金融风控AI建模实战课

金融风控是金融业务的核心环节，AI技术的引入大幅提升了风险识别的精度与效率。本文将从问题定义→数据预处理→特征工程→模型开发→评估部署五大环节，系统拆解金融风控AI建模全流程，并提供实战案例代码框架。

一、问题定义：明确风控场景与目标

金融风控主要分为三类评分卡模型：

A卡（申请评分卡）

目标：预测用户申请贷款/信用卡时的违约风险。

数据：用户基本信息、收入、职业、历史信用记录等。

B卡（行为评分卡）

目标：监控贷款发放后用户的还款行为变化。

数据：交易流水、还款记录、消费习惯等时序数据。

C卡（催收评分卡）

目标：预测逾期用户还款可能性，优化催收策略。

数据：逾期时长、催收历史、用户响应记录等111。

关键指标：

坏账率 = 逾期用户数 / 总用户数

AUC（模型区分能力）、KS值（风险分隔度）、召回率（识别高风险用户能力）1012。

二、数据预处理：解决缺失与噪声问题

典型数据问题：

特征缺失：超过60%样本缺失的特征直接删除1。

样本缺失：缺失超过50%字段的样本剔除。

异常值处理：

使用IQR法则处理异常值

def remove_outliers(df, col):

Q1 = df[col].quantile(0.25)  

Q3 = df[col].quantile(0.75)  

IQR = Q3 - Q1  

df = df[(df[col] > Q1 - 1.5*IQR) & (df[col] < Q3 + 1.5*IQR)]  

return df  

样本不平衡：过采样（SMOTE）或代价敏感学习（调整类别权重）1012。

三、特征工程：构建有效风险信号

（1）特征衍生

时序特征：近3个月还款延迟次数、最大连续逾期天数。

统计特征：收入稳定性（方差）、负债收入比。

交叉特征：职业类型 × 地域经济水平47。

（2）特征分箱与WOE编码

对连续变量（如年龄、收入）分箱离散化，计算WOE（Weight of Evidence）：

等频分箱与WOE计算

data[‘income_bin’] = pd.qcut(data[‘income’], 5)

woe_dict = data.groupby(‘income_bin’)[‘label’].agg([‘count’,‘sum’]).apply(

lambda x: np.log((x['sum']/bad_total)  / ((x['count']-x['sum'])/good_total)), axis=1)  

IV值（Information Value） 评估特征预测力：

• IV < 0.02：无预测力，剔除

• IV > 0.3：强预测力，重点关注511。

---

四、模型开发：集成学习实战

（1）算法选型

• 逻辑回归：可解释性强，易于转评分卡（如1分=20/ln(2)）11。

• XGBoost/LightGBM：

  • 优势：自动处理非线性关系，支持缺失值。

  • 关键参数：max_depth=3（防过拟合）、scale_pos_weight（平衡样本）12。

（2）评分卡转换

将模型概率输出转为0–1000分：

[ ext{Score} = A - B imes ln(rac{p}{1-p}) ]

其中 (p) 为违约概率，(A/B) 为基准分与刻度因子15。

”`python

逻辑回归输出评分卡

def scorecard(coef, intercept, bin_woe, A=600, B=20):

factor = B / np.log(2)   

offset = A - B * intercept  

score = {var: (coef[i] * woe * factor) for i, (var, woe) in enumerate(bin_woe.items())}   

return offset, score  # 返回基础分与变量分  

五、模型验证与部署

（1）评估指标

指标 评估目标 达标值

AUC 模型区分能力 >0.75

KS值 风险分层效果 >0.4

稳定指数PSI 模型稳定性 <0.1

（2）部署策略

前馈控制：A卡拒绝高风险用户（评分<600）。

动态调额：B卡触发预警时降低授信额度。

分级催收：C卡高分用户柔性提醒，低分用户强催收713。

（3）监控与迭代

前端监控：特征PSI波动报警。

后端验证：每月核对模型预测坏账率 vs 实际坏账率。

衰减应对：特征重构或模型再训练912。

六、前沿技术拓展

知识图谱：识别欺诈团伙（如关联设备、共用联系人）28。

时序建模：LSTM预测用户还款行为突变点。

大模型应用：

产业链图谱构建（挂载企业上下游关系）

文本解析（自动提取财报/合同风险点）38。

注：实战代码基于Python生态（

pandas

、

sklearn

、

lightgbm

），数据集可参考Kaggle “GiveMeSomeCredit” 511。

结语

金融风控AI建模需平衡业务可解释性与预测精度。未来，大模型与深度特征工程的结合将进一步提升风险画像的颗粒度，推动风控从被动响应转向主动预测。