Python金融大数据分析-PCA分析
1.pandas的一个技巧
和applymap()是DataFrame数据类型的函数，map()是Series数据类型的函数。apply()的操作对象DataFrame的一列或者一行数据，
applymap()是element-wise的，作用于每个DataFrame的每个数据。
map()也是element-wise的，对Series中的每个数据调用一次函数。
2.PCA分解德国DAX30指数
DAX30指数有三十个股票，听起来不多的样子，其实还是挺多的，我们很有必要对其进行主成分，然后找出最重要的几个股票。想必PCA的原理大家应该都是知道，说白了就是在一个回归中找到影响最大的那几个，当然，数学原理就涉及矩阵分解，什么SVD呀。
先上点代码
这样，你就可以看到前十个股票对DAX30指数的贡献量了。
这里，我们采用只用第一个成分去拟合以及前五个成分去拟合，发现效果好的出奇。这样我们就做到了降维的工作了。我们再来展开看一下PCA的效果。
这里，我们把PCA后的值与原始值进行散点图的绘制，
我们看到，整体效果还是不错的，但是很显然，两边和中间总是有点问题，所以，如果我们要提高，我们可以在中间分段进行PCA，这样的话，效果应该会更加好。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。|||||||||||||||||
大数据、人工智能、区块链 BAT大佬们描述了金融科技的无限可能
　　对互联网金融行业来说,7月10日 的北京嘉里中心可谓群贤毕至。第一届中国金融科技大会(2016)在这里举行。来自传统金融和互联网金融的大佬就“如何成为一个伟大的金融科技公司”展开热烈探讨。大数据、人工智能、区块链……虽然各家在未来技术发展侧重上不尽相同,而且由于各自发展路径、模式的差异而不无观点碰撞,但又似乎在普惠金融理念上殊途同归。
第一届中国金融科技大会(2016)现场
　　金融科技的本质不是颠覆传统 而是普惠大众
　　无论是互联网金融还是金融科技,它的本质都是信息技术在金融领域的应用,全国人大财经委副主任委员、清华大学五道口金融学院理事长兼院长、央行原副行长吴晓灵对此有深刻洞察,她说,信息技术不会颠覆金融的本质,货币的数字化或者是数字化的货币必须植根于交易和投融资的需求。
　　百度副总裁张旭阳也阐述了对金融科技的理解,他说,“一个伟大的金融科技公司必然是专注如一、使命必达;必须是有温度的,以科技进步来驱动金融变革,从而使金融更平等,去照顾普罗大众每一个细微的金融需求;还应该是开放的,它应该激发人的智慧,去连接人的智慧。”
　　和张旭阳一样,蚂蚁金服总裁井贤栋同样谈到金融科技普惠理念,他说金融科技是基于移动互联网、云计算和大数据等技术,实现金融服务和产品的发展创新,提升金融服务的效率,而不是简单的“互联网上做金融”, Fintech的兴起则将为金融行业带来“普惠、绿色和安全”的特点。
　　信用是金融活动的根基 区块链、人工智能建立这种根基
　　事实上,信用是金融活动的根基,所有金融活动的监管,包括信息披露、产品登记、资金托管,都是解决信用问题。在北京市金融工作局党组书记霍学文看来,区块链技术将成为金融科技的底层技术,并将解决金融活动的信任问题。
　　区块链是比特币的底层技术,具有安全、便捷的特性,而以BAT为代表的互联网公司也在加强在区块链方面的布局,今年6月,百度就通过收购区块链技术代表公司Circle 降低在交易支付环节的成本。张旭阳表示,除了区块链,百度还通过人工智能、大数据技术解决金融的信任问题。
　　他说,财富管理要回归代客理财的本源,必须完成风险收益的匹配、风险的可承担,解决财富管理业务风险传递问题,实现风险隔离、风险可计量和投资者可承受。也即“财富管理业务制度设计的目的是建立‘栅栏’”。人工智能等技术在财富管理中的应用,有望建立这一“栅栏”,这主要表现在通过智能金融可以实现投资者风险偏好识别、产品组合与智能投顾、风险分析和预警、去中介化提高效率、过滤噪音降低交易成本。
　　井贤栋也谈到,移动互联网改变了触达用户的方式,促进了金融的普及,云计算极大提升了计算的效率,降低了交易的处理成本,大数据能够帮助甄别和计量风险,使长尾用户获得更好服务,人工智能让普惠用户可以享受智能个性化的金融服务,由AI驱动Finlife。
　　腾讯副总裁赖智明则举例说,腾讯财付通通过大数据做好风控的同时,还推进了很多征信的业务和服务,能让广大的小微企业还有个人用户更容易去获得授信和融资,解决融资难、融资贵的方向。未来,如何更好地使用云计算、大数据,令其释放更大的价值,与金融机构一起携手打造新的金融应用,将至关重要。
　　互联网科技如何与金融机构一起构建共赢新生态
　　对于如何构建科技和金融的共赢生态,张旭阳建议称,需要构建统一的监管体系、法规体系,通过风险隔离、风险可计量、风险可承受,使得资产管理行业真正能够成为一个待客业务,使得投资风险和资产风险收益能够覆盖投资成本。
　　井贤栋表示,应当在继续坚持原则监管和底线监管的同时,采取包容性监管和分级监管,为行业的创新发展预留空间,在防范风险的同时,更好地存进普惠金融和新经济的发展。
