×
金融科技智能风控:Python金融风险管理与评分卡建模

包邮金融科技智能风控:Python金融风险管理与评分卡建模

1星价 ¥62.4 (7.0折)
2星价￥62.4 定价￥89.0
读书月预热场|满6本折上6折
本类榜单：计算机/网络
分类：计算机/网络 > 程序设计
图文详情
  • ISBN：9787111653752
  • 装帧：平装-胶订
  • 册数：暂无
  • 重量：暂无
  • 开本：16开
  • 页数：248
  • 出版时间：2020-05-01
  • 条形码：9787111653752 ; 978-7-111-65375-2

本书特色

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。

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，针对性和实战性都很好强。

目录

推荐序 前言 第1章　信用管理基础　/1 1.1　信用与管理　/2 1.2　风控术语解读　/31.2.1　信贷基础指标　/41.2.2　信贷风险指标　/5 1.3　企业信贷风控架构　/7 1.4　本章小结　/10 第2章　评分卡　/11 2.1　评分卡概念　/122.1.1　适用客群　/132.1.2　用途　/14 2.2　建模流程　/15 2.3　模型设计　/162.3.1　业务问题转化　/172.3.2　账龄分析与时间窗口设计　/172.3.3　数据集切分　/192.3.4　样本选择　/202.3.5　采样与加权　/21 2.4　数据与变量解读　/25 2.5　本章小结　/26 第3章　机器学习　/27 3.1　基本概念　/283.1.1　空间表征　/293.1.2　模型学习　/313.1.3　模型评价　/32 3.2　广义线性模型　/333.2.1　多元线性回归模型　/343.2.2　经验风险与结构风险　/353.2.3　极大似然估计　/38 3.3　逻辑回归　/393.3.1　sigmoid函数　/403.3.2　*大似然估计　/413.3.3　多项逻辑回归学习　/413.3.4　标准化　/42 3.4　性能度量　/443.4.1　误差　/453.4.2　混淆矩阵与衍生指标　/453.4.3　不均衡模型评价　/483.4.4　业务评价　/52 3.5　上线部署与监控　/553.5.1　上线部署　/553.5.2　前端监控　/573.5.3　后端监控　/59 3.6　迭代与重构　/613.6.1　模型迭代　/613.6.2　模型重构　/62 3.7　辅助模型　/623.7.1　XGBoost　/633.7.2　模型解释性　/743.7.3　因子分解机　/81 3.8　模型合并　/82 3.9　本章小结　/86 第4章　用户分群　/87 4.1　辛普森悖论　/88 4.2　监督分群　/904.2.1　决策树原理　/904.2.2　决策树分群　/924.2.3　生成拒绝规则　/95 4.3　无监督分群　/1054.3.1　GMM原理　/1064.3.2　GMM分群　/107 4.4　用户画像与聚类分析　/1084.4.1　数据分布可视化　/1094.4.2　K均值聚类　/1104.4.3　均值漂移聚类　/1114.4.4　层次聚类　/1134.4.5　tSNE聚类　/1144.4.6　DBSCAN聚类　/1154.4.7　方差分析　/117 4.5　本章小结　/119 第5章　数据探索与特征工程　/120 5.1　探索性数据分析　/1215.1.1　连续型变量　/1225.1.2　离散型变量　/1235.1.3　代码实现　/123 5.2　特征生成　/1265.2.1　特征聚合　/1275.2.2　特征组合　/145 5.3　特征变换　/1475.3.1　卡方分箱　/1485.3.2　聚类分箱　/1505.3.3　分箱对比　/1515.3.4　箱的调整　/1545.3.5　两种特殊的调整方法　/1565.3.6　WOE映射　/158 5.4　本章小结　/158 第6章　特征筛选与建模　/159 6.1　初步筛选　/1606.1.1　缺失率　/1606.1.2　信息量　/1616.1.3　相关性　/1626.1.4　代码实现　/163 6.2　逐步回归　/1646.2.1　F检验　/1656.2.2　常见逐步回归策略　/1656.2.3　检验标准　/1666.2.4　代码实现　/167 6.3　稳定性　/167 6.4　负样本分布图　/169 6.5　评分卡案例　/171 6.6　本章小结　/189 第7章　拒绝推断　/190 7.1　偏差产生的原因　/191 7.2　数据验证　/193 7.3　标签分裂　/193 7.4　数据推断　/1957.4.1　硬截断法　/1957.4.2　模糊展开法　/1987.4.3　重新加权法　/1997.4.4　外推法　/2007.4.5　迭代再分类法　/202 7.5　本章小结　/204 第8章　模型校准与决策　/205 8.1　模型校准的意义　/206 8.2　校准方法　/2078.2.1　通用校准　/2088.2.2　多模型校准　/2108.2.3　错误分配　/2148.2.4　权重还原　/215 8.3　决策与应用　/2158.3.1　*优评分切分　/2168.3.2　交换集分析　/2168.3.3　人工干预　/218 8.4　本章小结　/219 第9章　模型文档　/220 9.1　模型背景　/221 9.2　模型设计　/2229.2.1　模型样本　/2229.2.2　坏客户定义　/222 9.3　数据准备　/2239.3.1　数据提取　/2239.3.2　历史趋势聚合　/2249.3.3　缺失值与极值处理　/2249.3.4　WOE处理　/225 9.4　变量筛选　/2259.4.1　根据IV值进行初筛　/2269.4.2　逐步回归分析　/2269.4.3　模型调优　/226 9.5　*终模型　/2279.5.1　模型变量　/2279.5.2　模型表现　/2289.5.3　模型分制转换　/228 9.6　表现追踪　/228 9.7　附件　/229 9.8　本章小结　/231
展开全部

