寫在前面：

此文為一個簡單的風控決策模型的開發邏輯及細節，僅供科技金融領域做風控建模的新手參考，具備能夠看懂并且嘗試風控模型開發及部署的能力。

躍躍欲試吧。

【博客地址】：https://blog.csdn.net/sunyaowu315
【博客大綱地址】：https://blog.csdn.net/sunyaowu315/article/details/82905347
另附Tech Fin微信社群，感興趣可添加微信wu805686220，備注研習社+姓名，邀您進群：
社群面向所有金融領域風險管理人員、數據分析人員。旨在扎根TechFin，了解科技金融業務、管理、技術方面的知識，研討包括分類聚類關聯、UML、復雜網絡、社交圖譜、模糊匹配、分團集群、推薦算法等機器學習技術在自識別交叉營銷和全自動風險管理方面的應用。

---

一 模型開發流程

1、模型開發

（1）數據源測試： 測試需要對接的三方數據源，可分為線下測試和線上測試兩種。通過類似覆蓋率、交叉矩陣、KS等指標判斷數據質量。

（2）aip測試接口對接：如果數據源質量ok，開發人員對接數據源接口，取數調參。

（3）函數式編程代碼塊：代碼結構化分塊編程，防止重復編寫，同樣提升調用效率。

2、模型部署

（1）路由配置： 配置好模型路由

（2）api正式接口對接： 完成數據源接口的對接，部署到線上。

（3）模型調用： 支持傳參調用整個模型（包括規則集和機器學習模型），返回最終決策結果。

3、模型監測

（1）運營指標

• ①數據源調用率

• ②單模型拒絕率

• ③整體通過率

• ④單一規則觸碰比

（2）風控指標

• ①AUC
• ②KS

4、模型調優

• ①調整數據源的部署邏輯

• ②調整規則集

• ③調整評分卡

• ④整體上的目的就是降低損失的同時提高通過。

---

二 代碼邏輯

整體邏輯如下：

1、測試文件test或線上訪問url

2、調用視圖views中的模型解釋器@app.route

3、數據源derived

4、規則集rule

5、機器學習模型model

這里評分卡模型，基本是用標準評分卡和樹結構的評分卡實現的。

總結

以上是生活随笔為你收集整理的【风控流程】大数据风控代码逻辑的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。