　　“不要让‘互联网金融’这个词给我们的生活带来很多方便的时候,又同时让很多不规范的行为让这个名词被玷污了”, 吴晓灵强调, “尤其是大数据的应用和价值的挖掘不能以牺牲个人数据财产权为代价,科技的发展、社会的进步终极目标是让人类更安全、自由,保障数据主体对本人数据的占有、使用、收益和处分的权利,谁的数据谁作主。通过严格的执法和行业的自律,确保大数据在产权明晰、权利保障有效的框架下发挥更大的价值,大数据才会拥有健康的未来。
　　最后,谈及金融科技的未来,张旭阳表示,互联网连接了人和人、人和情感、人和金融、人和商品、人和服务,但是这些都是存量的。通过不断的金融科技创新,“我们能够为每个知识产权去确权,使每个人的知识产权在一个产业链上不断叠加,最终使得我们的经济边界极大拓展,这是金融科技未来可以做的事情,这个空间或者愿景也是很宏远的。而一个伟大的金融科技公司必然是开放的,它应该激发人的智慧,去连接人的智慧。”
责任编辑：张元缘
共青团中央主办　共青团中央网络影视中心承办　版权所有：中国青年网您有好的观点和精彩的文章，欢迎投稿。投稿邮箱：.cn 。
微信扫一扫，在这里读懂新金融。欢迎扫描下方二维码关注中国电子银行网官方微信、浏览手机网站或下载官方APP（半刻金融）。
中国电子银行网官方微信
中国电子银行网手机网站
中国电子银行网官方APP
总是会有福利从这里发出……
手机上省流量看资讯
创新引领 半刻不停
09:56 08/23
09:45 08/22
13:46 08/19
12:01 08/19
周围人都在搜
科技+金融 启创银行未来
Copyright 中国电子银行网 2009,All Rights Reserved 京ICP证号&2.　京公网安备号金融大数据(1):大数据在金融行业的应用 - 知乎专栏
{"debug":false,"apiRoot":"","paySDK":"/api/js","wechatConfigAPI":"/api/wechat/jssdkconfig","name":"production","instance":"column","tokens":{"X-XSRF-TOKEN":null,"X-UDID":null,"Authorization":"oauth c3cef7c66aa9e6a1e3160e20"}}
{"database":{"Post":{"":{"contributes":[{"sourceColumn":{"lastUpdated":,"description":"聊聊技术，包括分布式数据库该怎么玩，机器学习平台该怎么搭建，算法该怎么学习和应用；\n聊聊业务，包括电商领域，互联网零售，金融，医疗领域的数据分析和挖掘都有什么；\n聊聊职场，数据分析师，数据挖掘工程师该怎么在职场发展；\n聊聊事业，怎么在数据分析数据挖掘领域建立起自己的事业；\n聊聊人生和朋友，人生还有很多乐趣，还有很多朋友值得交往。","permission":"COLUMN_PUBLIC","memberId":7369597,"contributePermission":"COLUMN_PUBLIC","translatedCommentPermission":"all","canManage":true,"intro":"聊聊技术，包括分布式数据库该怎么玩，机器学习平台…","urlToken":"dataman","id":7272,"imagePath":"c27b2f16ccd2bd961744cef12cc333c4.jpg","slug":"dataman","applyReason":"","name":"数据分析侠","title":"数据分析侠","url":"/dataman","commentPermission":"COLUMN_ALL_CAN_COMMENT","canPost":true,"created":,"state":"COLUMN_NORMAL","followers":15423,"avatar":{"id":"c27b2f16ccd2bd961744cef12cc333c4","template":"/{id}_{size}.jpg"},"activateAuthorRequested":false,"following":false,"imageUrl":"/c27b2f16ccd2bd961744cef12cc333c4_l.jpg","articlesCount":110},"state":"accepted","targetPost":{"titleImage":"/ceea3338cbf3_r.jpg","lastUpdated":,"imagePath":"ceea3338cbf3.jpg","permission":"ARTICLE_PUBLIC","topics":[,163150],"summary":"——————————————禁止转载————————————————早之前聊过不少大数据在金融行业的应用，回顾下就是几个方面：1）征信2）风控反作弊欺诈3）贷款授信4）保险定价5）云计算6）量化投资相对来说，讲的还是比较粗糙，后面陆续会重点把这…","copyPermission":"ARTICLE_COPYABLE","translatedCommentPermission":"all","likes":0,"origAuthorId":0,"publishedTime":"T02:26:41+08:00","sourceUrl":"","urlToken":,"id":532008,"withContent