智慧型風控：Python金融風險管理與評分卡建模

內容簡介

本書基於Python講解了信用風險管理和評分卡建模，用漫畫的風格，從風險業務、統計分析方法、機器學習模型3個維度展開，詳細講解了信用風險量化相關的數據分析符肯堡與建模手段，並提供大量的套用實例。作者在多加知名金融公司從事算法研究多年，經驗豐富，諒檔戰本書得到了學術界和企業界多位金融風險管理專家的高度評價。

全書一共9章，首先介紹了信用風險量化的基礎，然後依次講解了信用評分模型開發過程中的數據處理、用戶分群、變數處理、變數衍生、甩嘗諒堡變數篩選、模型訓練、拒絕推斷、模型校準、決策套用、模型監控、模型重構與疊代、模型報告撰寫等內容。

所有章節都由問題、算法、案例三部分組成，針對性和實戰性都非常強。

圖書目錄

推薦序

前言

第1章　信用管理基礎　/1

1.1　信用與管理　/2

1.2　風控術語解讀　/3

　1.2.1　信貸基礎指標　/4

　1.2.2　信貸風險指標　/5

1.3　企業信貸風控架構　/7

1.4　本章小結　/10

第2章　評分卡　/11

2.1　評分卡概念　/12

　2.1.1　適用客群　/13

　2.1.2　用途　/14

2.2　建模流程　/15

2.3　模型設計　/16

　2.3.1　業務問題轉化　/17

　2.3.2　賬齡分析與時間視窗設計　/17

　2.3.3　數據集切分　/19

　2.3.4　樣本選擇　/20

　2.3.5　採樣與加權　/21

2.4　數據與變數解讀　/25

2.5　本章小結　/26

第3章　機器學習　/27

3.1　基本概念　/28

　3.1.1　空間表征　/29

　3.1.2　模型學習　/31

　3.1.3　模型評價　/32

3.2　廣義線性模型　/33

　3.2.1　多元線性回歸模型　/34

　3.2.2　經驗風險與結構風險　/35

　3.2.3　極大似然估計　/38

3.3　邏輯回歸　/39

　3.3.1　sigmoid函式　/40

　3.3.2　最大似然估計　/41

　3.3.3　多項邏輯回歸學習　/41

　3.3.4　標準化　/42

3.4　性能度量　/44

　3.4.1　誤差　/45

　3.4.2　混淆矩陣與衍生指標　/45

　3.4.3　不均衡模型評價　/48

　3.4.4　業務評價　/52

3.5　上線部署與監控　/55

　3.5.1　上線部署　/55

　3.5.2　前端監控　/57

　3.5.3　後端肯囑漏翻監控　/59

3.6　疊代與重構　/61

　3.6.1　模型疊代　/61

　3.6.2　模型重構　/62

3.7　輔助模型　/62

　3.7.1　XGBoost　/63

　3.7.2　模型解釋性熱訂樂　/74

　3.7.3　因子分解機　/81

3.8　模型合併　/82

3.9　本章小結　/86

第4章　用戶分群　/87

4.1　辛普森悖論　/88

4.2　監督分群　/90

　4.2.1　決策樹原理　/90

　4.2.2　決策樹分群　/92

　4.2.3　生成拒絕規則　/95

4.3　無監督分群　/105

　4.3.1　GMM原理　/106

　4.3.2　GMM分群　/107

4.4　用戶畫像與聚類分析　/108

　4.4.1　數據分布可視化　/109

　4.4.2　K均值聚類　/110

　4.4.3　均值漂移聚類　/111

　4.4.4　層次聚類　/113

　4.4.5　tSNE聚類　/114

　4.4.6　DBSCAN聚類　/115

　4.4.7　方差分析　/117

4.5　本章小結　/119

第5章　數據探索與特徵工程　/120

5.1　探索性數據分析　/121

　5.1.1　連續型變數　/122

　5.1.2　離散型變數　/123

　5.1.3　代碼實現　/123

5.2　特徵生成　/126

