"AKULAKU风控模型报告：大额现金分期复贷评估及风险能力分析"

本报告旨在对idpdlold87(改)进行大额现金分期复贷（消分还清1-3次）方面的风险进行评估。该报告是由AKULAKU风控建模部门使用xgb模型版本v1.0于2020年10月14日制作。通过KS曲线和Lift曲线的分析，评估模型的风险区分能力和提升度。 首先，通过KS曲线（Kolmogorov-Smirnov）来衡量好坏样本累计分布的差值，从而评估模型在风险区分能力方面的表现。通过分析KS曲线可以得出模型在对大额现金分期复贷（消分还清1-3次）风险的识别能力，进而制定更加有效的风险控制策略。 其次，利用Lift曲线来评估模型的提升度，即与AKULAKU建模部门针对该风险所建立的基准模型相比，该模型对好坏客户的识别能力和提升效果。通过分析Lift曲线可以直观地看出模型的性能如何，从而对模型进行调整和优化，提高预测准确率和风险控制能力。 根据AKULAKU风控建模部门制作的模型报告，建模样本总量为187500，总体坏客户比例为0.12%，训练集和测试集的起始日期分别为2019年6月和2020年2月，结束日期为2020年3月。样本按月份统计分布显示不同月份的好客户数、坏客户数和总数，可以清晰地了解违约率的变化趋势。 在数据分析过程中发现，2019年10月份的违约率最高，达到12.4%，而2019年6月和2019年7月的违约率较低，分别为0%和0.5%。2019年11月和2019年12月的违约率分别为9.5%和8.4%，呈现出逐渐下降的趋势。这些数据为风险管理部门提供了重要参考信息，可以根据不同月份的风险变化情况调整风控策略。 总的来说，本报告通过KS曲线和Lift曲线的分析，全面评估了idpdlold87(改)大额现金分期复贷（消分还清1-3次）方面的风险状况，为风控部门提供了重要的决策参考。在未来的工作中，建议进一步完善模型，提高风险识别能力，加强模型的稳定性和准确性，以应对日益复杂多变的风险环境。