":false,"slug":,"bigTitleImage":false,"title":"金融大数据(1):大数据在金融行业的应用","url":"/p/","commentPermission":"ARTICLE_ALL_CAN_COMMENT","snapshotUrl":"","created":,"comments":0,"columnId":7272,"content":"","parentId":0,"state":"ARTICLE_PUBLISHED","imageUrl":"/ceea3338cbf3_r.jpg","author":{"bio":"前支付宝人/VC投资人","isFollowing":false,"hash":"485fa57eef58c098b714cad9","uid":88,"isOrg":false,"slug":"bigbread","isFollowed":false,"description":"微信（请备注）：lestat0831\n合作：\n《数据分析侠的成长故事》作者","name":"面包君","profileUrl":"/people/bigbread","avatar":{"id":"730a80ec1d5a","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"memberId":7369597,"excerptTitle":"","voteType":"ARTICLE_VOTE_CLEAR"},"id":359630}],"title":"金融大数据(1):大数据在金融行业的应用","author":"bigbread","content":"——————————————禁止转载————————————————早之前聊过不少大数据在金融行业的应用，回顾下就是几个方面：1）征信2）风控反作弊欺诈3）贷款授信4）保险定价5）云计算6）量化投资相对来说，讲的还是比较粗糙，后面陆续会重点把这几块掰开来介绍。商业合作请联系邮箱：商业合作请联系邮箱：","updated":"T18:26:41.000Z","canComment":false,"commentPermission":"anyone","commentCount":3,"collapsedCount":0,"likeCount":42,"state":"published","isLiked":false,"slug":"","isTitleImageFullScreen":false,"rating":"none","titleImage":"/ceea3338cbf3_r.jpg","links":{"comments":"/api/posts//comments"},"reviewers":[],"topics":[{"url":"/topic/","id":"","name":"大数据"},{"url":"/topic/","id":"","name":"互联网金融"},{"url":"/topic/","id":"","name":"大数据金融"}],"adminClosedComment":false,"titleImageSize":{"width":600,"height":396},"href":"/api/posts/","excerptTitle":"","column":{"slug":"dataman","name":"数据分析侠"},"tipjarState":"inactivated","annotationAction":[],"sourceUrl":"","pageCommentsCount":3,"hasPublishingDraft":false,"snapshotUrl":"","publishedTime":"T02:26:41+08:00","url":"/p/","lastestLikers":[{"bio":"","isFollowing":false,"hash":"b093f99f301e21460bfc","uid":28,"isOrg":false,"slug":"xu-da-qiu-28","isFollowed":false,"description":"","name":"徐大秋","profileUrl":"/people/xu-da-qiu-28","avatar":{"id":"ade05d3e90a2aaac12dbc424","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":null,"isFollowing":false,"hash":"30f10eb4a84aec911358","uid":694800,"isOrg":false,"slug":"deng-qiu-40","isFollowed":false,"description":"","name":"远航","profileUrl":"/people/deng-qiu-40","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":"","isFollowing":false,"hash":"be20a6a30c2cd","uid":562400,"isOrg":