Ch1 互联网金融的申请过程,通常由用户从移动端发起,首次贷款用户会经理申请、四要素验证、授信与额度利率定价、多层审批、用户提款等多个环节;对于还款后再次贷款的复贷客户,平台通常会基于更好的信用评估结果,并根据历史还款表现对其进行额度管理。流程如图所示。 首次贷款用户需要依次通过反欺诈引擎、信用评估引擎、人工审核的审批。信用评估引擎主要包括政策规则筛选、信用规则筛选、申请评分卡
转载 2023-08-05 21:08:00
273阅读
作为一个财务人,每当做各种报表和数据分析时,我都在想自己为什么不是一个机器人,这样做起来就不会这么头秃了。有时辛辛苦苦做出来的数据莫名其妙地出现不符合逻辑的错误,有时excel里的公式出现引用错误……为什么像财务这种重复性多、数据处理量大的工作没有人开发个程序来替代呢?后来我才知道,不是没有人开发出程序,是我一直没有发现还有这么好用的工具——Python。我偶然刷到了一个视频,上面列举了几个工作中
转载 2024-01-16 23:00:42
34阅读
在金融信贷领域中,客户的基本信息是一类标配的底层数据,包括姓名、性别、年龄、学历、婚姻、住房等情况,这些信息对于线上信贷产品,很多情况下是客户通过产品申请界面端填写并提交,对于姓名、性别、年龄等信息,也可以采用OCR解析身份证的方式得到,从而让金融机构或助贷机构等业务方获取客户相关的申请数据,并落库形成常规的客户基本信息表。 针对客户的基本信息数据,从产品业务角度来讲是客户必需提供的信息,属于一种
# Python 策略规则库简介 ## 引言 在金融领域,风险控制是确保投资安全的关键环节。随着数据科学和机器学习的发展,Python成为了策略开发的重要工具。本文将介绍一个简单的策略规则库的构建,如何将这些策略应用于实际的金融数据中,并通过代码示例加以说明。我们还将使用Mermaid语法展示序列图和甘特图,帮助读者更清楚地理解各个组件之间的关系。 ## 策略的基本概念
原创 11月前
172阅读
近这一年大部分都在做贷款业务的部分开发,有一些个人的体会和演变之路记录一下。 首先,金融贷款类业务部分是非常重要的一块核心,主要包含用户的授信,贷款工单审核,复贷提额策略,其中又包括用户的信用分、评分卡,贷前、贷中的A、B模型。其实说白了,的核心作用就是与黑产的对抗和对用户所有操作的可控,发散到商城toB领域,可以通过风险的实时计算,对商家提供有效的实时控制,这是迭代到现在的
今天给大家分享Python 风格规范,以下代码中 Yes 表示推荐,No 表示不推荐。分号不要在行尾加分号, 也不要用分号将两条命令放在同一行。行长度每行不超过80个字符以下情况除外:长的导入模块语句注释里的URL不要使用反斜杠连接行。Python会将 圆括号, 中括号和花括号中的行隐式的连接起来 , 你可以利用这个特点. 如果需要, 你可以在表达式外围增加一对额外的圆括号。推荐: foo_bar
转载 2023-08-10 10:44:10
16阅读
# 实现Java系统规则 ## 1. 流程概述 为了实现Java系统规则,我们需要按照以下步骤进行操作: | 步骤 | 操作 | | ---- | ---- | | 1 | 创建一个规则接口(Rule) | | 2 | 实现规则接口,定义规则执行方法 | | 3 | 创建规则引擎(RuleEngine) | | 4 | 给规则引擎添加规则 | | 5 | 在系统中使用规则引擎执行规则
原创 2024-05-17 05:42:39
75阅读
新产品上线,往往只能使用规则进行审批与授信。能不能拦住风险是一回事,老板报以不信任的目光更使得从业人员倍受挫折。我们提供一个迁移学习风险评分开发方案,尝试在冷启动阶段就完成风险评分的开发。假定某家金融机构已有成熟贷款产品XFD,打算向市场投放面向小微企业主的新产品XWD。建模人员通过数据分析发现,已有借款客户里面,只有27.2%的客户是小微企业主,基于少量目标样本开发的模型可能不适用。产品A数
中,总有那么一群人,他们或是因触碰到强规则而被拒之门外的客群,或是因政策从一开始进件就不被准入的人群。同时随着流量获客成本日益昂贵,以及存量客户越来越多,各金融机构对客户的筛选越来越慎重。经营竞争白热化,信贷也进入了蓝海。于是通过捞回策略来筛选客群,进一步捞回就显得格外重要。拒绝捞回这个动作这个不仅仅是能得到市场同事欢迎,而且捞好了能积累数据。基于此,如何基于数据规则做相关的策略,番茄星球
就像人的身体一样,身体里的各个器官的组成都是依赖于人体的每一个细胞,而器官之间的配合协调都是通过主动脉血液进行连接交互的。而决策引擎里的最小的细胞单位组成是变量,而变量组合成一个个对应的规则包。最后每一个风险方案都是以规则包的形式配置的,再以业务流程作为交互。整个策略引擎所涉及到的模块和框架如下: 在以上的所有涉及到的流程节点里,底层变量是我们整个决策引擎的最小单元,我们在里面部署具体的变量:如客
