作 者:張偉 著
定 價:89
出 版 社:機械工業出版社
出版日期:2022年01月01日
頁 數:240
裝 幀:平裝
ISBN:9787111695677
(1)作者經驗豐富:智能風控領域深耕十餘年,既熟悉商業銀行傳統風控體繫思想、方法、技術、工具,又熟悉人工智能背景下創新智能風控相關解決方案、風險策略和風險建模技術。(2)內容繫統扎實:全面繫統講解評分建模的理論知識、業務基礎、建模全流程、Z新建模技術和風控策略構建。(3)行業一致好評:來自上海交通大學、樂信、西南財經大學、螞蟻集團、360金融、eBay等學界和業界的近二十位風控專家高口碑推薦。(4)大量實戰代碼:結合實際生產環境,給出了大量Python代碼,便於讀者理解且可直接使用,實操性強。(等
●贊譽
序1
序2
序3
前言
第1章 評分卡建模理論基礎
1.1 評分卡建模常見面試問題
1.2 關於模型的繫統性理解
1.3 與建模密切相關的4個領域
1.3.1 機器學習
1.3.2 數據挖掘
1.3.3 數據分析
1.3.4 統計分析
1.3.5 四者之間的聯繫與區別
1.4 評分模型與評分卡模型
1.4.1 評分模型和評分卡模型的定義
1.4.2 評分卡模型的分類
1.4.3 評分卡模型的適用性
1.4.4 評分卡模型的價值
1.4.5 評分卡模型的應用
1.5 評分卡建模全流程
1.6 對評分卡模型的評價
1.7 本章小結
第2章 零售信貸業務基礎和風險管理
2.1 銀行零售信貸產品的產品特征和業務流程
2.1.1 個人貸款
2.1.2 信用卡
2.2 信用與信用風險
2.2.1 信用風險識別
2.2.2 信用風險評估
2.2.3 信用風險監測
2.2.4 信用風險控制
2.2.5 征信
2.3 欺詐與欺詐風險
2.3.1 欺詐風險的分類
2.3.2 欺詐風險的防範
2.3.3 欺詐風險與信用風險比較
2.4 本章小結
第3章 業務需求理解
3.1 業務需求理解概述
3.2 明確擬解決問題和分析目標
3.3 業務訪談的設計和實施
3.4 整體分析方案設計
3.5 本章小結
第4章 數據基礎決定模型效果上限
4.1 關於數據的繫統性認識
4.1.1 數據基本特征
4.1.2 常見數據問題
4.2 傳統信貸業務數據
4.2.1 貸款可用數據
4.2.2 信用卡可用數據
4.3 征信數據
4.3.1 征信數據概述
4.3.2 一代人行征信
4.3.3 二代人行征信
4.3.4 一、二代人行征信的差異及映射轉換
4.3.5 人行征信數據的使用
4.4 內外部大數據
4.4.1 大數據概述
4.4.2 銀行內部大數據
4.4.3 銀行外部大數據
4.5 數據質量診斷
4.5.1 數據質量診斷目的
4.5.2 數據質量診斷方法
4.6 業務數據分析
4.6.1 業務數據分析目的
4.6.2 業務數據分析方法
4.7 本章小結
第5章 利用特征工程提取有效的風險特征
5.1 特征工程概述
5.1.1 特征與特征工程
5.1.2 數據處理與特征工程流程
5.1.3 特征工程的理論體繫
5.1.4 特征工程的抽像範式
5.2 特征預處理與轉換
5.2.1 常見數據質量問題
5.2.2 特征清洗與預處理
5.2.3 特征編碼
5.2.4 特征轉換
5.3 特征提取與生成
5.3.1 業務專家經驗定義
5.3.2 工程化自動化衍生
5.3.3 表征學習
5.4 特征評價、選擇與降維
5.4.1 特征評價
5.4.2 特征選擇與降維
5.5 自動化特征工程技術與工具
5.5.1 自動化特征工程概述
5.5.2 自動化特征工程工具
5.6 本章小結
第6章 評分卡模型設計
6.1 模型設計概述
6.1.1 模型設計的定義
6.1.2 模型設計的工作內容
6.2 排除規則與樣本範圍
6.2.1 排除規則和樣本範圍的定義
6.2.2 申請評分卡模型排除規則
6.2.3 行為評分卡模型排除規則
6.2.4 催收評分卡模型排除規則
6.3 模型細分
6.4 表現期定義與Vintage分析
6.4.1 表現期定義
6.4.2 Vintage分析
6.5 滾動率
6.5.1 滾動率定義
6.5.2 滾動率分析
6.5.3 滾動率計算常見問題
6.6 觀察期的定義與選擇
6.6.1 觀察期的定義
6.6.2 觀察期的選擇
6.7 模型設計彙總計數
6.7.1 彙總計數定義
6.7.2 彙總計數的特別說明
6.8 建模方式和模型原型選擇
6.9 本章小結
第7章 評分卡模型開發
7.1 模型開發概述
7.2 樣本分區
7.3 樣本抽樣
7.4 變量預篩選
7.5 變量分箱
7.6 變量再篩選
7.7 變量轉換WOE
7.8 使用邏輯回歸進行模型擬合
7.8.1 多重共線性檢驗
7.8.2 邏輯回歸建模
7.8.3 模型訓練結果
7.9 模型驗證
7.9.1 排序性
7.9.2 區分能力
7.9.3 穩定性
7.9.4 分值集中度
7.9.5 分值分布
7.9.6 離散度
7.10 評分標尺
7.11 模型導出PMML並測試
7.12 評分卡建模專用Python包
7.12.1 scorecardpy工具包
7.12.2 toad工具包
7.12.3 RiskModeler工具包
7.13 評分卡建模實例
