Logo
latest

安装

  • 安装

快速开始

  • 查看westat版本号和安装路径

数据准备

  • 数据准备 Sample

数据处理

  • 数据分区

模型开发

  • 特征分箱 binning
  • 查看WoE 和 IV
  • 计算WoE 并绘图
  • 计算 IV 并绘图
  • 决策树分箱
  • 批量决策树分箱
  • 手动调整分箱
  • 数据离散化
  • WoE 转换
  • 批量计算全部特征的IV
  • 根据离散化的数据,批量计算IV
  • 通过最小IV >= 0.02 和最大相关性 <=0.6 筛选特征
  • 通过最小IV >= 0.1 筛选特征
  • 通过最小IV >= 0.02 和最大相关性 <=0.6 筛选特征,并返回删除的特征
  • 逐步回归筛选特征
  • 查看特征相关性图
  • 评分卡开发
  • 获取模型变量的IV表单

模型评估

  • 检查VIF
  • 预测模型分数
  • 计算AUC 和 KS
  • 根据 预测得分计算ks
  • AUC 计算
  • KS 计算
  • 查看评分卡分数分布 和 提升度
  • 模型稳定型 PSI计算
  • 模型应用分析

量化分析

  • 量化分析

工具函数

  • 金融函数
  • 数学计算函数
  • 日期计算函数
  • 正则函数
  • 其他统计函数

获取帮助

  • 常见问题
  • 如何获取帮助

发布日志

  • 发布日志
westat
  • westat: 金融统计工具箱
  • 在 GitHub 上编辑

westat: 金融统计工具箱

westat 是一个用于金融行业信用风险模型开发的python库,其中严格遵循 SEMMA 数据分析方法论,此外,我们在westat中也增加了一些常用的数据分析、统计、量化等相关内容。 westat 致力于提供 简单 且 高效 的统计工具箱.

备注

westat 致力于更好的金融统计!

目录

安装

  • 安装

快速开始

  • 查看westat版本号和安装路径

数据准备

  • 数据准备 Sample

数据处理

  • 数据分区

模型开发

  • 特征分箱 binning
  • 查看WoE 和 IV
  • 计算WoE 并绘图
  • 计算 IV 并绘图
  • 决策树分箱
  • 批量决策树分箱
  • 手动调整分箱
  • 数据离散化
  • WoE 转换
  • 批量计算全部特征的IV
  • 根据离散化的数据,批量计算IV
  • 通过最小IV >= 0.02 和最大相关性 <=0.6 筛选特征
  • 通过最小IV >= 0.1 筛选特征
  • 通过最小IV >= 0.02 和最大相关性 <=0.6 筛选特征,并返回删除的特征
  • 逐步回归筛选特征
  • 查看特征相关性图
  • 评分卡开发
  • 获取模型变量的IV表单

模型评估

  • 检查VIF
  • 预测模型分数
  • 计算AUC 和 KS
  • 根据 预测得分计算ks
  • AUC 计算
  • KS 计算
  • 查看评分卡分数分布 和 提升度
  • 模型稳定型 PSI计算
  • 模型应用分析

量化分析

  • 量化分析

工具函数

  • 金融函数
  • 数学计算函数
  • 日期计算函数
  • 正则函数
  • 其他统计函数

获取帮助

  • 常见问题
  • 如何获取帮助

发布日志

  • 发布日志
下一页

© 版权所有 2023, westat team. 版本 46275298.

利用 Sphinx 构建,使用的 主题 由 Read the Docs 开发.