泰迪杯数据挖掘挑战赛
方法→Python 与 Stata 并行处理 1000+ 条样本,统一格式口径、去重、缺失值分类型填充、IQR 离群检测后建模。
结果→模型预测精度达 99.2%,整体建模耗时降低 40%。
将不同的问题,变成可解释、可复算的数据结论 —— 竞赛里验证过模型,实习中处理过真实数据,现在把这些方法做成了可以当场试用的工具。
您好,我是何颖欣,金融工程专业本科在读(2023–2027 届),方向为金融数据分析与风险建模。课程训练覆盖金融工程、量化投资、Python 应用与金融风险管理;实习与竞赛中持续处理真实数据,包括客户信息治理、尽职调查、计息规则梳理与数据建模。
广州华商学院 · 绩点位列专业前 10%。
已获两项国家级奖项、3+ 项省级竞赛奖项。
满分 5 分 · 八维度自评
依据课程、竞赛与实习职责的主观评估
三个竞赛项目,分别对应三类真实业务场景。每张卡片都可以直接进入工具台 —— 您可以将自己的数据输入其中,实际试用一遍这套方法。
一段商业银行实习、一段学院办公室助理工作,加一段校园统筹经历。数字都来自真实工作记录,可追溯到具体任务。
把项目里用过的方法,变成你能当场试用的线上工具 —— 输入任意客户或数据,结果实时变化。
对任意表格数据执行去重、缺失值填充、离群检测与格式校验,输出可下载的结构化结果。
按真实银行口径模拟存贷款计息与柜面业务,输入本金与期限即可算出利息、月供与到期收益。
输入客户特征,按银行信贷风控口径加权评分,输出五级风险分类与对应的授信 / 催收处置建议。
支持 CSV / TXT(≤2MB),自动识别分隔符,全程在浏览器本地解析
示例数据内置四类脏数据:缺失、重复、离群、格式异常
清洗前后对比
高亮标记 = 被清洗步骤改动过的单元格;底色行 = 仍存在离群标记的异常行,建议人工复核后再入模。
这一模块正在开发 —— 上线后,选择产品、输入本金与期限,即可实时算出利息、月供与到期收益,口径贴近真实银行计息规则。
改动任意一项,右侧结果即时刷新
参照《商业银行金融资产风险分类办法》五级口径
按授信与催收实务组织
随时可以在这里聊聊数据分析、风控模型或者实习中遇到的真实问题。