深度学习驱动:时间序列模型在金融风控中的应用与提升
版权申诉
176 浏览量
更新于2024-07-05
收藏 2.15MB PDF 举报
"在2021年5月15日的DataFunSummit技术峰会上,陈小天作为资深算法工程师,探讨了2-4+时间序列模型在金融领域的广泛应用。随着金融科技的发展,金融机构积累了大量的结构化和非结构化时序数据,如借还款记录、客服互动、设备埋点等,这些都是风险控制中的关键信息来源。传统的方法依赖人工经验进行特征提取,但随着数据量的增加和复杂性的提高,这种方法的效率和创新性受到了挑战。
过去,手动从人行征信报告中生成的手工特征数量庞大,但边际收益逐渐降低,导致模型性能受限。同时,设备埋点数据虽然详尽,包含页面id、名称和高精度的时间戳,但手工特征的构建往往过于稀疏,且单个特征的独立贡献较低,无法构建出高效的评分卡。
为了解决这些问题,该团队引入了深度学习技术,特别是时间序列模型,如RNN(循环神经网络)或LSTM(长短时记忆网络),来自动捕捉时序数据中的复杂模式。通过嵌入和注意力机制的结合,提升了模型对业务数据的理解和表示能力,显著提高了模型在实际业务场景中的表现,如贷前授信、贷中交易和贷后服务中的风险评估。
未来,他们计划建立一套全面的时间序列数据应用体系,实现数据处理的端到端流程,将深度学习模型与传统的手工特征相结合,形成互补共生的数据生态,以实现更深层次的人机交互。这一系列的改进不仅提升了风控模型的准确性,也为金融机构提供了更高效、更具洞察力的数据驱动决策支持。"
这个主题涵盖了金融风控领域如何通过技术创新来应对数据挑战,展示了深度学习在时序数据分析中的重要作用,并描绘了未来在模型集成、数据处理和智能决策方面的战略方向。
2022-03-18 上传
2022-03-18 上传
2023-10-30 上传
2023-10-31 上传
2023-06-05 上传
2023-11-13 上传
2023-09-08 上传
2023-08-10 上传
2023-07-17 上传
普通网友
- 粉丝: 12w+
- 资源: 9195
最新资源
- 明日知道社区问答系统设计与实现-SSM框架java源码分享
- Unity3D粒子特效包:闪电效果体验报告
- Windows64位Python3.7安装Twisted库指南
- HTMLJS应用程序:多词典阿拉伯语词根检索
- 光纤通信课后习题答案解析及文件资源
- swdogen: 自动扫描源码生成 Swagger 文档的工具
- GD32F10系列芯片Keil IDE下载算法配置指南
- C++实现Emscripten版本的3D俄罗斯方块游戏
- 期末复习必备:全面数据结构课件资料
- WordPress媒体占位符插件:优化开发中的图像占位体验
- 完整扑克牌资源集-55张图片压缩包下载
- 开发轻量级时事通讯活动管理RESTful应用程序
- 长城特固618对讲机写频软件使用指南
- Memry粤语学习工具:开源应用助力记忆提升
- JMC 8.0.0版本发布,支持JDK 1.8及64位系统
- Python看图猜成语游戏源码发布