内容简介
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。
作者在多家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。
目录
推荐序
第1章 信用管理基础
1.1 信用与管理
1.2 风控术语解读
1.2.1 信贷基础指标
1.2.2 信贷风险指标
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
2.1.1 适用客群
2.1.2 用途
2.2 建模流程
2.3 模型设计
2.3.1 业务问题转化
2.3.2 账龄分析与时间窗口设计
2.3.3 数据集切分
2.3.4 样本选择
2.3.5 采样与加权
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
3.1.1 空间表征
3.1.2 模型学习
3.1.3 模型评价
3.2 广义线性模型
3.2.1 多元线性回归模型
3.2.2 经验风险与结构风险
3.2.3 极大似然估计
3.3 逻辑回归
3.3.1 sigmoid函数
3.3.2 最大似然估计
3.3.3 多项逻辑回归学习
3.3.4 标准化
3.4 性能度量
3.4.1 误差
3.4.2 混淆矩阵与衍生指标
3.4.3 不均衡模型评价
3.4.4 业务评价
3.5 上线部署与监控
3.5.1 上线部署
3.5.2 前端监控
3.5.3 后端监控
3.6 迭代与重构
3.6.1 模型迭代
3.6.2 模型重构
3.7 辅助模型
3.7.1 XGBoost
3.7.2 模型解释性
3.7.3 因子分解机
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
4.2.1 决策树原理
4.2.2 决策树分群
4.2.3 生成拒绝规则
4.3 无监督分群
4.3.1 GMM原理
4.3.2 GMM分群
4.4 用户画像与聚类分析
4.4.1 数据分布可视化
4.4.2 K均值聚类
4.4.3 均值漂移聚类
4.4.4 层次聚类
4.4.5 t-SNE聚类
4.4.6 DBSCAN聚类
4.4.7 方差分析
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
5.1.1 连续型变量
5.1.2 离散型变量
5.1.3 代码实现
5.2 特征生成
5.2.1 特征聚合
5.2.2 特征组合
5.3 特征变换
5.3.1 卡方分箱
5.3.2 聚类分箱
5.3.3 分箱对比
5.3.4 箱的调整
5.3.5 两种特殊的调整方法
5.3.6 WOE映射
5.4 本章小结
第6章 特征筛选与建模
6.1 初步筛选
6.1.1 缺失率
6.1.2 信息量
6.1.3 相关性
6.1.4 代码实现
6.2 逐步回归
6.2.1 F检验
6.2.2 常见逐步回归策略
6.2.3 检验标准
6.2.4 代码实现
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
7.4.1 硬截断法
7.4.2 模糊展开法
7.4.3 重新加权法
7.4.4 外推法
7.4.5 迭代再分类法
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
8.2.1 通用校准
8.2.2 多模型校准
8.2.3 错误分配
8.2.4 权重还原
8.3 决策与应用
8.3.1 最优评分切分
8.3.2 交换集分析
8.3.3 人工干预
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
9.2.1 模型样本
9.2.2 坏客户定义
9.3 数据准备
9.3.1 数据提取
9.3.2 历史趋势聚合
9.3.3 缺失值与极值处理
9.3.4 WOE处理
9.4 变量筛选
9.4.1 根据IV值进行初筛
9.4.2 逐步回归分析
9.4.3 模型调优
9.5 最终模型
9.5.1 模型变量
9.5.2 模型表现
9.5.3 模型分制转换
9.6 表现追踪
9.7 附件
9.8 本章小结
您当前的等级为
登录后免费下载登录
小黑屋反思中,不准下载!
评论后刷新页面下载评论
支付¥以后下载
请先登录
您今天的下载次数(次)用完了,请明天再来
支付积分以后下载立即支付
支付以后下载立即支付
您当前的用户组不允许下载升级会员
您已获得下载权限
您可以每天下载资源次,今日剩余次
免责申明:
1. 本站分享的所有书籍均来源于自互联网,我们只进行收集整理,并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告,这并不是本站所为,请注意甄别。
3. 我们分享这些书籍,纯粹是出于知识分享的热情,以及对互联网分享精神的高度认同和践行,不以盈利为目的。
4. 本站分享的所有书籍,仅供个人学习研究使用,请勿用于任何商业用途,否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获,在条件允许的情况下,请一定购买正版书籍,这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者,且您不希望此作品出现在本站,请联系我们,我们将在收到您的请求后48小时内予以删除。