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　賬齡分析與時間窗口設計　/17

2.3.3　數據集切分　/19

2.3.4　樣本選擇　/20

2.3.5　采樣與加權　/21

2.4　數據與變量解讀　/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

3.3.1sigmoid函數　/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　后端監控　/59

3.6　迭代與重構　/61

3.6.1　模型迭代　/61

3.6.2　模型重構　/62

3.7　輔助模型　/62

3.7.1XGBoost/63

3.7.2　模型解釋性　/74

3.7.3　因子分解機　/81

3.8　模型合并　/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

4.3.1GMM原理　/106

4.3.2GMM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

4.4.2K均值聚類　/110

4.4.3　均值漂移聚類　/111

4.4.4　層次聚類　/113

4.4.5tSNE聚類　/114

4.4.6DBSCAN聚類　/115

4.4.7　方差分析　/117

4.5　本章小結　/119

第5章　數據探索與特征工程　/120

5.1　探索性數據分析　/121

5.1.1　連續型變量　/122

5.1.2　離散型變量　/123

5.1.3　代碼實現　/123

5.2　特征生成　/126

5.2.1　特征聚合　/127

5.2.2　特征組合　/145

5.3　特征變換　/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

5.3.6WOE映射　/158

5.4　本章小結　/158

第6章　特征篩選與建模　/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

6.2.1F檢驗　/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　標簽分裂　/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　迭代再分類法　/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　決策與應用　/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

9.3.4WOE處理　/225

9.4　變量篩選　/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　模型變量　/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　附件　/229

9.8　本章小結　/231

總結

以上是生活随笔為你收集整理的python风险评分卡系统_智能风控:Python金融风险管理与评分卡建模(梅子行毛鑫宇著)...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。