺诈风险是公司损失的主要风险；当前网络的欺诈从业人数超过200万，网络诈骗的市场规模约1200亿，因为骗贷、套现等手段造成...]]></description><category></category></item><item><title><![CDATA[Python---快速入手pandas进行数据分析]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97754155</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97754155</guid><author>qq_32123787</author><pubDate>Tue, 30 Jul 2019 09:51:12 +0800</pubDate><description><![CDATA[前言

不废话，直接盘



加载模块

import pandas as pd
import numpy as np

导入数据


	pd.read_csv(filename,dtype=str)：从CSV文件导入数据
	
	
	[header=1,delim_whitespace=True,delimiter="\t",parse_dates=['OCC_TIM'],error_bad_l...]]></description><category></category></item><item><title><![CDATA[140种Python标准库、第三方库和外部工具模块]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97375534</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97375534</guid><author>qq_32123787</author><pubDate>Fri, 26 Jul 2019 11:17:07 +0800</pubDate><description><![CDATA[前言

信息量过于庞大，只能上链接；可以点击进去按照需求，ctr+F进行检索查询。

原文链接：https://mp.weixin.qq.com/s/Qp12DRURa2I9AVjQ7gpxVw
]]></description><category></category></item><item><title><![CDATA[R & Python 功能模块对比]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97374819</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97374819</guid><author>qq_32123787</author><pubDate>Fri, 26 Jul 2019 11:00:08 +0800</pubDate><description><![CDATA[前言

作为一个统计出身，对R其实是情有独钟的；但近2年因为工作需要接触到Python，只想说Python在公司运营实践中真的灵活好用，建模和模型部署都非常的棒。R语言更多偏向学术和教学，Python与java、C++等兼容性更好，使得Python的使用率更高。其实楼主见过很多统计大咖，他们都用C语言来写计算逻辑的，不服不行。

1.功能模块



2.算法模块


...]]></description><category></category></item><item><title><![CDATA[Linux---定时任务调度常用指令]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97273571</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97273571</guid><author>qq_32123787</author><pubDate>Thu, 25 Jul 2019 17:41:24 +0800</pubDate><description><![CDATA[前言

​ Linux---定时任务调度，指的是系统在某个时间段执行特定的命令或程序。

1、数据库的定时备份、同步抽取操作

2、系统定时触发的重复工作，如病毒扫描、黑名单更新扫描、重复进件

3、和Python脚本集合，执行定制化的监控功能，比如：每日、每周、每月的监控报表邮件等

crontab任务调度

用法

crontab 【选项】

crontab -u //设定某个用户的cron服...]]></description><category></category></item><item><title><![CDATA[Linux---在大数据风控运营中常用指令]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/97102764</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/97102764</guid><author>qq_32123787</author><pubDate>Thu, 25 Jul 2019 16:55:32 +0800</pubDate><description><![CDATA[前言

在大数据风控领域，Linux运用主要是运维使用较多，比如：1.实现数仓的定时调度，2.将Python模块部署到服务器实现定时邮件监控，3.搭建数据分析平台，4.线上数据库运维等，下面将介绍Linux在大数据风控领域日常的运用实践。

Linux经常使用的命令汇总

1.文件和目录


cd /home 进入 '/ home' 目录'
cd .. 返回上一级目录
cd ../.. 返回上两级...]]></description><category></category></item><item><title><![CDATA[大数据风控---互信息及Python实现]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/96371544</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/96371544</guid><author>qq_32123787</author><pubDate>Mon, 22 Jul 2019 18:44:57 +0800</pubDate><description><![CDATA[前言

信息增益表示得知特征空间X的信息而使得类Y的信息不确定性减少的程度。信息增益依赖于特征，不同的特征往往具有不同的信息增益，信息增益大的特征具有更强的分类能力。在概率论和信息论中，两个随机变量的互信息（Mutual Information，简称MI）或转移信息（transinformation）是变量间相互依赖性的量度；不同于相关系数，互信息并不局限于实值随机变量，它更加一般且决定着联合分布...]]></description><category></category></item><item><title><![CDATA[大数据风控---信用模型新老模型对比]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/96425788</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/96425788</guid><author>qq_32123787</author><pubDate>Thu, 18 Jul 2019 14:08:58 +0800</pubDate><description><![CDATA[前言

