还呗借款平台是正规的吗

发布网友发布时间：2022-04-20 15:23

共9个回答

懂视网时间：2022-04-11 15:30

import pandas as pd
import matplotlib.pyplot as plt
from scorecardbundle.feature_discretization import ChiMerge as cm # ChiMerge特征离散
from scorecardbundle.feature_encoding import WOE as woe # WOE编码实现
from scorecardbundle.model_training import LogisticRegressionScoreCard as lrsc # 模型训练-逻辑回归
from scorecardbundle.model_evaluation import ModelEvaluation as me # 模型评估


# 01读取数据
def read_csv():
 bd_data = pd.read_csv(r‘20200326.csv‘, encoding=‘utf_8‘, low_memory=False)
 bd_data = bd_data.set_index(‘bd_code‘) # 设置bd_code索引
 # 将object转化为float
 col = list(bd_data.columns)
 bd_data[col] = bd_data[col].apply(pd.to_numeric, errors=‘coerce‘).fillna(0.0)

 # 获取关键字表
 bd_data = bd_data[bd_data[‘con_num‘] > 5] # 合同数小于0的BD不参与评分
 bd_data = bd_data[[‘amount_char_rate‘, ‘loss_num_rate‘, ‘loss_rate‘]]

 # 归一化
 bd_data = normalized(bd_data, ‘amount_char_rate‘) # 归一化
 bd_data = normalized(bd_data, ‘loss_num_rate‘) # 归一化
 bd_data = normalized(bd_data, ‘loss_rate‘) # 归一化
 bd_data.to_csv(‘01归一化后的样本集.csv‘, header=True, index=True)
 return bd_data


# 归一化
def normalized(X, feature_name):
 max_x = X[feature_name].max()
 min_x = X[feature_name].min()
 X[feature_name] = X[feature_name].apply(lambda x: (x - min_x) / (max_x - min_x))
 return X


def mark_score(train_data, column, flag):
 train_data[column + ‘_num‘] = train_data[column].rank(ascending=flag, method=‘dense‘)
 max_num = max(train_data[column + ‘_num‘])
 train_data[column + ‘_num‘] = train_data[column + ‘_num‘] / max_num * 100
 return train_data



# 03 样本标注
def feature_goal(dataset):
 dataset[‘score_num‘] = dataset[‘amount_char_rate‘] * 0.5 + dataset[
 ‘loss_num_rate‘] * 0.25 + dataset[‘loss_rate‘] * 0.25

 q95 = dataset.score_num.quantile(0.95)
 q05 = dataset.score_num.quantile(0.05)
 # 截尾，避免离群值对数据造成影响
 dataset = dataset.loc[lambda x: x[‘score_num‘] > q05]
 dataset = dataset.loc[lambda x: x[‘score_num‘] < q95]

 # 平均值
 truncated_average = dataset.score_num.quantile(0.5)
 dataset.loc[dataset[‘score_num‘] >= truncated_average, ‘score_num‘] = 1
 dataset.loc[dataset[‘score_num‘] < truncated_average, ‘score_num‘] = 0

 dataset.rename(columns={‘score_num‘: ‘tag‘}, inplace=True)
 dataset.to_csv(‘02标注后的样本集.csv‘, header=True, index=True)

 # 获取训练集
 train_data = dataset.sample(frac=0.75, random_state=0)
 # 获取测试集
 test_data = dataset[~dataset.index.isin(train_data.index)]

 train_data.to_csv(‘03训练集.csv‘, header=True, index=True)
 test_data.to_csv(‘04测试集.csv‘, header=True, index=True)
 # 拆分特征和标签
 train_X, train_y = train_data[[‘amount_char_rate‘, ‘loss_num_rate‘, ‘loss_rate‘]], train_data[‘tag‘]
 test_X, test_y = test_data[[‘amount_char_rate‘, ‘loss_num_rate‘, ‘loss_rate‘]], test_data[‘tag‘]
 X, y = dataset[[‘amount_char_rate‘, ‘loss_num_rate‘, ‘loss_rate‘]], dataset[‘tag‘]
 return train_X, train_y, test_X, test_y, X, y


# 04特征离散化（基于ChiMerge）分箱
def ChiMerge(train_X, train_y):
 trans_cm = cm.ChiMerge(max_intervals=6, min_intervals=5, output_dataframe=True)
 result_cm = trans_cm.fit_transform(train_X, train_y)
 return result_cm


