各位朋友，最新金融風控模型競賽開始了！競賽名稱為金融大數據應用：企業(yè)信貸風險防控；組織單位：數字中國建設峰會組委會；中國建設銀行提供模型競賽數據集。

這次模型競賽獎金很高，總獎金160萬元，一等獎八萬元。

賽題背景：
??金融機構的數字化轉型正在如火如荼地進行，人工智能作為數字化轉型的重要手段之一，全方位融合賦能金融行業(yè)的業(yè)務領域和場景應用。目前人工智能技術在金融產品設計、市場營銷、風險控制、客戶服務和其他支持性活動等金融行業(yè)五大業(yè)務鏈環(huán)節(jié)均有滲透，特別是以生物特征識別、機器學習、計算機視覺、知識圖譜等技術賦能下的金融行業(yè)，已經衍生出智能營銷、智能身份識別、智能客服等多個金融人工智能典型場景。

?賽題任務
??1.將金融數據與政務數據相結合，可自備行業(yè)數據豐富模型維度。從需求分析、場景設計、解決方案、落地驗證、產品價值多個方面開展創(chuàng)意設計，提交創(chuàng)意解決方案。
??2.企業(yè)信貸風險防控方案。結合企業(yè)數據與公共數據，建立企業(yè)信貸風險分析模型。場景方向可從準入管理、預警監(jiān)控、信貸調整、貸后管理等方面，對企業(yè)各方面的風險進行評估，結合模型及業(yè)務場景設計完整的風險防控方案，提升銀行信貸風險防控能力。

參賽規(guī)則

???參賽人群：大賽面向社會各界開放，不限年齡國籍、高校、科研院所、企業(yè)從業(yè)人員均可登錄官網報名參賽。參與大賽組織工作有關單位員工可參賽但不可獲獎；
???報名要求：每道賽題每人僅能參加一支團隊（1-5人），可同時選擇多道賽題進行參賽，不同賽題可以擁有不同的團隊，報名時所有成員需提供個人基本信息，并通過實名認證；需在組隊截止日期前完成組隊，一旦組隊不可退出隊伍。組隊條件：各成員提交總次數≤開賽天數*3，且一個團隊至少有一名中國籍選手；更多參賽規(guī)則可訪問官網主頁。

數據說明

這次Toby老師也下載了模型競賽數據，觀察這次數據集的變量是公開透明的。這意味著此次模型競賽非常有意義，我們能通過數據挖掘和建模方法找出有價值變量和業(yè)務意義。

下圖是中國建設銀行提供數據集，共47個變量，12萬客戶數據，數據量還算比較大。

??企業(yè)信貸風險防控數據主要包括企業(yè)工商信息、法人基本信息、公積金繳交等金融數據與政務數據（均為模擬數據），數據字典已包含。其中訓練集與測試集可由選手根據方案實際情況自行劃分，選手也可自備數據豐富方案維度。

提交要求

??參賽者須在初賽階段提供解決方案設計說明書（PPT、WORD或PDF格式）和成果模型。內容需包括但不限于：
??背景分析 —— 具有現實意義、面向金融業(yè)實際面對的問題，結合具體情況，分析業(yè)務現狀、當前痛點、難點；
??實施方案 —— 基于背景分析，設計數字化場景，提出可解決問題、降低金融風險、提升客戶體驗的創(chuàng)新思路實施方案；
??數據分析 —— 對數據的選取、使用過程進行分析，包括數據清洗過程、字段篩選、重要性分析等；
??算法分析 —— 對建模使用的具體算法進行分析介紹，包括算法選擇原因、調參過程等進行分析說明；
??作品價值 —— 體現作品的實際落地價值，通過可度量的指標進行體現。

提交示例

??解決方案設計說明書可以是PPT、WORD或PDF格式，文件名以“賽題名稱+團隊名稱+方案名稱”為準。
??如有影音、數據、模型等文件，請打包在同一個文件夾壓縮后進行提交。

評測標準

??大賽主辦方組建大賽專家評審團負責比賽評審工作。
??大賽專家評審團根據各指標比例及對應參考描述，以百分制方式，對參賽者作品進行打分。評審標準暫擬如下，僅供參考，根據大賽實際組織情況調整，以實際評審標準為準。

