智能风控：Python金融风险管理与评分卡建模

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　/3

　1.2.1　信贷基础指标　/4

　1.2.2　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　/12

　2.1.1　适用客群　/13

　2.1.2　用途　/14

2.2　建模流程　/15

2.3　模型设计　/16

　2.3.1　业务问题转化　/17

　2.3.2　账龄分析与时间窗口设计　/17

　2.3.3　数据集切分　/19

　2.3.4　样本选择　/20

　2.3.5　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　/28

　3.1.1　空间表征　/29

　3.1.2　模型学习　/31

　3.1.3　模型评价　/32

3.2　广义线性模型　/33

　3.2.1　多元线性回归模型　/34

　3.2.2　经验风险与结构风险　/35

　3.2.3　极大似然估计　/38

3.3　逻辑回归　/39

　3.3.1　sigmoid函数　/40

　3.3.2　最大似然估计　/41

　3.3.3　多项逻辑回归学习　/41

　3.3.4　标准化　/42

3.4　性能度量　/44

　3.4.1　误差　/45

　3.4.2　混淆矩阵与衍生指标　/45

　3.4.3　不均衡模型评价　/48

　3.4.4　业务评价　/52

3.5　上线部署与监控　/55

　3.5.1　上线部署　/55

　3.5.2　前端监控　/57

　3.5.3　后端监控　/59

3.6　迭代与重构　/61

　3.6.1　模型迭代　/61

　3.6.2　模型重构　/62

3.7　辅助模型　/62

　3.7.1　XGBoost　/63

　3.7.2　模型解释性　/74

　3.7.3　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　/90

　4.2.1　决策树原理　/90

　4.2.2　决策树分群　/92

　4.2.3　生成拒绝规则　/95

4.3　无监督分群　/105

　4.3.1　GMM原理　/106

　4.3.2　GMM分群　/107

4.4　用户画像与聚类分析　/108

　4.4.1　数据分布可视化　/109

　4.4.2　K均值聚类　/110

　4.4.3　均值漂移聚类　/111

　4.4.4　层次聚类　/113

　4.4.5　tSNE聚类　/114

　4.4.6　DBSCAN聚类　/115

　4.4.7　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　/121

　5.1.1　连续型变量　/122

　5.1.2　离散型变量　/123

　5.1.3　代码实现　/123

5.2　特征生成　/126

　5.2.1　特征聚合　/127

　5.2.2　特征组合　/145

5.3　特征变换　/147

　5.3.1　卡方分箱　/148

　5.3.2　聚类分箱　/150

　5.3.3　分箱对比　/151

　5.3.4　箱的调整　/154

　5.3.5　两种特殊的调整方法　/156

　5.3.6　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　/160

　6.1.1　缺失率　/160

　6.1.2　信息量　/161

　6.1.3　相关性　/162

　6.1.4　代码实现　/163

6.2　逐步回归　/164

　6.2.1　F检验　/165

　6.2.2　常见逐步回归策略　/165

　6.2.3　检验标准　/166

　6.2.4　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　/195

　7.4.1　硬截断法　/195

　7.4.2　模糊展开法　/198

　7.4.3　重新加权法　/199

　7.4.4　外推法　/200

　7.4.5　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　/207

　8.2.1　通用校准　/208

　8.2.2　多模型校准　/210

　8.2.3　错误分配　/214

　8.2.4　权重还原　/215

8.3　决策与应用　/215

　8.3.1　最优评分切分　/216

　8.3.2　交换集分析　/216

　8.3.3　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　/222

　9.2.1　模型样本　/222

　9.2.2　坏客户定义　/222

9.3　数据准备　/223

　9.3.1　数据提取　/223

　9.3.2　历史趋势聚合　/224

　9.3.3　缺失值与极值处理　/224

　9.3.4　WOE处理　/225

9.4　变量筛选　/225

　9.4.1　根据IV值进行初筛　/226

　9.4.2　逐步回归分析　/226

　9.4.3　模型调优　/226

9.5　最终模型　/227

　9.5.1　模型变量　/227

　9.5.2　模型表现　/228

　9.5.3　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