# 05特征编码(基于证据权重WOE)
def woe_fun(result_cm, train_y):
 trans_woe = woe.WOE_Encoder(output_dataframe=True)
 result_woe = trans_woe.fit_transform(result_cm, train_y) # WOE运行很快，此任务仅需1秒
 return trans_woe, result_woe


# 06模型训练
def model_train(trans_woe, result_woe, train_X, train_y):
 model = lrsc.LogisticRegressionScoreCard(trans_woe, PDO=-5, basePoints=60, verbose=True)
 model.fit(result_woe, train_y)
 model.woe_df_.to_csv(r‘05模型详情.csv‘, header=True, index=False)
 return model


def predict_result(model, X):
 result = model.predict(X) # 得出训练集的结果分数
 result.index = X.index # 使结果对应BD号
 result.to_csv(r‘06预测结果.csv‘, header=True, index=True)
 return result


# 08模型评估
def model_evaluation(y, result):
 evaluation = me.BinaryTargets(y, result[‘TotalScore‘])
 print("模型评估结果：")
 print(evaluation.ks_stat())
 print(evaluation.plot_all())


# 09分数校正
def correction_score(result_score):
 min_score = min(result_score[‘TotalScore‘])
 max_score = max(result_score[‘TotalScore‘])

 print("#####模型分数概况：######")
 print(‘最小值:‘ + str(min_score))
 print(‘最大值:‘ + str(max_score))
 print(‘平均值:‘ + str(result_score[‘TotalScore‘].mean()))
 print(‘中位数:‘ + str(result_score[‘TotalScore‘].median()))

 q5 = result_score.TotalScore.quantile(0.5)
 q7 = result_score.TotalScore.quantile(0.7)
 q9 = result_score.TotalScore.quantile(0.9)

 # D:70以下 C:70-80 B:80-90 A:90-100
 result_score[‘level‘] = result_score[‘TotalScore‘].apply(lambda x: get_level(x, q5, q7, q9))
 result_score.to_csv(r‘07划分等级后的结果.csv‘, header=True, index=True)

# 等级划分函数
def get_level(score, q5, q7, q9):
 if score > q9:
 return ‘A‘
 elif score > q7:
 return ‘B‘
 elif score > q5:
 return ‘C‘
 else:
 return ‘D‘


# 数据结果分布展示
def display(data_df):
 data_df.TotalScore.hist(bins=50)
 # 构建图像
 plt.ylabel(‘BD数量‘)
 plt.xlabel(‘BD信用分‘)
 plt.show()


# 主程序入口
if __name__ == ‘__main__‘:
 # 读取csv,数据处理
 bd_data = read_csv()
 # 样本标注 划分训练集和测试集
 train_X, train_y, test_X, test_y, X, y = feature_goal(bd_data)
 # 离散化处理
 result_cm = ChiMerge(train_X, train_y)
 # 计算woe
 trans_woe, result_woe = woe_fun(result_cm, train_y)
 # 训练模型
 model = model_train(trans_woe, result_woe, train_X, train_y)
 # 预测训练集
 train_result = predict_result(model, train_X)
 # 训练集评估
 model_evaluation(train_y, train_result)
 # 预测测试集
 test_result = predict_result(model, test_X)
 # 测试集评估
 model_evaluation(test_y, test_result)
 # 预测总体
 X_result = predict_result(model, X)
 # 分数简单统计 等级划分
 correction_score(X_result)

Scorecardbundle评分卡模型的实现

标签：ati truncated zed set truncate play fill orm woe

热心网友时间：2022-04-11 12:38

还呗是正规合法的，还呗APP于2016年6月进入市场，由数禾科技与分众小贷联合运营。还呗是一款信用卡账单分期APP ，由持牌金融机构重庆市分众小额贷款公司与上海数禾联合运营，服务广大信用卡持卡人。还呗还获得了相关部门颁发的贷款牌照，直接接受银监会的监管，所以用户可以放心的使用，但是也要记得按期还款。
还呗APP是一款基于生活消费多场景的信贷服务平台，于2016年2月正式进入市场，主要面向年轻人提供账单分期、信用分期、现金分期、分期商城等多种服务。用户可在购物、消费、还款等场景下，享受更灵活、更便捷、更高效的分期生活服务。还呗APP注册用户已超过6500万，为超过1000万用户提供合理信贷服务，助力“向上青年”实现人生小目标。
风险管理上，主要是通过数据、技术和金融三方面的结合的方式，以“规则+评分卡”的方式给用户打分，通过机器学习的方式，对数据模型进行完善。在现有的风控能力上，还呗实现“填资料－自动化评分－马上放款”的“闪电贷”，这对互联网金融的风控能力要求较高。
“还呗”的风控负责人早期也是来自美国capital One，也在招行有十年工作经验。团队主要风控技术也来自于招行信用卡中心。还呗希望通过长期的数据测试和数据沉淀，打磨风控模型，做到风控的优化。
“还呗”就是利用多种渠道的资金优势，以较低的价格帮助用户偿还信用卡分期，用户支付比银行更低的利息给平台方。“还呗”通过自己的风控平台，获取更多的信用卡用户，来取得规模化的收益。还呗实现线上申请，线上审核，以此吸引用户。