　5.2.1　特徵聚合　/127

　5.2.2　特徵組合　/145

5.3　特徵變換　/147

　5.3.1　卡方分箱　/148

　5.3.2　聚類分箱　/150

　5.3.3　分箱對比　/151

　5.3.4　箱的調整　/154

　5.3.5　兩種特殊的調整方法　/156

　5.3.6　WOE映射　/158

5.4　本章小結　/158

第6章　禁達特徵篩選與建模　/159

6.1　初步篩選　/160

　6.1.1　缺失率　/160

　6.1.2　信息量　/161

　6.1.3　相關性　/162

　6.1.4　代碼實現　/163

6.2　逐步回歸　/164

　6.2.1　F檢驗　微盛敬/165

　6.2.2　常見逐步回歸策略　/165

　6.2.3　檢驗標準　/166

　6.2.4　代碼實現　/167

6.3　穩定性　/167

6.4　負樣本分布圖　/169

6.5　評分卡案例　/171

6.6　本章小結　/189

第7章　拒絕推斷　/190

7.1　偏差產生的原因　/191

7.2　數據驗證　/193

7.3　標籤分裂　/193

7.4　數據推斷　/195

　7.4.1　硬截斷法　/195

　7.4.2　模糊展開法　/198

　7.4.3　重新加權法　/199

　7.4.4　外推法　/200

　7.4.5　疊代再分類法　/202

7.5　本章小結　/204

第8章　模型校準與決策　/205

8.1　模型校準的意義　/206

8.2　校準方法　/207

　8.2.1　通用校準　/208

　8.2.2　多模型校準　/210

　8.2.3　錯誤分配　/214

　8.2.4　權重還原　/215

8.3　決策與套用　/215

　8.3.1　最優評分切分　/216

　8.3.2　交換集分析　/216

　8.3.3　人工干預　/218

8.4　本章小結　/219

第9章　模型文檔　/220

9.1　模型背景　/221

9.2　模型設計　/222

　9.2.1　模型樣本　/222

　9.2.2　壞客戶定義　/222

9.3　數據準備　/223

　9.3.1　數據提取　/223

　9.3.2　歷史趨勢聚合　/224

　9.3.3　缺失值與極值處理　/224

　9.3.4　WOE處理　/225

9.4　變數篩選　/225

　9.4.1　根據IV值進行初篩　/226

　9.4.2　逐步回歸分析　/226

　9.4.3　模型調優　/226

9.5　最終模型　/227

　9.5.1　模型變數　/227

　9.5.2　模型表現　/228

　9.5.3　模型分制轉換　/228

9.6　表現追蹤　/228

9.7　附屬檔案　/229

9.8　本章小結　/231

作者簡介

梅子行

資深風控技術專家、AI技術專家和算法專家，歷任多家知名金融科技公司的算法研究員、數據挖掘工程師。師承Experian、Discover等企業的資深風控專家，擅長深度學習、複雜網路、遷移學習、異常檢測等非傳統機器學習方法，熱衷於數據挖掘以及算法的跨領域最佳化實踐。

著有暢銷書《智慧型風控：原理、算法與工程實踐》，是本書的姊妹篇。

公眾號與知乎專欄：“大數據風控與機器學習”。

榮獲DD第六屆影響力作家評選“科技新星作家”獎。

毛鑫宇

資深品牌視覺設計師、插畫設計師。曾任職國內知名文旅公司品牌設計師，設計打造知名文化旅遊目的地及品牌設計案例，作為插畫設計師完成《智慧型風控：原理、算法與工程實踐》一書。擅長品牌視覺設計、IP形象設計、插畫設計，致力於用設計創造價值，讓設計在跨領域合作中碰撞出更多的可能性。站酷設計師主頁為“白鴿巡遊記”。

智慧型風控：Python金融風險管理與評分卡建模

基本介紹

內容簡介

圖書目錄

作者簡介

作者簡介

相關詞條

熱門詞條