陈思远 · Credit Assessment Officer

• 主导企业信贷客户信用评级体系重构，运用Python与SQL搭建自动化评分流程，覆盖500余家存量客户，将评级周期从5天压缩至1.5天，评级效率提升70%，同时保持模型区分度KS值稳定在0.38以上。

• 优化内部评分卡模型，通过特征筛选与逻辑回归迭代，将模型AUC从0.78提升至0.84，并引入PSI月度监控，确保模型稳定性指标始终低于0.1。

• 建立贷后实时预警机制，基于Python开发风险信号自动识别脚本，成功提前发现23笔异常交易，协助业务部门追回逾期款项约620万元，不良率同比下降2.3个百分点。

• 撰写月度信用评估报告及专题分析共42份，为信贷审批委员会提供决策依据，推动高风险客户识别率提高18%，并主导制定贷后监控标准操作流程，覆盖全公司信贷组合。

• 在商业银行合作项目中担任负责人，针对历史信贷数据中样本不均衡与缺失值问题，运用逻辑回归与WOE编码进行特征工程，构建包含财务比率、行业风险等21个维度的评分体系，使模型AUC从0.73提升至0.86，违约预测准确率提高15%。

• 主导模型验证环节，采用5折交叉验证与KS检验评估区分能力，结合PSI监控线上稳定性，确保评分卡在6个月观察期内KS值稳定在0.35以上，坏账识别率较行内原有规则系统提升12%。

• 整合企业财务数据、工商变更记录及外部征信信息，通过LASSO回归筛选关键变量，剔除冗余特征后模型泛化误差降低8%，同时保持逻辑回归的强解释性，满足银行风控合规要求。

• 制定分档风险阈值并输出授信建议，助力信贷审批部门将高风险客户拒贷率提升20%，同时将低风险客户审批时效缩短40%，最终推动合作项目不良贷款率下降0.6%。

通过CFA一级考试，证明具备金融领域基础专业能力。