7.13.1 使用scorecardpy進行評分卡建模
7.13.2 使用toad進行評分卡建模
7.14 評分卡建模常見問題
7.15 本章小結
第8章 評分卡模型驗證
8.1 模型驗證概述
8.1.1 模型性能的影響因素
8.1.2 模型質量的評價
8.1.3 模型驗證的目的
8.2 模型性能的技術性評價指標
8.2.1 分類模型
8.2.2 回歸模型
8.3 模型驗證方法
8.4 模型全面獨立驗證體繫
8.4.1 模型全面獨立驗證與開發期驗證
8.4.2 模型全面獨立驗證的內容和範圍
8.4.3 模型全面獨立驗證的階段劃分
8.5 本章小結
第9章 評分卡模型部署
9.1 模型部署概述
9.2 模型部署工作流程
9.3 規則化部署方案
9.3.1 在信貸業務繫統流程中硬編碼
9.3.2 在獨立通用決策引擎繫統中部署
9.4 標準化部署方案
9.4.1 模型描述標準
9.4.2 導出模型文件
9.4.3 模型文件的解釋執行
9.5 模型部署常見問題
9.6 本章小結
第10章 評分卡模型監控
10.1 模型監控概述
10.2 前端監控
10.2.1 總體評分分布
10.2.2 總體評分分布穩定性
10.2.3 總體平均分及偏移
10.2.4 總體分值集中度
10.2.5 變量取值分布
10.2.6 變量取值分布穩定性
10.2.7 變量加權平均分和偏移
10.3 後端監控
10.3.1 總體評分風險表現
10.3.2 總體評分區分能力指標
10.3.3 總體評分排序性
10.3.4 變量風險表現
10.3.5 變量區分能力指標
10.4 監控數據和特征
10.5 監控服務運行
10.6 本章小結
第11章 評分卡模型優化
11.1 模型優化概述
11.2 模型優化的觸發條件
11.3 模型性能下降原因
11.4 判斷是否需要優化
11.5 確定模型優化方案
11.6 優化調整對現有決策的影響
11.7 對基於評分的決策進行調整
11.8 本章小結
第12章 評分卡模型的拒絕推斷
12.1 什麼是拒絕推斷
12.1.1 拒絕推斷的過程
12.1.2 拒絕推斷的合理假設
12.1.3 拒絕推斷的本質
12.2 為什麼要做拒絕推斷
12.3 如何做拒絕推斷
12.3.1 Fuzzy擴展法
12.3.2 簡單擴展法
12.3.3 分段擴展法
12.3.4 拒絕推斷的其他方法
12.4 拒絕推斷應注意的問題
12.5 本章小結
第13章 評分卡模型的可解釋性
13.1 模型可解釋性
13.1.1 什麼是模型可解釋性
13.1.2 為什麼模型需要可解釋性
13.1.3 模型可解釋性分類
13.1.4 模型可解釋性算法
13.2 評分卡模型可解釋性
13.2.1 全局可解釋性
13.2.2 局部可解釋性
13.2.3 業務特殊考慮
13.2.4 基於PMML Scorecard的可解釋性
13.3 本章小結
第14章 評分卡模型的其他常見問題
14.1 分值分布不均衡問題
14.2 特定群體或局部分數段區分能力弱問題
14.3 訓練-測試-時間外評分分布差異
14.4 訓練-測試-時間外評分性能差異
14.5 模型迭代漂移現像
14.6 潛在建模作弊問題
14.7 本章小結
第15章 從傳統評分卡模型到高維機器學習模型
15.1 傳統評分卡模型和高維機器學習模型的結合
15.1.1 技術和業務發展背景
15.1.2 摒棄兩種特別觀點
15.1.3 傳統評分卡模型與高維機器學習模型的比較
15.1.4 兩種工具結合使用
15.2 高維機器學習模型XGBoost
15.2.1 XGBoost算法原理
15.2.2 XGBoost包簡介
15.2.3 使用XGBoost包建立預測模型
15.3 高維機器學習模型LightGBM
15.3.1 LightGBM算法原理
15.3.2 LightGBM包簡介
15.3.3 使用LightGBM包建立預測模型
15.4 本章小結
第16章 基於評分的風控策略應用
16.1 模型、規則、策略、政策
16.2 基於評分的貸前自動化審批策略
16.2.1 貸前審批環節需要解決的問題
16.2.2 線上信貸業務流程和風控流程
16.2.3 基於評分構建貸前審批策略
16.2.4 貸前審批策略經濟效益測算
16.3 智能風控領域的更多策略
16.4 本章小結
這是一部繫統講解評分卡建模的智能風控著作,從業務與技術、理論與實踐、傳統風控與智能風控等角度透徹講解評分卡建模的原理、流程、方法及其風控策略構建。作者在智能風控領域深耕十餘年,既熟悉商業銀行傳統風控體繫思想、方法、技術、工具,又熟悉人工智能背景下的創新智能風控相關解決方案、風險策略和風險建模技術,本書是作者實踐經驗的繫統性總結。本書內容分為六部分。第1部分(第1章)介紹評分卡建模基礎知識,包括評分卡模型的概念和定義、評分卡建模全流程、評分卡模型的評價等。第二部分(第2章)介紹銀行零售信貸領域產品特征和業務流程,以及信用風險和欺詐風險概念,介紹評分卡的應用場景和業務基礎知識。第三部分(第3~11章)繫統介紹評分建模的全流程,覆蓋需求理解、數據理解、特征工程、模型設計、模型開發、模型驗證、模型部署、模型監控、模型優化等模型全生命周期各環節。第四部分(第12~14章)總結了評分建模的關鍵問題及其等