金融风控分类（泰迪杯 2020 D）
历年真题解法库 · 本题为公开赛题要点整理，完整原题请到官方渠道获取（链接见下）；
下方「练习数据」为本站生成的合成数据集，仅用于跑通方法，非官方原题数据。
一、赛题要点
- 赛事：泰迪杯 2020 年 · 题号 D
- 问题实质：基于信贷数据，要求做违约识别与风险评级。
二、需要产出什么
建立信用评分模型；做分类与不确定性评估。
三、数据说明（官方来源 + 练习数据集）
- 官方数据/赛题：官方给出客户特征与违约标签；需做特征工程。
- 官方获取渠道：http://www.tipdm.org（请以当年官网发布为准）
- 本站练习数据集：
data/tidy2020a.csv—— 按本题结构生成的合成数据（features 型），可下载后用上面的算法手册直接练手。 - 字段说明：CSV 表头即各变量名；数值为合理量级的随机样本，仅用于方法验证，不代表真实赛题数据。
四、可用解法 → 对应手册
下面按本题涉及的题型，给出对应的「方法选型指南」与可直接套用的算法手册跳转。
题型：分类 / 聚类类
先看选型 👉 🧭 分类聚类选型指南
可套用算法手册：
题型：评价 / 决策类
先看选型 👉 🧭 评价类选型指南
可套用算法手册：
题型：不确定性 / 鲁棒类
先看选型 👉 🧭 不确定性选型指南
可套用算法手册：
参考手册速查
📘 K-Means 聚类 · 📘 层次聚类 · 📘 模糊 C 均值 · 📘 决策树 · 📘 支持向量机 · 📘 贝叶斯分类 · 📘 逻辑回归 · 📘 层次分析法 AHP · 📘 TOPSIS · 📘 熵权法 · 📘 模糊综合评价 · 📘 灰色关联分析 · 📘 VIKOR · 📘 CRITIC 法 · 📘 PCA 综合评价 · 📘 蒙特卡洛仿真 · 📘 马尔可夫链 · 📘 博弈论
五、建模思路提示
- 违约用分类模型
- 评级用综合评价
- 不平衡用重采样/代价敏感
六、常见坑与规避
- 不要把赛题要点当原题照搬，先独立重述问题再建模。
- 拿到数据先检查量纲、缺失与异常，再决定用预测/评价/优化哪类方法。
- 方法选型别凭感觉：先看「方法选型决策指南」对应题型那本，再进具体算法手册。
- 合成练习数据只验证逻辑，正式参赛务必用官方数据并做敏感性/误差分析。
七、三篇手写优秀范文
| 范文 | 内容 | 配图 | 附录 |
|---|---|---|---|
| 范文一·数据理解与逻辑回归从零 | 数据构成与类别平衡、特征按标签分布、逻辑回归从零（梯度下降+交叉熵损失）、决策边界与预测概率分布 | 手写 · 8 图 · 1 附录 | |
| 范文二·决策树、评价与评分卡 | 决策树从零（Gini 递归）、LR vs DT 的 ROC-AUC 对比、混淆矩阵与精确率/召回/F1、评分卡构建与 KS 统计量 | 手写 · 8 图 · 1 附录 | |
| 范文三·不平衡、阈值与部署运行 | 类别不平衡处理（代价敏感/重采样）、阈值调优（F1/Youden）、概率校准、特征敏感性与部署运行策略 | 手写 · 8 图 · 1 附录 |
八、配套资源
- 回到 📚 历年真题解法库首页
- 总入口：🗺️ 专题手册库
- 论文怎么写：📝 论文模板使用说明专区
- 避坑总览：⚠️ 建模避坑指南专区
九、权威数字速览（确定性真源，SEED=2020）
- 数据：样本 N=200，违约(label=0) 70 例（35.0%）/ 正常(label=1) 130 例（65.0%）；训练 140 / 测试 60。特征按标签均值：年龄 37.57 vs 43.60、月收入 0.658 vs 1.164、负债比 0.432 vs 0.262、逾期 1.798 vs 0.645、使用率 0.479 vs 0.402、稳定年数 3.511 vs 5.505。
- 逻辑回归（从零）：标准化系数 w=[0.2679, 1.4042, −0.7130, −0.9942, −0.2563, 1.0781]，截距 b=1.1153；交叉熵损失 200 轮收敛至 0.3498；训练 AUC 0.9077 / 测试 AUC 0.8973；测试混淆矩阵 [[13,6],[3,38]]，准确率 0.8500，违约召回 0.6842、违约 F1 0.7429。
- 决策树（Gini，最大深度 4）：12 叶，测试 AUC 0.7041；前三次分裂为 月收入≤0.773、居住稳定年数≤4.497、负债收入比≤0.292。
- KS 统计量：KS=0.7035（最优切点对应概率 0.784）。
- 评分卡：基准分 600、刻度 50；违约客户均分 562.6 / 正常客户均分 725.1，得分区间 [397.6, 894.0]。
- 类别不平衡处理：类别权重 w₀=1.3725、w₁=0.7865（训练少数/多数=51/89）；代价敏感使违约召回 0.6842→0.8421、违约 F1 0.7805；重采样（89/89 平衡）使 AUC 0.9089、违约召回 0.7895。
- 阈值调优：F1 最优 t=0.45（F1=0.8941），Youden 最优 t=0.80（J=0.7035）。
- 概率校准：预测概率 0.00–0.20 箱观测违约率 1.000，0.80–1.00 箱 0.031，整体趋势一致。
- 特征敏感性：扰动（噪声=1σ）后 AUC 基准 0.8973，负债收入比 0.7715、月收入 0.8164 最敏感，年龄 0.8575、稳定年数 0.8562 次之。
- 全部数字由
tools/gen_tidy2020a.py（SEED=2020，纯标准库）确定性复现；配图由tools/fig_tidy2020a.py生成 24 张 SVG。