評分維度作品成熟度技術水準應用潛力答辯表現占比40%30%20%10%

??●?作品成熟度（40%）
??（1）需求分析（10%）：具有較強社會意義、金融行業(yè)實際需求的問題，基于對數據的處理分析，結合真實情況，有效把握需求痛點、難點、堵點；
??（2）場景設計（10%）：基于需求分析，設計數字化場景，提出可解決問題、減少社會成本、提高效益的創(chuàng)新思路；
??（3）解決方案（10%）：基于賽題場景設計，提出符合金融需求的可落地解決方案，形成較完善的分析報告或綜合方案；
??（4）數據使用（10%）：對于系統(tǒng)構建所需數據有較清晰的數據清單，其中或包括數據類別、數據格式、數據功能、數據來源等信息，并對數據使用流程做出較清晰規(guī)劃。
??●?技術水準（30%）
??（1）先進性（5%）：有效使用云計算、大數據、人工智能等技術，且技術能力領先市場已有應用，具備技術先進性；
??（2）創(chuàng)新性（20%）：解決問題的思路、方案具有較強的創(chuàng)新性，與傳統(tǒng)方法有明顯的區(qū)別與升級；
??（3）成熟度（5%）：方案深入行業(yè)需求，能夠有效解決行業(yè)痛點問題，并針對未來實施過程中可能遇到的風險問題做出預測，并提出相應預案。
??●?應用潛力（20%）
??（1）實用性（5%）：作品方案符合實際使用場景需求，可落地應用，解決真實業(yè)務難題；
??（2）普適性（5%）：作品方案具有較強的普適性，可適用于多種場景，解決多類問題；
??（3）社會效益（5%）：作品方案實際應用后，可產生較大社會效益，切實助力惠民、興業(yè)、優(yōu)政；
??（4）商業(yè)價值（5%）：作品方案可高效率、低費用應用，具有較強的商業(yè)價值、推廣潛力。
??●?答辯表現（10%）
??答辯時儀態(tài)得體，語言表達邏輯清晰，合理解答專家疑問，展現了較為豐富的經驗和專業(yè)的能力。

Toby老師指出這次模型競賽非常open，不是之前以單個指標（accuracy/AUC/F1 score）來排名，而是對參賽者多個方面考察。之前我寫的文章《四川省大學生金融科技建模大賽-模型復現和點評》提出過主辦方改進建議，如下圖。

貌似主辦方看過這篇文章，這次項目的確彌補了之前缺點，堪稱經典。這次比賽非常經典，建議大家都去參與，提高自己建模能力。

開箱測試

Toby老師下載數據后開箱測試，先繪制變量直方圖和相關性熱圖，投石問路。

Toby老師建議大家不要急著建模，先觀察數據分布特征，這類似進攻前的情報收集工作。

Toby老師通過描述性統(tǒng)計，發(fā)現這數據集需要大量預處理工作，對初學者有一定難度。例如時間變量比較多，可以做衍生變量。

此數據集夾雜著錯誤數據，如果參賽者沒有自動化檢測工具，很難發(fā)現里面埋的坑。例如貸款申請時間里有2999年數據，法人出生日期有3019年數據，這是什么東東？

臟數據意味著中國建設銀行復雜數據庫員工工作不仔細，或者故意輸入幾個錯誤數據。臟數據很正常，因為數據量太大了，我們經常遇到。

Toby老師初次建模觀察，模型性能解決完美。如果是經驗不足選手，估計已經高興地暈過去。對于我們來說，模型質量好的可疑，我們要去仔細檢查變量業(yè)務意義。

果不其然，變量存在數據泄露風險。至于什么是數據泄露，請大家閱讀之前我寫的文章《數據泄露-揭秘機器學習模型如何作弊》。

Toby老師通過多輪變量篩選，刪除疑似數據泄露變量后，最后用34個變量建模，模型性能非常棒。通過建模，我發(fā)現數據集存在多個強變量。中國建設銀行擁有這些強變量，風控能力會非常不錯。

Toby老師入模的34個變量中，高相關性變量已經非常少。如果更嚴格一些，這34個變量還可以繼續(xù)篩選。此模型用10-20個變量，足以發(fā)揮優(yōu)秀性能。

如下圖，模型AUC為0.98，當然我可以做的更高，這屬于前幾輪測試數據，模型調參等提高模型性能方法還沒用。

有的變量重要性比較低，但業(yè)務意義比較重要，我還是建議保留，繼續(xù)收集更多數據后觀察實驗。我們建模不能只看統(tǒng)計結果，還要尊重業(yè)務意義。數據建模和業(yè)務意義類似于太極的陰和陽，兩者缺一不可，互相平衡方能發(fā)揮最好效果。

總結

金融大數據應用-企業(yè)信貸風險防控模型競賽是一次非常棒的比賽！鼓勵大家多去參與。如果大家想學習風控建模方法和代碼，可關注Toby老師自研課程《python金融風控評分卡模型和數據分析》。教程包含邏輯回歸，集成樹，神經網絡等常見算法介紹和代碼，有大量實戰(zhàn)案例，模型性能優(yōu)越，適用于論文，作業(yè)，專利，模型競賽，企業(yè)模型。歡迎大家收藏，以備工作和學習使用。

如果有更高需求朋友，可給up主留言，例如模型競賽定制需求，我們團隊提供一對一機器學習模型定制服務，提供Python建模代碼，PPT模型文檔，遠程協(xié)助，專業(yè)答疑，正規(guī)發(fā)票和合同。

版權聲明：文章來自公眾號(python風控模型),未經許可，不得抄襲。遵循CC 4.0 BY-SA版權協(xié)議，轉載請附上原文出處鏈接及本聲明。