2018.03.28

昨天主要就是对金额类指标进行分析，到下班的时候我本身都放弃了，我抛出了结论贷款金额没有问题，但是在去吃饭的途中，我突然想到用既然自填收入不准确，用客户的银行流水计算的收入来算PTI，看看和逾期有什么关系，回来后我开始着手这个分析，我发现当时大多数pti都是集中在0.15-0.3，当时计算金额的时候就是优先银行流水的收入来进行计算的，自然会导致pti集中在一个水平，所以0.15以下的很少，100人左右，但是这些pti下的人，的确逾期会低一些，但是之后的pti趋势就很混乱，没什么区隔。我突然发现这个趋势就和我用客户自填收入计算的PTI趋势是类似的，我又倒回去看客户自填pti，虽然趋势很差，但是pti小的的确逾期会低，我发现这是个规律，在群里进行了讨论。
后来老板提出存在分数高低的影响，因为分数好的，系数会大一些，不考虑random_number的情况下，会得到一个更多的贷款额，如果income不变，这个时候pti就会高，但是由于我模型认定他是好人，有可能就存在pti高，但是逾期表现不错的情况，所以我应该同分数段比较，我以前的贷款金额计算绝大多数时间都是用的分段线性函数，分数可能只有按照这个分段来进行分组。还有一点就是当时的贷款金额还受到random_number的影响，有可能分数高，本应贷款金额高，但是有可能random_number的缘故，其实贷款金额并不多，也就说这点随机性也干扰了分析，但是大家相同的随机因素，所以分数高的应该贷款金额还是高一些，总之，可以排除掉高分低分来看一下pti和逾期的关系，但是以前的拉银行流水的客户，人数比较少，如果按照分数分成两组，可能不够，需要把两个时间段合并！
我昨天还有做什么吗？
昨天我还尝试解决catboost cv结果不固定的问题，未能解决。
中午睡觉起来，又状态不好，3点多之前一直滑水，看了一些咨询，看到很多公司的财报，觉得压力更大了