《智慧型風控評分卡建模原理方法與風控策略構建》是2021年機械工業出版社出版的圖書。
基本介紹
- 中文名：智慧型風控評分卡建模原理方法與風控策略構建
- 作者：張偉
- 出版時間：2021年
- 出版社：機械工業出版社
- ISBN：9787111695677
內容簡介,圖書目錄,
內容簡介
這是一部系統講解評分卡建模的智慧型風控著作，從業務與技術、理論與實踐、傳統風控與智慧型風控等角度透徹講解評分卡建模的原理、流程、方法及其風控策略構建。
作者在智慧型風控領域深耕十餘年，既熟悉商業銀行傳統風控體系思想、方法、技術、工具，又熟悉人工智慧背景下的創新智慧型風控相關解決方案、風險策略和風險建模技術，本書是作者實踐經驗的系統性總結。
本書內容分為六部分。
第1部分（第1章）介紹評分卡建模基礎知識，包括評分卡模型的概念和定義、評分卡建模全流程、評分卡模型的評價等。
第二部分（第2章）介紹銀行零售信貸領域產品特徵和業務流程，以及信用風險和欺詐風險概念，介紹評分卡的套用場景和業務基礎知識。
第三部分（第3~11章）系統介紹評分建模的全流程，覆蓋需求理解、數據理解、特徵工程、模型設計、模型開發、模型驗證、模型部署、模型監控、模型最佳化等模型全生命周期各環節。
圖書目錄
讚譽
序1
序2
序3
前言
第1章 評分卡建模理論基礎 1
1.1 評分卡建模常見面試問題 1
1.2 關於模型的系統性理解 2
1.3 與建模密切相關的4個領域 3
1.3.1 機器學習 3
1.3.2 數據挖掘 4
1.3.3 數據分析 4
1.3.4 統計分析 5
1.3.5 四者之間的聯繫與區別 5
1.4 評分模型與評分卡模型 6
1.4.1 評分模型和評分卡模型的定義 6
1.4.2 評分卡模型的分類 6
1.4.3 評分卡模型的適用性 7
1.4.4 評分卡模型的價值 8
1.4.5 評分卡模型的套用 9
1.5 評分卡建模全流程 9
1.6 對評分卡模型的評價 10
1.7 本章小結 11
第2章 零售信貸業務基礎和風險管理 12
2.1 銀行零售信貸產品的產品特徵和業務流程 12
2.1.1 個人貸款 13
2.1.2 信用卡 17
2.2 信用與信用風險 21
2.2.1 信用風險識別 22
2.2.2 信用風險評估 23
2.2.3 信用風險監測 24
2.2.4 信用風險控制 24
2.2.5 徵信 25
2.3 欺詐與欺詐風險 26
2.3.1 欺詐風險的分類 27
2.3.2 欺詐風險的防範 27
2.3.3 欺詐風險與信用風險比較 27
2.4 本章小結 28
第3章 業務需求理解 29
3.1 業務需求理解概述 29
3.2 明確擬解決問題和分析目標 29
3.3 業務訪談的設計和實施 30
3.4 整體分析方案設計 31
3.5 本章小結 32
第4章 數據基礎決定模型效果上限 33
4.1 關於數據的系統性認識 33
4.1.1 數據基本特徵 33
4.1.2 常見數據問題 36
4.2 傳統信貸業務數據 37
4.2.1 貸款可用數據 38
4.2.2 信用卡可用數據 38
4.3 徵信數據 39
4.3.1 徵信數據概述 39
4.3.2 一代人行徵信 40
4.3.3 二代人行徵信 41
4.3.4 一、二代人行徵信的差異及映射轉換 42
4.3.5 人行徵信數據的使用 43
4.4 內外部大數據 44
4.4.1 大數據概述 44
4.4.2 銀行內部大數據 45
4.4.3 銀行外部大數據 45
4.5 數據質量診斷 46
4.5.1 數據質量診斷目的 46
4.5.2 數據質量診斷方法 47
4.6 業務數據分析 48
4.6.1 業務數據分析目的 48
4.6.2 業務數據分析方法 49
4.7 本章小結 49
第5章 利用特徵工程提取有效的風險特徵 50
5.1 特徵工程概述 50
5.1.1 特徵與特徵工程 50
5.1.2 數據處理與特徵工程流程 51
5.1.3 特徵工程的理論體系 51
5.1.4 特徵工程的抽象範式 52
5.2 特徵預處理與轉換 53
5.2.1 常見數據質量問題 53
5.2.2 特徵清洗與預處理 53
5.2.3 特徵編碼 54
5.2.4 特徵轉換 55
5.3 特徵提取與生成 56
5.3.1 業務專家經驗定義 56
5.3.2 工程化自動化衍生 56
5.3.3 表征學習 58
5.4 特徵評價、選擇與降維 62
5.4.1 特徵評價 62
5.4.2 特徵選擇與降維 63
5.5 自動化特徵工程技術與工具 65
5.5.1 自動化特徵工程概述 65
5.5.2 自動化特徵工程工具 66
5.6 本章小結 74
第6章 評分卡模型設計 75
6.1 模型設計概述 75
6.1.1 模型設計的定義 75
6.1.2 模型設計的工作內容 76
6.2 排除規則與樣本範圍 76
6.2.1 排除規則和樣本範圍的定義 76
6.2.2 申請評分卡模型排除規則 77
6.2.3 行為評分卡模型排除規則 77
6.2.4 催收評分卡模型排除規則 78
6.3 模型細分 79
6.4 表現期定義與Vintage分析 80
6.4.1 表現期定義 80
6.4.2 Vintage分析 80
6.5 滾動率 83
6.5.1 滾動率定義 83
6.5.2 滾動率分析 84
6.5.3 滾動率計算常見問題 84
6.6 觀察期的定義與選擇 85
6.6.1 觀察期的定義 85
6.6.2 觀察期的選擇 85
6.7 模型設計匯總計數 86
6.7.1 匯總計數定義 87
6.7.2 匯總計數的特別說明 87
6.8 建模方式和模型原型選擇 87
6.9 本章小結 88
第7章 評分卡模型開發 89
7.1 模型開發概述 89
7.2 樣本分區 90
7.3 樣本抽樣 91
7.4 變數預篩選 93
7.5 變數分箱 94
7.6 變數再篩選 96
7.7 變數轉換WOE 97
7.8 使用邏輯回歸進行模型擬合 97
7.8.1 多重共線性檢驗 97
7.8.2 邏輯回歸建模 98
7.8.3 模型訓練結果 100
7.9 模型驗證 101
7.9.1 排序性 101
7.9.2 區分能力 101
7.9.3 穩定性 103
7.9.4 分值集中度 103
7.9.5 分值分布 104
7.9.6 離散度 104
7.10 評分標尺 105
7.11 模型導出PMML並測試 107
7.12 評分卡建模專用Python包 108
7.12.1 scorecardpy工具包 108
7.12.2 toad工具包 108
7.12.3 RiskModeler工具包 109
7.13 評分卡建模實例 109
……