一个模型部署上线之前，我们要进行更新迭代，如何对新老模型做一个效果对比分析呢？下面将介绍几个常用的方法

方法一：

常用的模型评估指标，如：ROC、AUC、KS、Gini值越大，区分度越高，模型效果越好；RMSE,越小模型越好；

方法二：简单易懂可解释性强法

将建模样本、test样本或者OOT（out of time）数据，根据模型评分大小顺序排序，切分成20等分，计算每组的标签客户...]]></description><category></category></item><item><title><![CDATA[大数据风控---Vintage在金融信贷领域的运用实践]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/95590536</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/95590536</guid><author>qq_32123787</author><pubDate>Tue, 16 Jul 2019 09:05:08 +0800</pubDate><description><![CDATA[前言

vintage这个词源于葡萄酒业，意思是葡萄酒的酿造年份，主要用来分析和管理葡萄酒年份对于酒的品质影响问题研究。在现代金融领域，同理，在比较放贷质量的时候，按账龄（month of book，MOB）的长短同步对比，从而了解同一产品不同时期放款的资产质量情况。vintage是用来监控、预测和分析资产质量好坏的重要手段和依据，是风险量化和精细化管理的重要指标。


	1.vintage...]]></description><category></category></item><item><title><![CDATA[Python数据分析---Mysql数据库连接]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/95590792</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/95590792</guid><author>qq_32123787</author><pubDate>Fri, 12 Jul 2019 17:27:40 +0800</pubDate><description><![CDATA[前言

Python 连接数据库是我们公司级做数据分析的基础

1.SQLAlchemy

SQLAlchemy是一个“pythonSQL工具包和对象关系映射器”（ORM)，目的是当使用SQL数据库工作时会使事情变得简单起来。


#step1:加载模块
import pandas as pd
import MySQLdb
import pandas.io.sql as psql


#step2...]]></description><category></category></item><item><title><![CDATA[python ---测算代码运行时间]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/95454881</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/95454881</guid><author>qq_32123787</author><pubDate>Thu, 11 Jul 2019 11:14:46 +0800</pubDate><description><![CDATA[前言

为了提高代码的运行效率，需要测算每一步的运行时间。

####jupyter notebook 版本

1.单次运行时间


%%time
much_job = [x**2 for x in range(1,10000000,4)]

2.测算代码多次运行平均时间


%%timeit -n 10
g= lambda x:x**3+3
def main():
    return(g(2)...]]></description><category></category></item><item><title><![CDATA[Python 内置函数 filter()、map()、reduce()的使用对比]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/95237326</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/95237326</guid><author>qq_32123787</author><pubDate>Tue, 09 Jul 2019 21:18:25 +0800</pubDate><description><![CDATA[前言

filter(), map(), reduce()三个内置函数在我们数据过滤、清洗和映射中发挥着重要的作用

1.filter(function, iterable)

function -- 判断函数。
	iterable -- 可迭代对象。
你可以把 filter 当成一个过滤器，用来选择原来 list 中满足特定条件的 value


def f(x):
    return x %...]]></description><category></category></item><item><title><![CDATA[Python 数据顺序和分位数排序等分成20分]]></title><link>https://blog.youkuaiyun.com/qq_32123787/article/details/95196322</link><guid>https://blog.youkuaiyun.com/qq_32123787/article/details/95196322</guid><author>qq_32123787</author><pubDate>Tue, 09 Jul 2019 15:07:12 +0800</pubDate><description><![CDATA[前言

数据切分


#方法1：
#随机生成0-100的整数
number=[]
for i in range(0, 100):
    # 3.生成随机数
    num = np.random.randint(0,100)
    # 4.添加到列表中
    number.append(num)
print(number)

#切分成等分20份
number1=pd.qcut(number,...]]></description><category></category></item></channel></rss>