false,"slug":"banana-82","isFollowed":false,"description":"发呆者","name":"banana","profileUrl":"/people/banana-82","avatar":{"id":"v2-8e7eadcd1e9a4faa8625b7","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":null,"isFollowing":false,"hash":"bdff182d49ecf144e7f75","uid":821900,"isOrg":false,"slug":"cui-xiao-xiao-71","isFollowed":false,"description":"","name":"崔小小","profileUrl":"/people/cui-xiao-xiao-71","avatar":{"id":"e00ede37bede8e91ad973762","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},{"bio":null,"isFollowing":false,"hash":"1fc5cddf2aafd4aea92da4","uid":005900,"isOrg":false,"slug":"wu-xiao-cui-52","isFollowed":false,"description":"","name":"吴小翠","profileUrl":"/people/wu-xiao-cui-52","avatar":{"id":"da8e974dc","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false}],"summary":"——————————————禁止转载————————————————早之前聊过不少大数据在金融行业的应用，回顾下就是几个方面：1）征信2）风控反作弊欺诈3）贷款授信4）保险定价5）云计算6）量化投资相对来说，讲的还是比较粗糙，后面陆续会重点把这…","reviewingCommentsCount":0,"meta":{"previous":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"/50/fa0f9ea4975_xl.jpg","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"阅读"},{"url":"/topic/","id":"","name":"大数据"},{"url":"/topic/","id":"","name":"创业"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"前支付宝人/VC投资人","isFollowing":false,"hash":"485fa57eef58c098b714cad9","uid":88,"isOrg":false,"slug":"bigbread","isFollowed":false,"description":"微信（请备注）：lestat0831\n合作：\n《数据分析侠的成长故事》作者","name":"面包君","profileUrl":"/people/bigbread","avatar":{"id":"730a80ec1d5a","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"dataman","name":"数据分析侠"},"content":"——时间：也是在五一放假前翻开了多年前一直收藏的一本书《黑客与画家》，简直一见如故。遇到了很多如今关心的问题，黑客的理解、哪些话不能说、创业是创造财富的最好办法、创业公司&大公司、黑客也是用perl/PYTHON/C这些语言、paul graham的创业故事等等。为什么说是4月份读过最好的书？不光只是这本书很值得一读，引用安迪说的，一本好书是具体非常强的逻辑，这就是那些成功学所没有的，而这形容《黑客与画家》再合适不过了。关于讲话艺术的理解、如何对创业的理解、如何创造财富、计算机语言的描述都讲的非常有逻辑性。Paul Graham作为硅谷创业之父，在这本书里也是用更多普通人可以理解的语言表述出来。所以这本书不仅计算机和数学的同学可以读，创业的人更应该读。而这本书，也坚定了我继续完成《数据分析侠的成长故事》。作者Paul Graham介绍：1964年，PG出生于匹兹堡郊区的一个中产阶级家庭。父亲是设计核反应堆的物理学家，母亲在家照看他和他的妹妹。青少年时代，格雷厄姆就开始编程。但是，他还喜欢许多与计算机无关的东西，这在编程高手之中是很少见的。保罗o格雷厄姆在康奈尔大学读完本科，然后在哈佛大学获得计算机科学博士学位。1995年，他创办了Viaweb，帮助个人用户在网上开店，这是世界上第一个互联网应用程序。1998年夏天，Yahoo公司收购了Viaweb，收购价约为5000万美元。此后，他架起了个人网站，在上面撰写了许许多多关于软件和创业的文章，以深刻的见解和清晰的表达而著称，迅速引起了轰动。2005年，他身体力行，创建了风险投资公司Y Combinator，将自己的理论转化为实践，目前已经资助了80多家创业公司。