最新风控模型竞赛开始了！金融大数据应用-企业信贷风险防控-中国建设银行数据集-作者开箱测评

Posted 2023-03-14

作者Toby，来源《最新风控模型竞赛开始了！金融大数据应用-企业信贷风险防控-中国建设银行数据集-作者开箱测评》

各位朋友，最新金融风控模型竞赛开始了！竞赛名称为金融大数据应用：企业信贷风险防控；组织单位：数字中国建设峰会组委会；中国建设银行提供模型竞赛数据集。

​

这次模型竞赛奖金很高，总奖金160万元，一等奖八万元。

赛题背景：
  金融机构的数字化转型正在如火如荼地进行，人工智能作为数字化转型的重要手段之一，全方位融合赋能金融行业的业务领域和场景应用。目前人工智能技术在金融产品设计、市场营销、风险控制、客户服务和其他支持性活动等金融行业五大业务链环节均有涉及，特别是以生物特征识别、机器学习、计算机视觉、知识图谱等技术赋能下的金融行业，已经衍生出智能营销、智能身份识别、智能客服等多个金融人工智能典型场景。

 赛题任务
  1.将金融数据与政务数据相结合，可自备行业数据丰富模型维度。从需求分析、场景设计、解决方案、落地验证、产品价值多个方面开展创意设计，提交创意解决方案。
  2.企业信贷风险防控方案。结合企业数据与公共数据，建立企业信贷风险分析模型。场景方向可从准入管理、预警监控、信贷调整、贷后管理等方面，对企业各方面的风险进行评估，结合模型及业务场景设计完整的风险防控方案，提升银行信贷风险防控能力。

参赛规则

▶▶ 参赛人群：大赛面向社会各界开放，不限年龄国籍、高校、科研院所、企业从业人员均可登录官网报名参赛。参与大赛组织工作有关单位员工可参赛但不可获奖；
▶▶

数据说明

这次Toby老师也下载了模型竞赛数据，观察这次数据集的变量是公开透明的。这意味着此次模型竞赛非常有意义，我们能通过数据挖掘和建模方法找出有价值变量和业务意义。

下图是中国建设银行提供数据集，共47个变量，12万客户数据，数据量还算比较大。

  企业信贷风险防控数据主要包括企业工商信息、法人基本信息、公积金缴交等金融数据与政务数据（均为模拟数据），数据字典已包含。其中训练集与测试集可由选手根据方案实际情况自行划分，选手也可自备数据丰富方案维度。

提交要求

  参赛者须在初赛阶段提供解决方案设计说明书（PPT、WORD或PDF格式）和成果模型。内容需包括但不限于：
  背景分析 —— 具有现实意义、面向金融业实际面对的问题，结合具体情况，分析业务现状、当前痛点、难点；
  实施方案 —— 基于背景分析，设计数字化场景，提出可解决问题、降低金融风险、提升客户体验的创新思路实施方案；
  数据分析 —— 对数据的选取、使用过程进行分析，包括数据清洗过程、字段筛选、重要性分析等；
  算法分析 —— 对建模使用的具体算法进行分析介绍，包括算法选择原因、调参过程等进行分析说明；
  作品价值 —— 体现作品的实际落地价值，通过可度量的指标进行体现。

提交示例

  解决方案设计说明书可以是PPT、WORD或PDF格式，文件名以“赛题名称+团队名称+方案名称”为准。
  如有影音、数据、模型等文件，请打包在同一个文件夹压缩后进行提交。

评测标准

  大赛主办方组建大赛专家评审团负责比赛评审工作。
  大赛专家评审团根据各指标比例及对应参考描述，以百分制方式，对参赛者作品进行打分。评审标准暂拟如下，仅供参考，根据大赛实际组织情况调整，以实际评审标准为准。

