作品简介

本书基于Python讲解了信用风险管理和评分卡建模,用漫画的风格,从风险业务、统计分析方法、机器学习模型3个维度展开,详细讲解了信用风险量化相关的数据分析与建模手段,并提供大量的应用实例。作者在多加知名金融公司从事算法研究多年,经验丰富,本书得到了学术界和企业界多位金融风险管理专家的高度评价。全书一共9章,首先介绍了信用风险量化的基础,然后依次讲解了信用评分模型开发过程中的数据处理、用户分群、变量处理、变量衍生、变量筛选、模型训练、拒绝推断、模型校准、决策应用、模型监控、模型重构与迭代、模型报告撰写等内容。所有章节都由问题、算法、案例三部分组成,针对性和实战性都非常强。

梅子行,资深风控技术专家、AI技术专家和算法专家,历任多家知名金融科技公司的算法研究员、数据挖掘工程师。师承Experian、Discover等企业的资深风控专家,擅长深度学习、复杂网络、迁移学习、异常检测等非传统机器学习方法,热衷于数据挖掘以及算法的跨领域优化实践。著有畅销书《智能风控:原理、算法与工程实践》,是本书的姊妹篇。公众号与知乎专栏:“大数据风控与机器学习”。荣获当当第六届影响力作家评选“科技新星作家”奖。

毛鑫宇,资深品牌视觉设计师、插画设计师。曾任职国内知名文旅公司品牌设计师,设计打造知名文化旅游目的地及品牌设计案例,作为插画设计师完成《智能风控:原理、算法与工程实践》一书。擅长品牌视觉设计、IP形象设计、插画设计,致力于用设计创造价值,让设计在跨领域合作中碰撞出更多的可能性。站酷设计师主页为“白鸽巡游记”。

作品目录

  • 推荐序
  • 前言
  • 第1章 信用管理基础
  • 1.1 信用与管理
  • 1.2 风控术语解读
  • 1.3 企业信贷风控架构
  • 1.4 本章小结
  • 第2章 评分卡
  • 2.1 评分卡概念
  • 2.2 建模流程
  • 2.3 模型设计
  • 2.4 数据与变量解读
  • 2.5 本章小结
  • 第3章 机器学习
  • 3.1 基本概念
  • 3.2 广义线性模型
  • 3.3 逻辑回归
  • 3.4 性能度量
  • 3.5 上线部署与监控
  • 3.6 迭代与重构
  • 3.7 辅助模型
  • 3.8 模型合并
  • 3.9 本章小结
  • 第4章 用户分群
  • 4.1 辛普森悖论
  • 4.2 监督分群
  • 4.3 无监督分群
  • 4.4 用户画像与聚类分析
  • 4.5 本章小结
  • 第5章 数据探索与特征工程
  • 5.1 探索性数据分析
  • 5.2 特征生成
  • 5.3 特征变换
  • 5.4 本章小结
  • 第6章 特征筛选与建模
  • 6.1 初步筛选
  • 6.2 逐步回归
  • 6.3 稳定性
  • 6.4 负样本分布图
  • 6.5 评分卡案例
  • 6.6 本章小结
  • 第7章 拒绝推断
  • 7.1 偏差产生的原因
  • 7.2 数据验证
  • 7.3 标签分裂
  • 7.4 数据推断
  • 7.5 本章小结
  • 第8章 模型校准与决策
  • 8.1 模型校准的意义
  • 8.2 校准方法
  • 8.3 决策与应用
  • 8.4 本章小结
  • 第9章 模型文档
  • 9.1 模型背景
  • 9.2 模型设计
  • 9.3 数据准备
  • 9.4 变量筛选
  • 9.5 最终模型
  • 9.6 表现追踪
  • 9.7 附件
  • 9.8 本章小结
展开全部