风险策略的分析方法跟大多数的数据分析场景相似,都是一种数据下探直到找到问题原因的过程,有些像剥洋葱一样直到探索到问题的真像,我们称这种方法为剥洋葱法。 为什么在整个策略分析中,我们一开始并不能了解到问题的真像(比如找到那个“心”)。因为这个是由的整体决策流程决定的,了解风的业务可以看看整体的流程,大致由以下几个部分组成: ①事件 ②策略集 ③规则 也可以参考之前的文章:策略篇—风险事
# Python 实现策略规则集 在金融行业中,(风险控制)策略的实施至关重要。通过规则集,企业可以有效地识别、不良行为和潜在风险,从而减少损失,防止欺诈行为。本文将介绍如何使用Python创建一个简单的策略规则集,并且可视化风险数据,以帮助我们更好地理解风险分布。 ## 策略的基本概念 策略主要是通过设置一系列规则来监测用户行为和交易活动。这些规则通常基于过往的数据
原创 2024-09-11 07:39:22
364阅读
在之前的《智能平台核心之风决策引擎(一)、(二)》中分别对决策引擎的核心功能模块、以及策略体系搭建要点做了详细的介绍。现在主流的决策引擎核心功能模块如下所示:除了模型、规则、评分卡、表达式、决策流管理功能模块,还需要指标管理、接口管理、模型监控、报告等模块的辅助支撑,决策引擎才能在实际的业务中运行。下面会对指标管理模块做一个详尽解读,在介绍指标管理模块前首先要理解什么是变量、
转载 2023-12-23 10:08:00
295阅读
前言规则引擎的定义规则引擎的执行转转规则引擎总结前言的职责是控制业务的风险。在识别风险过程中,要根据大量的用户行为和用户信息去做逻辑判断,最终给出决策结果。在决策过程中,大量的逻辑判断需要开发和维护,如果以传统的方式去开发和维护,需要付出巨大的时间成本并且隐藏着毁灭性的事故风险。所以将业务代码和复杂的逻辑代码剥离显得迫在眉睫。规则引擎的定义规则引擎由推理引擎发展而来,是一种嵌入在应用程序中
原创 2022-08-23 17:53:36
441阅读
策略是平衡风险与收益的手段,也是追求利润最大化的工具。尤其在贷前策略中,相信做策略分析的同学身有体会。在做整个策略的过程中,最重要不是追求无坏账,而是利润最大化。而说到利润最大化就不得不提通过率与坏账整个两个指标。 在整个的策略中,流程大致可以分为以下几个流程: 一个客户从获客进件,最开始走的是产品流。产品流是客户填写相关的资料,进行授权,进行产品的准入的流程。就是以上图中的左边
前面提到,规则引擎的核心是Pattern Matcher(模式匹配器)。不管是正向推理还是反向推理,首先要解决一个模式匹配的问题。对于规则的模式匹配,可以定义为: 一个规则是一组模式的集合。如果事实/假设的状态符合该规则的所有模式,则称为该规则是可满足的。 模式匹配的任务就是将事实/假设的状态与规则库中的规则一一匹配,找到所有可满足的规则。 2.1 对于模式匹配我们都应该不陌生,我们经常使用
风险策略分析工作是风险管理的重要工作内容,其工作内容需要涉及领域中多个环节及细节内容,包含贷前策略调整、策略分析调优、贷中业务监控、贷后策略调整等模块内容,涉及相关模块工作细节及工作内容我们将一一为大家梳理及分享,为风险管理工作提供更好的思路。 贷前策略调整涉及多方面内容,如准入策略、黑/白名单策略、多头策略、评分卡策略等等,相关介绍内容可跳转“策略部署与调优都有哪些内容”进行了
随着互联网和科技的不断发展,无论是人们处理工作的方式还是生活的方式,都更加智能化,这都极大地提升了工作的效率,也带来了一定的便利性。对于投资领域来讲,“量化交易”正在被各类资管机构和普通用户所接受。而“量化交易”既是一个高效管理投资的方式,也是一个更加科学、理性管理投资的方式。Python智能交易课程就是针对“量化交易”需求设计的。Python智能交易课程对于投资相关的内容有更严格的步骤管理,
场景为根据用户手机短信的建模,以此为例总结一套数据处理,特征工程,实验及结果分析的全流程珍贵的代码,并把常用的工具包函数记录清楚,免得每次用都要百度。如下是一套完整的流程,引自《智能》一书,我们按照这样的流程整理博客内容。 系列文章包括以下部分:数据预处理特征工程数据存储模型实验结果分析 一. 数据预处理1. 关于数据读取原始数据可能以各种格式的文件和各种逻辑
如果决策引擎是的大脑,那么规则引擎则是大脑内的重要构成,其编排了各种对抗黑产的规则,是多年对抗黑产的专家经验的累计,本文将向你介绍规则引擎的构成及实现。
原创 精选 2023-01-06 11:30:05
523阅读
  • 1
  • 2
  • 3
  • 4
  • 5