评分维度	作品成熟度	技术水准	应用潜力	答辩表现
占比	40%	30%	20%	10%

作品成熟度（40%）
  （1）需求分析（10%）：具有较强社会意义、金融行业实际需求的问题，基于对数据的处理分析，结合真实情况，有效把握需求痛点、难点、堵点；
  （2）场景设计（10%）：基于需求分析，设计数字化场景，提出可解决问题、减少社会成本、提高效益的创新思路；
  （3）解决方案（10%）：基于赛题场景设计，提出符合金融需求的可落地解决方案，形成较完善的分析报告或综合方案；
  （4）数据使用（10%）：对于系统构建所需数据有较清晰的数据清单，其中或包括数据类别、数据格式、数据功能、数据来源等信息，并对数据使用流程做出较清晰规划。
  ● 技术水准（30%）
  （1）先进性（5%）：有效使用云计算、大数据、人工智能等技术，且技术能力领先市场已有应用，具备技术先进性；
  （2）创新性（20%）：解决问题的思路、方案具有较强的创新性，与传统方法有明显的区别与升级；
  （3）成熟度（5%）：方案深入行业需求，能够有效解决行业痛点问题，并针对未来实施过程中可能遇到的风险问题做出预测，并提出相应预案。
  ● 应用潜力（20%）
  （1）实用性（5%）：作品方案符合实际使用场景需求，可落地应用，解决真实业务难题；
  （2）普适性（5%）：作品方案具有较强的普适性，可适用于多种场景，解决多类问题；
  （3）社会效益（5%）：作品方案实际应用后，可产生较大社会效益，切实助力惠民、兴业、优政；
  （4）商业价值（5%）：作品方案可高效率、低费用应用，具有较强的商业价值、推广潜力。
  ● 答辩表现（10%）
  答辩时仪态得体，语言表达逻辑清晰，合理解答专家疑问，展现了较为丰富的经验和专业的能力。

Toby老师指出这次模型竞赛非常open，不是之前以单个指标（accuracy/AUC/F1 score）来排名，而是对参赛者多个方面考察。之前我写的文章​​《四川省大学生金融科技建模大赛-模型复现和点评》​​提出过主办方改进建议，如下图。

貌似主办方看过这篇文章，这次项目的确弥补了之前缺点，堪称经典。这次比赛非常经典，建议大家都去参与，提高自己建模能力。

---

开箱测试​

Toby老师下载数据后开箱测试，先绘制变量直方图和相关性热图，投石问路。

Toby老师建议大家不要急着建模，先观察数据分布特征，这类似进攻前的情报收集工作。

Toby老师通过描述性统计，发现这数据集需要大量预处理工作，对初学者有一定难度。例如时间变量比较多，可以做衍生变量。

此数据集夹杂着错误数据，如果参赛者没有自动化检测工具，很难发现里面埋的坑。例如贷款申请时间里有2999年数据，法人出生日期有3019年数据，这是什么东东？

脏数据意味着中国建设银行复杂数据库员工工作不仔细，或者故意输入几个错误数据。脏数据很正常，因为数据量太大了，我们经常遇到。

Toby老师初次建模观察，模型性能解决完美。如果是经验不足选手，估计已经高兴地晕过去。对于我们来说，模型质量好的可疑，我们要去仔细检查变量业务意义。

果不其然，变量存在数据泄露风险。至于什么是数据泄露，请大家阅读之前我写的文章​​《数据泄露-揭秘机器学习模型如何作弊》​​。

Toby老师通过多轮变量筛选，删除疑似数据泄露变量后，最后用34个变量建模，模型性能非常棒。通过建模，我发现数据集存在多个强变量。中国建设银行拥有这些强变量，风控能力会非常不错。

Toby老师入模的34个变量中，高相关性变量已经非常少。如果更严格一些，这34个变量还可以继续筛选。此模型用10-20个变量，足以发挥优秀性能。

如下图，模型AUC为0.98，当然我可以做的更高，这属于前几轮测试数据，模型调参等提高模型性能方法还没用。

有的变量重要性比较低，但业务意义比较重要，我还是建议保留，继续收集更多数据后观察实验。我们建模不能只看统计结果，还要尊重业务意义。数据建模和业务意义类似于太极的阴和阳，两者缺一不可，互相平衡方能发挥最好效果。

---

总结​

金融大数据应用-企业信贷风险防控模型竞赛是一次非常棒的比赛！鼓励大家多去参与。如果大家想学习风控建模方法和代码，可关注Toby老师自研课程《python金融风控评分卡模型和数据分析》。教程包含逻辑回归，集成树，神经网络等常见算法介绍和代码，有大量实战案例，模型性能优越，适用于论文，作业，专利，模型竞赛，企业模型。欢迎大家收藏，以备工作和学习使用。

如果有更高需求朋友，可与博主留言，例如模型竞赛定制需求，我们团队提供一对一机器学习模型定制服务，提供Python建模代码，PPT模型文档，远程协助，专业答疑。

版权声明：文章来自公众号(python风控模型),未经许可，不得抄袭。遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。