●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/3
1.2.1信貸基礎指標/4
1.2.2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/12
2.1.1適用客群/13
2.1.2用途/14
2.2建模流程/15
2.3模型設計/16
2.3.1業務問題轉化/17
2.3.2賬齡分析與時間窗口設計/17
2.3.3數據集切分/19
2.3.4樣本選擇/20
2.3.5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/28
3.1.1空間表征/29
3.1.2模型學習/31
3.1.3模型評價/32
3.2廣義線性模型/33
3.2線性回歸模型/34
3.2.2經驗風險與結構風險/35
3.2.3極大似然估計/38
3.3邏輯回歸/39
3.3.1sigmoid函數/40
3.3.2優選似然估計/41
3.3.3多項邏輯回歸學習/41
3.3.4標準化/42
3.4性能度量/44
3.4.1誤差/45
3.4.2混淆矩陣與衍生指標/45
3.4.3不均衡模型評價/48
3.4.4業務評價/52
3.5上線部署與監控/55
3.5.1上線部署/55
3.5.2前端監控/57
3.5.3後端監控/59
3.6迭代與重構/61
3.6.1模型迭代/61
3.6.2模型重構/62
3.7輔助模型/62
3.7.1XGBoost/63
3.7.2模型解釋性/74
3.7.3因子分解機/81
3.8模型合並/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/90
4.2.1決策樹原理/90
4.2.2決策樹分群/92
4.2.3生成拒絕規則/95
4.3無監督分群/105
4.3.1GMM原理/106
4.3.2GMM分群/107
4.4用戶畫像與聚類分析/108
4.4.1數據分布可視化/109
4.4.2K均值聚類/110
4.4.3均值漂移聚類/111
4.4.4層次聚類/113
4.4.5tSNE聚類/114
4.4.6DBSCAN聚類/115
4.4.7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/121
5.1.1連續型變量/122
5.1.2離散型變量/123
5.1.3代碼實現/123
5.2特征生成/126
5.2.1特征聚合/127
5.2.2特征組合/145
5.3特征變換/147
5.3.1卡方分箱/148
5.3.2聚類分箱/150
5.3.3分箱對比/151
5.3.4箱的調整/154
5.3.5兩種特殊的調整方法/156
5.3.6WOE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/160
6.1.1缺失率/160
6.1.2信息量/161
6.1.3相關性/162
6.1.4代碼實現/163
6.2逐步回歸/164
6.2.1F檢驗/165
6.2.2常見逐步回歸策略/165
6.2.3檢驗標準/166
6.2.4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/195
7.4.1硬截斷法/195
7.4.2模糊展開法/198
7.4.3重新加權法/199
7.4.4外推法/200
7.4.5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/207
8.2.1通用校準/208
8.2.2多模型校準/210
8.2.3錯誤分配/214
8.2.4權重還原/215
8.3決策與應用/215
8.3.1很優評分切分/216
8.3.2交換集分析/216
8.3.3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/222
9.2.1模型樣本/222
9.2.2壞客戶定義/222
9.3數據準備/223
9.3.1數據提取/223
9.3.2歷史趨勢聚合/224
9.3.3缺失值與極值處理/224
9.3.4WOE處理/225
9.4變量篩選/225
9.4.1根據IV值進行初篩/226
9.4.2逐步回歸分析/226
9.4.3模型調優/226
9.5最終模型/227
9.5.1模型變量/227
9.5.2模型表現/228
9.5.3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

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。