风控时序分析的方法
时间:2020-06-15 08:31
字(中)
时间序列分析方法有很多种,每种方法都有很多类似或者不同的中文翻译,不同的方法也可能是同一个中文翻译。下文的介绍中,为便于区分,方法名称用英文。后续考虑在系列文章中, 用Python进行实例展现。

1. Time Series Analysis

简单地说就是常见的趋势分析,一般是基于一个变量在连续一段时间内的一系列观察值进行分析,研究其中隐含趋势,一般可以用图表展现出来。
原理很简单,现实很骨感。趋势远不是一个简单的线性拟合就可以描绘出来的,尤其当时间轴不是平滑的时候,预测的结果往往大相径庭。
这也意味着,消除时间轴的不平滑影响,如季节性因素、周期性因素、节假日、变更点等,在 Time Series Analysis 中至关重要。
Facebook 开源了一个 Time Series Analysis 分析利器 Prophet 。Prophet 可以适配任何时间尺度,还能很好的处理异常值和缺失数据,对趋势变化非常敏感,可以预测整整一年的时间。此外,Prophet 还考虑到了假期等特殊时间的影响,可以自定义变更点。
下图为 Prophet 官网例子,是对来自维基百科上面对美国橄榄球运动员佩顿·曼宁(Peyton Williams Manning)的日访问量的分析。
黑点为实际值,蓝点为预测值,浅蓝色阴影区域表示预测可能区间。

2. Cohort Analysis

Cohort Analysis 也叫 Vintage Analysis ,中文名称有 留存分析、 世代分析、 同行分析、同期群分析等。

简单地说,Cohort Analysis 就是将某一个时期内的分析客体(如用户、贷款)等划分为一个 cohort,并将多个 cohort 在时间轴上的某个属性(如留存率、不良率)进行分析比较的一种分析方法。

比如,对投放的贷款按照贷款投放的月份划分  cohort, 在贷款期限中结合放款的时间分析 M4 以上的逾期情况。
 

再如,需要分析一个新产品推广投入财务资源的效益性,仅仅从时点报表看,客户数很多,总收益也不错。但基于 Cohort Analysis 就会发现,客户带来的收益在时间轴上衰减很快,财务资源的投入产出还有优化空间。

 

3.Temporal Analysis

Temporal Analysis 也是一种基于时间维度的分析方法,一般用于社交网络分析、时空地理信息分析。
对于关联交易网络、洗钱网络、担保网络、围标网络等等,在任何时点上看到的都是当前网络的情况。对比这些时间切片上的网络可以看到,网络是逐步形成,发展变化的。

但在风险管理过程中,不仅仅要看网络的静态状态,还需要了解网络产生、发展、爆发的过程,总结网络在时间轴上的动态特征,从而决定在哪些关键的时点采取更有效的风险控制措施。
比如,对如下的交易关系数据,可以通过 Temporal Analysis 动态看到网络的形成,哪些节点在时间的维度上成为关键节点。

上一篇:风控需要时序观是什么
下一篇:动火作业风险分析控制措施
与您相关