现在，他是公认的互联网创业权威。好了，不多说了。这本好书大家好好读一读吧！电子版下载： （提取码：3eb6）————————————————————————————————————————另外扫一扫关注微信公众号（微信公众号datafa）","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T18:12:27+08:00","url":"/p/","title":"读书分享系列篇(2):《黑客与画家》-4月份读过最好的书","summary":"——时间：也是在五一放假前翻开了多年前一直收藏的一本书《黑客与画家》，简直一见如故。遇到了很多如今关心的问题，黑客的理解、哪些话不能说、创业是创造财富的最好办法、创业公司&大公司、黑客也是用perl/PYTHON/C这些语言、paul graham的创…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":5,"likesCount":8},"next":{"isTitleImageFullScreen":false,"rating":"none","titleImage":"/50/56f500ed71e737bbf77d5343_xl.jpg","links":{"comments":"/api/posts//comments"},"topics":[{"url":"/topic/","id":"","name":"个人信用评级（FICO）"},{"url":"/topic/","id":"","name":"个人征信"},{"url":"/topic/","id":"","name":"大数据金融"}],"adminClosedComment":false,"href":"/api/posts/","excerptTitle":"","author":{"bio":"前支付宝人/VC投资人","isFollowing":false,"hash":"485fa57eef58c098b714cad9","uid":88,"isOrg":false,"slug":"bigbread","isFollowed":false,"description":"微信（请备注）：lestat0831\n合作：\n《数据分析侠的成长故事》作者","name":"面包君","profileUrl":"/people/bigbread","avatar":{"id":"730a80ec1d5a","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false},"column":{"slug":"dataman","name":"数据分析侠"},"content":"——————————————禁止转载————————————————在美国生活，每个人都会听到信用分数，也叫FICO Credit Score。 那这个信用分数是怎么得来的呢？（一）FICO Score影响因素信用分数是利用数学模型依据个人的信用报告评估银行风险大小的一个数值，一般来说数值越高风险越小。信用分数的数学模型有许多种，在银行届运用最广泛的就是FICO分数（300～850分之间），这是由FICO公司拥有的一种计算模型，其具体细节并没有批露，但是其信用分数的组成已经被总结出来了，就是下面那张图。从下图可以看出， 以下几点综合，决定了您的信用分数。 1.首先是按时还款（payment history）, 您有贷款，或是有用信用卡没有问题， 问题是您是否可以按时还款和付账单。 如果您的还款记录好， 会对您的信用分数有很大帮助。支付历史主要显示客户的历史偿还情况,以帮助贷款方了解该客户是否存在历史的逾期还款记录,主要包括:(1)各种信用账户的还款记录,包括信用卡(例如:Visa、MasterCard、AmericanExpress、Discover)、零售账户(直接从商户获得的信用)、分期偿还贷款、金融公司账户、抵押贷款。(2)公开记录及支票存款记录,该类记录主要包括破产记录、丧失抵押品赎回权记录、法律诉讼事件、留置权记录及判决。涉及金额大的事件比金额小的对FICO得分的影响要大,同样的金额下,越晚发生的事件要比早发生的事件对得分的影响大。一般来讲,破产信息会在信用报告上记录7-10年。(3)逾期偿还的具体情况,包括,逾期的天数、未偿还的金额、逾期还款的次数和逾期发生时距现在的时间长度等。例如,一个发生在上个月的逾期60天的记录对FICO得分的影响会大于一个发生在5年前的逾期90天的记录。据统计,大约有不足50%的人有逾期30天还款的记录,大约只有30%的人有逾期60天以上还款的记录,而77%的人从来没有过逾期90天以上不还款的,仅有低于20%的人有过违约行为而被银行强行关闭信用账户。2.其次是您的债务和您的收入要有一定的比例(amount Owed）。您的债务和收入比例过高， 会对信用分数有影响。 相反， 如果您不借一分钱， 也就是没有债务的话， 其实对您的信用分数也有负面影响。 所以保持一个合理的比例是最好的。对于贷款方来讲,一个客户有信用账户需要偿还贷款,并不意味着这个客户的信用风险高。相反地,如果一个客户有限的还款能力被用尽,则说明这个客户存在很高的信用风险,有过度使用信用的可能,同时也就意味着他具有更高的逾期还款可能性。