相关资料

本书关注信贷风控模型，对信用评分全流程各个环节进行了详尽的介绍，辅以Python代码实现，是初学者不可多得的入门教程。 ——李志勇 西南财经大学信用管理教授/《信用评分工具》《信用评分应用》等书译者 在如今这个网络和计算都高度发达的时代，风控已经不再是人力可为的，必须依靠技术手段进行管理。这是一本生动介绍业务规则、技术实现的工具书，结合简单易学的Python语言，带领读者轻松走进智能风控的大门。 ——付晓岩 建信金融科技有限责任公司风险合规法律部风险合规团队副总经理 我国的消费信贷业务目前已进入快速增长阶段，而消费信贷业务*关键的就是风险控制。本书结合Python语言，从传统信用评分的基础开始，配上生动有趣的插图，深入浅出地介绍了评分卡建模的完整体系。对于风险控制的从业者而言，这是一本非常值得阅读的书。 ——李建宏 阿里云智能高级解决方案架构师 本书既为风控领域的初学者提供了信贷业务的全局视角，又生动幽默介绍了该领域**的建模技术以及可供快速上手的代码示例，是一本帮助初入职场的学生们衔接理论技术与业界实践的实操手册。 ——周凡吟 西南财经大学统计学院副教授/大数据金融风险管理专家 梅子行的新书不仅对常见术语做了明确的定义，也结合具体的业务场景演示了如何解决问题，辅以简洁的Python演示代码，勾勒出评分卡应用全貌。对所有希望了解信用风险管理模型的人士大有帮助。 ——黄山 *数字科技风险管理中心架构师 系统全面、注重实践、生动活泼是本书的3大显著特色，全面、完整地介绍了评分卡建模流程。基于有活力的Python语言，提供了可实践的代码示例和丰富案例，语言生动活泼，有趣的插图让本书更具有可读性。 —— 张伟（上善若愚） CraiditX氪信科技技术合伙人、解决方案专家及高级风控总监/前FICO 风险评分建模和风控业务策略解决方案专家

作者简介

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 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”。

本类五星书
更多>>
浏览历史
本类畅销

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。

确定
客服
收藏
购物车
加入购物车
快速
导航