热心网友时间：2022-04-11 13:56

还呗借款平台是正规的。

还呗是分众传媒旗下的互联网金融板块，是由数禾科技与分众小贷联合运营的，数禾科技和分众小贷均持有正规的金融牌照。从还呗的公司背景来看，该口子的背景实力还是比较强大的。

还呗的借款利息也是不少小伙伴比较关注的问题，据还呗官方表示，还呗的贷款利息可以享受信用卡最低还款年利率的五折优惠，目前银行信用卡最低还款的年利率为18.25%，在此利率的基础上打5折就是年利率最低值需要9.13%。

如有资金周转需求，推荐您使用有钱花，有钱花是度小满金融旗下的信贷服务品牌（原名：百度有钱花，2018年6月更名为“有钱花”），大品牌靠谱利率低值得信赖。有钱花-满易贷，借款的额度最高至20万（点击官方免费测额度），日利率低至0.02%起，具有申请简便、利率低放款快、借还灵活、息费透明、安全性强等特点。

和您分享有钱花的申请条件：有钱花的申请条件主要分为年龄要求和资料要求两个部分。一、年龄要求：在18-55周岁之间。特别提示：有钱花谢绝向在校大学生提供消费分期贷款，如您是在校大学生，请您放弃申请。二、资料要求：申请过程中需要提供您的二代身份证、本人借记卡。注意：申请只支持借记卡，申请卡也为您的借款银行卡。本人身份信息需为二代身份证信息，不能使用临时身份证、过期身份证、一代身份证进行申请。网贷有风险，选择需谨慎！

热心网友时间：2022-04-11 15:31

付费内容限时免费查看回答你好，还呗是正规的，使用没有风险。

1、虽然还呗在名称上，和花呗、借呗十分类似，但还呗并不是蚂蚁金服发行的产品，而是分众小额贷款公司旗下的产品；

2、从还呗官网公布的信息来看，还呗拥有正规的经营牌照，会受到有关部门的监督，还是相对靠谱的；

3、还呗主要用于信用卡分期、商品账单分期、生活账单分期和租赁分期，还呗能办理这些分期；

4、在办理这些分期时，还呗采用了很多现金技术以保证借款人的信息安全。

热心网友时间：2022-04-11 17:22

还呗借款平台是正规的。
根据我国的相关规定，任何金融机构想要合法放贷，都需要持有银*批准的消费金融牌照，才具有民间放贷资格。
还呗是数禾科技旗下的一款小额借款服务平台，而数禾科技是持有银*颁发的消费金融牌照，也就是说，数禾科技旗下的还呗是具有民间放贷资格的，确实是合法贷款平台。
还呗的最低年利率为9.13%，最高为24%。而央行的贷款基准为：一年期3.85%，五年期4.65%。还呗的最长借款期限不超过五年，因此我们就按照一年期的基准利率来计算，因此还呗的利息是在合法范围内的。

以上内容仅供参考，不做任何贷款建议，网贷有风险，选择需谨慎！

之前我自己也是生意周转需求，用过几个小额贷款产品，我第一个申请的是度小满有钱花（原百度金融），刚好10W整的额度（平台最高支持20W），利息也很低（年化最低7.2%），还是比较低的。全部提出来分了12期。
百度金融是正规持牌消费金融公司，申请过程及到帐全程不需要任何费用。

度小满-有钱花（秒批）点击在线测额

度小满-有钱花特别注意下：
1、有钱花出了额度以后要尽快提现，因为隔久了额度可能会失效。
2、提现时最好全额提，因为我看别人帖子说，如果提的太少，系统风控可能会误认为你需要（或者重新判定你不是优质客户）而导致在提现环节被拒，至少提60%比较稳妥。
反正百度金融支持免费提前还款，到时候用几个月假如不需要了，可以选择提前结清即可，用多久出多久的利息，对我们也没啥损失，先保证提出来再说。
我第二个申请的是360借条，毕竟都是大平台，所以就优先申请了，额度是5.5W，利息和有钱花差不多。
360借条最高借款20万！
点击在线测额

