智能风控：评分卡建模原理、方法与风控策略构建

赞誉
序1
序2
序3
前言
第1章　评分卡建模理论基础 1
1.1　评分卡建模常见面试问题 1
1.2　关于模型的系统性理解 2
1.3　与建模密切相关的4个领域 3
1.3.1　机器学习 3
1.3.2　数据挖掘 4
1.3.3　数据分析 4
1.3.4　统计分析 5
1.3.5　四者之间的联系与区别 5
1.4　评分模型与评分卡模型 6
1.4.1　评分模型和评分卡模型的定义 6
1.4.2　评分卡模型的分类 6
1.4.3　评分卡模型的适用性 7
1.4.4　评分卡模型的价值 8
1.4.5　评分卡模型的应用 9
1.5　评分卡建模全流程 9
1.6　对评分卡模型的评价 10
1.7　本章小结 11
第2章　零售信贷业务基础和风险管理 12
2.1　银行零售信贷产品的产品特征和业务流程 12
2.1.1　个人贷款 13
2.1.2　信用卡 17
2.2　信用与信用风险 21
2.2.1　信用风险识别 22
2.2.2　信用风险评估 23
2.2.3　信用风险监测 24
2.2.4　信用风险控制 24
2.2.5　征信 25
2.3　欺诈与欺诈风险 26
2.3.1　欺诈风险的分类 27
2.3.2　欺诈风险的防范 27
2.3.3　欺诈风险与信用风险比较 27
2.4　本章小结 28
第3章　业务需求理解 29
3.1　业务需求理解概述 29
3.2　明确拟解决问题和分析目标 29
3.3　业务访谈的设计和实施 30
3.4　整体分析方案设计 31
3.5　本章小结 32
第4章　数据基础决定模型效果上限 33
4.1　关于数据的系统性认识 33
4.1.1　数据基本特征 33
4.1.2　常见数据问题 36
4.2　传统信贷业务数据 37
4.2.1　贷款可用数据 38
4.2.2　信用卡可用数据 38
4.3　征信数据 39
4.3.1　征信数据概述 39
4.3.2　一代人行征信 40
4.3.3　二代人行征信 41
4.3.4　一、二代人行征信的差异及映射转换 42
4.3.5　人行征信数据的使用 43
4.4　内外部大数据 44
4.4.1　大数据概述 44
4.4.2　银行内部大数据 45
4.4.3　银行外部大数据 45
4.5　数据质量诊断 46
4.5.1　数据质量诊断目的 46
4.5.2　数据质量诊断方法 47
4.6　业务数据分析 48
4.6.1　业务数据分析目的 48
4.6.2　业务数据分析方法 49
4.7　本章小结 49
第5章　利用特征工程提取有效的风险特征 50
5.1　特征工程概述 50
5.1.1　特征与特征工程 50
5.1.2　数据处理与特征工程流程 51
5.1.3　特征工程的理论体系 51
5.1.4　特征工程的抽象范式 52
5.2　特征预处理与转换 53
5.2.1　常见数据质量问题 53
5.2.2　特征清洗与预处理 53
5.2.3　特征编码 54
5.2.4　特征转换 55
5.3　特征提取与生成 56
5.3.1　业务专家经验定义 56
5.3.2　工程化自动化衍生 56
5.3.3　表征学习 58
5.4　特征评价、选择与降维 62
5.4.1　特征评价 62
5.4.2　特征选择与降维 63
5.5　自动化特征工程技术与工具 65
5.5.1　自动化特征工程概述 65
5.5.2　自动化特征工程工具 66
5.6　本章小结 74
第6章　评分卡模型设计 75
6.1　模型设计概述 75
6.1.1　模型设计的定义 75
6.1.2　模型设计的工作内容 76
6.2　排除规则与样本范围 76
6.2.1　排除规则和样本范围的定义 76
6.2.2　申请评分卡模型排除规则 77
6.2.3　行为评分卡模型排除规则 77
6.2.4　催收评分卡模型排除规则 78
6.3　模型细分 79
6.4　表现期定义与Vintage分析 80
6.4.1　表现期定义 80
6.4.2　Vintage分析 80
6.5　滚动率 83
6.5.1　滚动率定义 83
6.5.2　滚动率分析 84
6.5.3　滚动率计算常见问题 84
6.6　观察期的定义与选择 85
6.6.1　观察期的定义 85
6.6.2　观察期的选择 85
6.7　模型设计汇总计数 86
6.7.1　汇总计数定义 87
6.7.2　汇总计数的特别说明 87
6.8　建模方式和模型原型选择 87
6.9　本章小结 88
第7章　评分卡模型开发 89
7.1　模型开发概述 89
7.2　样本分区 90
7.3　样本抽样 91
7.4　变量预筛选 93
7.5　变量分箱 94
7.6　变量再筛选 96
7.7　变量转换WOE 97
7.8　使用逻辑回归进行模型拟合 97
7.8.1　多重共线性检验 97
7.8.2　逻辑回归建模 98
7.8.3　模型训练结果 100
7.9　模型验证 101
7.9.1　排序性 101
7.9.2　区分能力 101
7.9.3　稳定性 103
7.9.4　分值集中度 103
7.9.5　分值分布 104
7.9.6　离散度 104
7.10　评分标尺 105
7.11　模型导出PMML并测试 107
7.12　评分卡建模专用Python包 108
7.12.1　scorecardpy工具包 108
7.12.2　toad工具包 108
7.12.3　RiskModeler工具包 109
7.13　评分卡建模实例 109

智能风控：评分卡建模原理、方法与风控策略构建.pdf

京东书籍