该类因素主要是分析对于一个客户,究竟多少个信用账户是足够多的,从而能够准确反应出客户的还款能力。这类因素具体包括:(1)仍需要偿还的信用账户总数，美国的信用管理局每个月都会将客户截止到上个月的需要偿还的信用账户总数写入客户的信用报告中。(2)仍需要偿还的分类账户数,这是对信用账户总数的详细描述，例如，仍需要偿还的信用卡数量,分期付款账户数等。(3)信用账户的余额，一般来讲，有一个少量余额的信用账户会比没有余额的信用账户让贷款方更感觉到可靠。另外，注消那些余额为零的不再使用的信用账户会体现客户的良好信用，但是并不能提高信用得分。(4)总信用额度的使用率，使用率越高，则说明客户的信用风险越大。(5)分期付款账户偿还率，用以衡量分期付款账户的余额。据最新统计，美国人均信用账户13个，包括信用卡账户和分期付款账户，不包括储蓄存款户和支票账户，这13个信用账户中，信用卡账户一般占9个,分期付款账户有4个。大约40%的信用卡持有者,其信用卡内的余额低于1000美元，仅有15%的客户会使用超过10000美元的信用。除了抵押贷款外，48%的客户贷款余额低于5000美元，近37%的客户贷款余额超过10000美元。在美国使用信用卡的客户，平均授信额度为19000美元，超过半数的客户使用信用额度不足30%，仅有七分之一的客户会使用信用额度超过80%。3.您的信用史的长短（length of Credit History). 这里有一个问题，如果您没有美国的社会安全号码， 信用调查局没有办法收集您的信用历史。 一般好的信用要有起码两年以上的信用历史。 这包括了你的所有卡的平均长短，以及你最久的那张卡的长短。所以你的第一张卡最好申请没有年费的卡，然后一直不要取消。并且你的有年费的卡最好等到9-11个月以后再取消，不要一拿到你的bonus就取消，这样都有利于增长你的credit history的长度。一般来讲,使用信用的历史越长,越能增加FICO信用得分。该项因素主要指信用账户的账龄,既考虑最早开立的账户的账龄,也包括新开立的信用账户的账龄,以及平均信用账户账龄。据信用报告反映,美国最早开立的信用账户的平均账龄是14年,超过25%的客户的信用历史长于20年,只有不足5%的客户的信用历史小于2年。4.其它还包括您的新增的信用账户（New Credit Account)在现今的经济生活中,人们总是倾向于开立更多的信用账户,选择信用购物的消费方式,FICO评分系统也将这种倾向体现在信用得分中。据调查,在很短时间内开立多个信用账户的客户具有更高的信用风险,尤其是那些信用历史不长的人。该项因素主要包括:(1)新开立的信用账户数,系统将记录客户新开立的账户类型及总数;(2)新开立的信用账户账龄;(3)目前的信用申请数量,该项内容主要由查询该客户信用的次数得出,查询次数在信用报告中只保存两年;(4)贷款方查询客户信用的时间长度;(5)最近的信用状况,对于新开立的信用账户及时还款,会在一段时间后,提高客户的FICO得分。和您借款的种类(types of credit used)主要分析客户的信用卡账户、零售账户、分期付款账户、金融公司账户和抵押贷款账户的混合使用情况,具体包括:持有的信用账户类型和每种类型的信用账户数。美国人的FICO分数分布情况（二）FICO Score计算因素——未完待续——————————————禁止转载————————————————","state":"published","sourceUrl":"","pageCommentsCount":0,"canComment":false,"snapshotUrl":"","slug":,"publishedTime":"T21:38:48+08:00","url":"/p/","title":"金融大数据(2):征信个人消费评分最权威FICO Score评分模型","summary":"——————————————禁止转载————————————————在美国生活，每个人都会听到信用分数，也叫FICO Credit Score。 那这个信用分数是怎么得来的呢？（一）FICO Score影响因素 信用分数是利用数学模型依据个人的信用报告评估银行风险大…","reviewingCommentsCount":0,"meta":{"previous":null,"next":null},"commentPermission":"anyone","commentsCount":5,"likesCount":62}},"annotationDetail":null,"commentsCount":3,"likesCount":42,"FULLINFO":true}},"User":{"bigbread":{"isFollowed":false,"name":"面包君","headline":"微信（请备注）：lestat0831\n合作：\n《数据分析侠的成长故事》作者","avatarUrl":"/730a80ec1d5a_s.jpg","isFollowing":false,"type":"people","slug":"bigbread","bio":"前支付宝人/VC投资人","hash":"485fa57eef58c098b714cad9","uid":88,"isOrg":false,"description":"微信