中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
金融科技智能風控:Python金融風險管理與評分卡建模 版權信息
- ISBN：9787111653752
- 條形碼：9787111653752 ; 978-7-111-65375-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
金融科技智能風控:Python金融風險管理與評分卡建模 本書特色
本書基于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與建模手段，并提供大量的應用實例。作者在多家知名金融公司從事算法研究多年，經驗豐富，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，然后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、變量處理、變量衍生、變量篩選、模型訓練、拒絕推斷、模型校準、決策應用、模型監控、模型重構與迭代、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。
金融科技智能風控:Python金融風險管理與評分卡建模 內容簡介
本書基于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與建模手段，并提供大量的應用實例。作者在多加知名金融公司從事算法研究多年，經驗豐富，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，然后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、變量處理、變量衍生、變量篩選、模型訓練、拒絕推斷、模型校準、決策應用、模型監控、模型重構與迭代、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，針對性和實戰性都很好強。
金融科技智能風控:Python金融風險管理與評分卡建模 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 /31.2.1 信貸基礎指標 /41.2.2 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 /122.1.1 適用客群 /132.1.2 用途 /14
2.2 建模流程 /15
2.3 模型設計 /162.3.1 業務問題轉化 /172.3.2 賬齡分析與時間窗口設計 /172.3.3 數據集切分 /192.3.4 樣本選擇 /202.3.5 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 /283.1.1 空間表征 /293.1.2 模型學習 /313.1.3 模型評價 /32
3.2 廣義線性模型 /333.2.1 多元線性回歸模型 /343.2.2 經驗風險與結構風險 /353.2.3 極大似然估計 /38
3.3 邏輯回歸 /393.3.1 sigmoid函數 /403.3.2 *大似然估計 /413.3.3 多項邏輯回歸學習 /413.3.4 標準化 /42
3.4 性能度量 /443.4.1 誤差 /453.4.2 混淆矩陣與衍生指標 /453.4.3 不均衡模型評價 /483.4.4 業務評價 /52
3.5 上線部署與監控 /553.5.1 上線部署 /553.5.2 前端監控 /573.5.3 后端監控 /59
3.6 迭代與重構 /613.6.1 模型迭代 /613.6.2 模型重構 /62
3.7 輔助模型 /623.7.1 XGBoost /633.7.2 模型解釋性 /743.7.3 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 /904.2.1 決策樹原理 /904.2.2 決策樹分群 /924.2.3 生成拒絕規則 /95
4.3 無監督分群 /1054.3.1 GMM原理 /1064.3.2 GMM分群 /107
4.4 用戶畫像與聚類分析 /1084.4.1 數據分布可視化 /1094.4.2 K均值聚類 /1104.4.3 均值漂移聚類 /1114.4.4 層次聚類 /1134.4.5 tSNE聚類 /1144.4.6 DBSCAN聚類 /1154.4.7 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 /1215.1.1 連續型變量 /1225.1.2 離散型變量 /1235.1.3 代碼實現 /123
5.2 特征生成 /1265.2.1 特征聚合 /1275.2.2 特征組合 /145
5.3 特征變換 /1475.3.1 卡方分箱 /1485.3.2 聚類分箱 /1505.3.3 分箱對比 /1515.3.4 箱的調整 /1545.3.5 兩種特殊的調整方法 /1565.3.6 WOE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 /1606.1.1 缺失率 /1606.1.2 信息量 /1616.1.3 相關性 /1626.1.4 代碼實現 /163
6.2 逐步回歸 /1646.2.1 F檢驗 /1656.2.2 常見逐步回歸策略 /1656.2.3 檢驗標準 /1666.2.4 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 /1957.4.1 硬截斷法 /1957.4.2 模糊展開法 /1987.4.3 重新加權法 /1997.4.4 外推法 /2007.4.5 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 /2078.2.1 通用校準 /2088.2.2 多模型校準 /2108.2.3 錯誤分配 /2148.2.4 權重還原 /215
8.3 決策與應用 /2158.3.1 *優評分切分 /2168.3.2 交換集分析 /2168.3.3 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 /2229.2.1 模型樣本 /2229.2.2 壞客戶定義 /222
9.3 數據準備 /2239.3.1 數據提取 /2239.3.2 歷史趨勢聚合 /2249.3.3 缺失值與極值處理 /2249.3.4 WOE處理 /225
9.4 變量篩選 /2259.4.1 根據IV值進行初篩 /2269.4.2 逐步回歸分析 /2269.4.3 模型調優 /226
9.5 *終模型 /2279.5.1 模型變量 /2279.5.2 模型表現 /2289.5.3 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
展開全部
金融科技智能風控:Python金融風險管理與評分卡建模 相關資料
本書關注信貸風控模型，對信用評分全流程各個環節進行了詳盡的介紹，輔以Python代碼實現，是初學者不可多得的入門教程。 ——李志勇 西南財經大學信用管理教授/《信用評分工具》《信用評分應用》等書譯者 在如今這個網絡和計算都高度發達的時代，風控已經不再是人力可為的，必須依靠技術手段進行管理。這是一本生動介紹業務規則、技術實現的工具書，結合簡單易學的Python語言，帶領讀者輕松走進智能風控的大門。 ——付曉巖 建信金融科技有限責任公司風險合規法律部風險合規團隊副總經理 我國的消費信貸業務目前已進入快速增長階段，而消費信貸業務*關鍵的就是風險控制。本書結合Python語言，從傳統信用評分的基礎開始，配上生動有趣的插圖，深入淺出地介紹了評分卡建模的完整體系。對于風險控制的從業者而言，這是一本非常值得閱讀的書。 ——李建宏 阿里云智能高級解決方案架構師 本書既為風控領域的初學者提供了信貸業務的全局視角，又生動幽默介紹了該領域必備的建模技術以及可供快速上手的代碼示例，是一本幫助初入職場的學生們銜接理論技術與業界實踐的實操手冊。 ——周凡吟 西南財經大學統計學院副教授/大數據金融風險管理專家 梅子行的新書不僅對常見術語做了明確的定義，也結合具體的業務場景演示了如何解決問題，輔以簡潔的Python演示代碼，勾勒出評分卡應用全貌。對所有希望了解信用風險管理模型的人士大有幫助。 ——黃山 *數字科技風險管理中心架構師 系統全面、注重實踐、生動活潑是本書的3大顯著特色，全面、完整地介紹了評分卡建模流程。基于有活力的Python語言，提供了可實踐的代碼示例和豐富案例，語言生動活潑，有趣的插圖讓本書更具有可讀性。 —— 張偉（上善若愚） CraiditX氪信科技技術合伙人、解決方案專家及高級風控總監/前FICO 風險評分建模和風控業務策略解決方案專家
金融科技智能風控:Python金融風險管理與評分卡建模 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、復雜網絡、遷移學習、異常檢測等非傳統機器學習方法，熱衷于數據挖掘以及算法的跨領域優化實踐。
著有暢銷書《智能風控：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”。
榮獲當當第六屆影響力作家評選“科技新星作家”獎。
毛鑫宇 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、復雜網絡、遷移學習、異常檢測等非傳統機器學習方法，熱衷于數據挖掘以及算法的跨領域優化實踐。
著有暢銷書《智能風控：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”。
榮獲當當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游目的地及品牌設計案例，作為插畫設計師完成《智能風控：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，致力于用設計創造價值，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“白鴿巡游記”。
書友推薦
- >
莉莉和章魚
- >
姑媽的寶刀
- >
名家帶你讀魯迅:故事新編
- >
【精裝繪本】畫給孩子的中國神話
- >
經典常談
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
