📊 探索性数据分析 · EDA

风险模型构建与应用

🔍 描述性统计 · 数据可视化 · 相关性分析 —— 从数据中发现风险线索，为建模铺路。

📋 一、描述性统计

描述性统计浓缩数据分布，快速识别异常、缺失与偏态。常用指标如下：

统计量	含义	风险建模用途
均值 (Mean)	集中趋势	判断特征基准，如平均负债率
中位数 (Median)	稳健中心	收入偏态分布时更可靠
标准差 (Std)	离散程度	衡量风险波动，如收入波动越大违约风险越高
偏度 (Skewness)	分布对称性	识别长尾风险（右偏：极端损失）
峰度 (Kurtosis)	尾部厚度	厚尾分布 → 极端损失概率大
缺失率	数据完整性	缺失机制影响插补与模型偏差

五数概括：最小值、Q1、中位数、Q3、最大值 —— 快速勾勒分布。
频数统计：类别型特征（如行业、地区）的占比，发现不平衡。
代码示例 (Python)

import pandas as pd
import numpy as np

# 假设 df 为风险数据集
desc = df.describe(percentiles=[0.01,0.05,0.25,0.5,0.75,0.95,0.99])
print(desc)

# 缺失率
missing_rate = df.isnull().mean().sort_values(ascending=False)
print(missing_rate[missing_rate > 0])

📈 二、数据可视化

图形揭示分布、离群点与关系。中小学生色系搭配，清晰易懂。

📊 直方图 · 信用分分布

📦 箱线图 · 逾期天数

🔹 散点图 · 收入 vs 信用分

直方图：观察信用分是否正态？左偏表示风险集中。
箱线图：识别逾期天数异常值，定义极端违约。
散点图：收入与信用分正相关？低收高信用需警惕。

🔗 三、相关性分析

量化特征与目标（违约/损失）的线性或单调关系。常用方法：

方法	适用场景	风险解读
Pearson 相关系数	连续、线性关系	收入与信用分：r=0.45 中等正相关
Spearman 秩相关	单调关系、有序变量	信用评级与违约：ρ=-0.62 强负相关
Kendall Tau	小样本、等级数据	行业类别与风险等级
点二列相关	二分类目标	性别与违约倾向

🧩 EDA 三要素协同架构

🐍 Python 相关性代码

import seaborn as sns
import matplotlib.pyplot as plt

# 相关系数矩阵
corr = df[['收入','信用分','逾期天数','负债率']].corr(method='spearman')
print(corr)

# 热力图可视化
sns.heatmap(corr, annot=True, cmap='YlOrRd', linewidths=1.2)
plt.title('风险特征 Spearman 相关性', fontsize=14)
plt.show()

💡 EDA 黄金法则：永远先做描述性统计，再用图形验证直觉，最后用相关性量化关系。三者循环迭代，风险模型自然稳健。