（请备注）：lestat0831\n合作：\n《数据分析侠的成长故事》作者","profileUrl":"/people/bigbread","avatar":{"id":"730a80ec1d5a","template":"/{id}_{size}.jpg"},"isOrgWhiteList":false,"badge":{"identity":null,"bestAnswerer":null}}},"Comment":{},"favlists":{}},"me":{},"global":{"experimentFeatures":{"ge3":"ge3_9","ge2":"ge2_1","nwebStickySidebar":"sticky","nwebAnswerRecommendLive":"newVersion","newMore":"new","sendZaMonitor":"true","liveReviewBuyBar":"live_review_buy_bar_2","liveStore":"ls_a2_b2_c1_f2","homeUi2":"default","answerRelatedReadings":"qa_recommend_by_algo_related_with_article","qrcodeLogin":"qrcode","newBuyBar":"liveoldbuy","newMobileColumnAppheader":"new_header","zcmLighting":"zcm","favAct":"default","appStoreRateDialog":"close","mobileQaPageProxyHeifetz":"m_qa_page_nweb","iOSNewestVersion":"4.2.0","default":"None","wechatShareModal":"wechat_share_modal_show","qaStickySidebar":"sticky_sidebar","androidProfilePanel":"panel_b"}},"columns":{"next":{},"dataman":{"following":false,"canManage":false,"href":"/api/columns/dataman","name":"数据分析侠","creator":{"slug":"bigbread"},"url":"/dataman","slug":"dataman","avatar":{"id":"c27b2f16ccd2bd961744cef12cc333c4","template":"/{id}_{size}.jpg"}}},"columnPosts":{},"columnSettings":{"colomnAuthor":[],"uploadAvatarDetails":"","contributeRequests":[],"contributeRequestsTotalCount":0,"inviteAuthor":""},"postComments":{},"postReviewComments":{"comments":[],"newComments":[],"hasMore":true},"favlistsByUser":{},"favlistRelations":{},"promotions":{},"switches":{"couldAddVideo":false},"draft":{"titleImage":"","titleImageSize":{},"isTitleImageFullScreen":false,"canTitleImageFullScreen":false,"title":"","titleImageUploading":false,"error":"","content":"","draftLoading":false,"globalLoading":false,"pendingVideo":{"resource":null,"error":null}},"drafts":{"draftsList":[],"next":{}},"config":{"userNotBindPhoneTipString":{}},"recommendPosts":{"articleRecommendations":[],"columnRecommendations":[]},"env":{"edition":{},"isAppView":false,"appViewConfig":{"content_padding_top":128,"content_padding_bottom":56,"content_padding_left":16,"content_padding_right":16,"title_font_size":22,"body_font_size":16,"is_dark_theme":false,"can_auto_load_image":true,"app_info":"OS=iOS"},"isApp":false},"sys":{},"message":{"newCount":0},"pushNotification":{"newCount":0}}