申请360也有个技巧，刚开始简单填资料后出来的额度只是一个基础额度，比如5000，1W5等等，如果你觉得额度不够用，可以先不要提现，直接去申请里面的尊享贷，这个是大额的，只要你有基础额度，尊享贷一定会过而且额度会大幅度提高，而且尊享贷支持24期。我的基础额度是9000，升级尊享贷后是5.5W。
第三个是平安银行新一贷（快贷）最高可借50万！0抵押0担保：无需任何担保，仅凭个人信用，申请门槛低：月平均收入4000元以上即可申请（公积金、房贷、保单都可以）
平安新一贷点击在线测额

热心网友时间：2022-04-11 19:30

还呗借款平台是正规合法的。还呗是一款正规的代还信用卡账单的应用,还呗的运营公司为重庆分众小额贷款有限公司与数禾科技,这两家公司均持有正规的金融牌照。还呗还是一个适用于生活消费多场景的分期服务平台,主要面向年轻人提供账单分期和商品分期等服务。此外,还呗的用户资料都是由专业系统管理的,整体上非常正规、靠谱。

如有资金周转需求，推荐您使用有钱花，有钱花是度小满金融旗下的信贷服务品牌（原名：百度有钱花，2018年6月更名为"有钱花"），大品牌靠谱利率低值得信赖。有钱花-满易贷，借款的额度最高至20万，日利率低至0.02%起.
我了解过很多小贷公司，综合来讲，百度有钱花是通过率最高的平台。额度最高，我自己啥都没有还给了我9.5W额度，我同事直接授信18W额度。

度小满-有钱花（秒批）点击在线测额

特别注意：出了额度以后尽快全额提现，因为风控是动态的。

有需求建议最好全部都提出来，风控系统会误认为你不太需要这笔资金，而导致提现失败。至少提60%比较稳妥。首期后支持提前结清还款。

如果有钱花额度不够或者没有额度，建议试一下下面两个平台，也是比较正规的持牌金融机构！审核相对没那么严！

360借条最高借款20万！
点击在线测额

分期乐最高可借5万！
点击在线测额

热心网友时间：2022-04-11 21:55

不正规，操作流程里会套走两个亲属的电话，然后就会在你亲属连亲属打电话骗，全国各地的野号接二连三的向你打*扰电话

热心网友时间：2022-04-12 00:36

还呗是由上海数禾科技与重庆市分众小贷联合运营的，数禾科技是一家持有正规金融牌照的公司，所以还呗是一个比较靠谱的贷款平台。

还呗是一款面向年轻人提供信用卡账单分期和商品分期等多种服务的APP，使用户可享受到更加便捷、灵活、高效的分期生活服务。

资金周转推荐使用有钱花，有钱花是度小满金融旗下信贷品牌，面向用户提供安全便捷、无抵押、无担保的信贷服务，借钱就上度小满金融APP（点击官方测额）。有钱花消费类贷款，日息低至0.02%起，年化利率低至7.2%起，具有申请简便、利率低放款快、借还灵活、息费透明、安全性强等特点。

热心网友时间：2022-04-12 03:34

还呗借款平台是正规的，还呗是数禾科技旗下的一款小额借款服务平台，专门为用户提供线上借贷服务，最高可借款的额度为20万元。而数禾科技是持有银*颁发的消费金融牌照，也就是说，数禾科技旗下的还呗是具有民间放贷资格的，确实是合法贷款平台。

根据用户反馈，还呗的最低年利率为9.13%，最高为24%。而央行的贷款基准为：一年期3.85%，五年期4.65%。还呗的最长借款期限不超过五年，因此我们就按照一年期的基准利率来计算，因此还呗的利息是在合法范围内的。

如有资金周转需求，推荐您使用有钱花，有钱花是度小满金融旗下的信贷服务品牌（原名：百度有钱花，2018年6月更名为“有钱花”），大品牌靠谱利率低值得信赖。有钱花-满易贷，借款的额度最高至20万（点击官方免费测额度），日利率低至0.02%起，具有申请简便、利率低放款快、借还灵活、息费透明、安全性强等特点。

全部栏目

还呗借款平台是正规的吗