幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能風控(Python金融風險管理與評分卡建模)

  • 作者：梅子行//毛鑫宇|責編:朱巍
  • 出版社：機械工業
  • ISBN：9787111653752
  • 出版日期：2020/05/01
  • 裝幀：平裝
  • 頁數：232
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書基於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，並提供大量的應用實例。作者曾在多家知名金融公司從事演算法研究工作，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。
    全書共9章，首先介紹了信用風險量化的基礎，然後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、變數處理、變數衍生、變數篩選、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、演算法、案例三部分組成，針對性和實戰性都非常強。
作者介紹
梅子行//毛鑫宇|責編:朱巍
目錄
推薦序
前言
第1章  信用管理基礎
  1.1  信用與管理
  1.2  風控術語解讀
    1.2.1  信貸基礎指標
    1.2.2  信貸風險指標
  1.3  企業信貸風控架構
  1.4  本章小結
第2章  評分卡
  2.1  評分卡概念
    2.1.1  適用客群
    2.1.2  用途
  2.2  建模流程
  2.3  模型設計
    2.3.1  業務問題轉化
    2.3.2  賬齡分析與時間窗口設計
    2.3.3  數據集切分
    2.3.4  樣本選擇
    2.3.5  採樣與加權
  2.4  數據與變數解讀
  2.5  本章小結
第3章  機器學習
  3.1  基本概念
    3.1.1  空間表徵
    3.1.2  模型學習
    3.1.3  模型評價
  3.2  廣義線性模型
    3.2.1  多元線性回歸模型
    3.2.2  經驗風險與結構風險
    3.2.3  極大似然估計
  3.3  邏輯回歸
    3.3.1  sigmoid函數
    3.3.2  最大似然估計
    3.3.3  多項邏輯回歸學習
    3.3.4  標準化
  3.4  性能度量
    3.4.1  誤差
    3.4.2  混淆矩陣與衍生指標
    3.4.3  不均衡模型評價
    3.4.4  業務評價
  3.5  上線部署與監控
    3.5.1  上線部署
    3.5.2  前端監控
    3.5.3  後端監控
  3.6  迭代與重構
    3.6.1  模型迭代
    3.6.2  模型重構
  3.7  輔助模型
    3.7.1  XGBoost

    3.7.2  模型解釋性
    3.7.3  因子分解機
  3.8  模型合併
  3.9  本章小結
第4章  用戶分群
  4.1  辛普森悖論
  4.2  監督分群
    4.2.1  決策樹原理
    4.2.2  決策樹分群
    4.2.3  生成拒絕規則
  4.3  無監督分群
    4.3.1  GMM原理
    4.3.2  GMM分群
  4.4  用戶畫像與聚類分析
    4.4.1  數據分佈可視化
    4.4.2  K均值聚類
    4.4.3  均值漂移聚類
    4.4.4  層次聚類
    4.4.5  t-SNE聚類
    4.4.6  DBSCAN聚類
    4.4.7  方差分析
  4.5  本章小結
第5章  數據探索與特徵工程
  5.1  探索性數據分析
    5.1.1  連續型變數
    5.1.2  離散型變數
    5.1.3  代碼實現
  5.2  特徵生成
    5.2.1  特徵聚合
    5.2.2  特徵組合
  5.3  特徵變換
    5.3.1  卡方分箱
    5.3.2  聚類分箱
    5.3.3  分箱對比
    5.3.4  箱的調整
    5.3.5  兩種特殊的調整方法
    5.3.6  WOE映射
  5.4  本章小結
第6章  特徵篩選與建模
  6.1  初步篩選
    6.1.1  缺失率
    6.1.2  信息量
    6.1.3  相關性
    6.1.4  代碼實現
  6.2  逐步回歸
    6.2.1  F檢驗
    6.2.2  常見逐步回歸策略
    6.2.3  檢驗標準
    6.2.4  代碼實現
  6.3  穩定性

  6.4  負樣本分佈圖
  6.5  評分卡案例
  6.6  本章小結
第7章  拒絕推斷
  7.1  偏差產生的原因
  7.2  數據驗證
  7.3  標籤分裂
  7.4  數據推斷
    7.4.1  硬截斷法
    7.4.2  模糊展開法
    7.4.3  重新加權法
    7.4.4  外推法
    7.4.5  迭代再分類法
  7.5  本章小結
第8章  模型校準與決策
  8.1  模型校準的意義
  8.2  校準方法
    8.2.1  通用校準
    8.2.2  多模型校準
    8.2.3  錯誤分配
    8.2.4  權重還原
  8.3  決策與應用
    8.3.1  最優評分切分
    8.3.2  交換集分析
    8.3.3  人工干預
  8.4  本章小結
第9章  模型文檔
  9.1  模型背景
  9.2  模型設計
    9.2.1  模型樣本
    9.2.2  壞客戶定義
  9.3  數據準備
    9.3.1  數據提取
    9.3.2  歷史趨勢聚合
    9.3.3  缺失值與極值處理
    9.3.4  WOE處理
  9.4  變數篩選
    9.4.1  根據IV值進行初篩
    9.4.2  逐步回歸分析
    9.4.3  模型調優
  9.5  最終模型
    9.5.1  模型變數
    9.5.2  模型表現
    9.5.3  模型分制轉換
  9.6  表現追蹤
  9.7  附件
  9.8  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032