智能風(fēng)控：評(píng)分卡建模原理、方法與風(fēng)控策略構(gòu)建

定　價(jià)：￥89.00

作　者：	張偉著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787111695677	出版時(shí)間：	2021-12-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	240	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　這是一部系統(tǒng)講解評(píng)分卡建模的智能風(fēng)控著作，從業(yè)務(wù)與技術(shù)、理論與實(shí)踐、傳統(tǒng)風(fēng)控與智能風(fēng)控等角度透徹講解評(píng)分卡建模的原理、流程、方法及其風(fēng)控策略構(gòu)建。作者在智能風(fēng)控領(lǐng)域深耕十余年，既熟悉商業(yè)銀行傳統(tǒng)風(fēng)控體系思想、方法、技術(shù)、工具，又熟悉人工智能背景下的創(chuàng)新智能風(fēng)控相關(guān)解決方案、風(fēng)險(xiǎn)策略和風(fēng)險(xiǎn)建模技術(shù)，本書(shū)是作者實(shí)踐經(jīng)驗(yàn)的系統(tǒng)性總結(jié)。本書(shū)內(nèi)容分為六部分。第1部分（第1章）介紹評(píng)分卡建?；A(chǔ)知識(shí)，包括評(píng)分卡模型的概念和定義、評(píng)分卡建模全流程、評(píng)分卡模型的評(píng)價(jià)等。第二部分（第2章）介紹銀行零售信貸領(lǐng)域產(chǎn)品特征和業(yè)務(wù)流程，以及信用風(fēng)險(xiǎn)和欺詐風(fēng)險(xiǎn)概念，介紹評(píng)分卡的應(yīng)用場(chǎng)景和業(yè)務(wù)基礎(chǔ)知識(shí)。第三部分（第3~11章）系統(tǒng)介紹評(píng)分建模的全流程，覆蓋需求理解、數(shù)據(jù)理解、特征工程、模型設(shè)計(jì)、模型開(kāi)發(fā)、模型驗(yàn)證、模型部署、模型監(jiān)控、模型優(yōu)化等模型全生命周期各環(huán)節(jié)。第四部分（第12~14章）總結(jié)了評(píng)分建模的關(guān)鍵問(wèn)題及其解決方案，包括拒絕推斷、模型可解釋性等，以及模型開(kāi)發(fā)過(guò)程中諸如分布不均衡、模型性能下降、模型迭代漂移等問(wèn)題。第五部分（第15章）介紹了當(dāng)前業(yè)界除評(píng)分卡外使用頻率Z高的高維機(jī)器學(xué)習(xí)技術(shù)，比較了傳統(tǒng)評(píng)分卡模型和高維機(jī)器學(xué)習(xí)模型，并重點(diǎn)介紹了XGBoost和LightGBM模型。第六部分（第16章）以貸前自動(dòng)化審批場(chǎng)景為例，介紹基于評(píng)分的自動(dòng)化審批策略構(gòu)建，幫助讀者理解評(píng)分卡模型在風(fēng)險(xiǎn)策略設(shè)計(jì)中的應(yīng)用。

作者簡(jiǎn)介

　　張偉（筆名：上善若愚）金融科技公司技術(shù)合伙人、高級(jí)風(fēng)控總監(jiān)及解決方案專家，前FICO風(fēng)險(xiǎn)評(píng)分建模與風(fēng)控業(yè)務(wù)策略專家。在金融風(fēng)險(xiǎn)管理和智能風(fēng)控領(lǐng)域有近15年工作經(jīng)驗(yàn)，擅長(zhǎng)業(yè)務(wù)策略、量化建模、解決方案、風(fēng)控體系建設(shè)，專注于商業(yè)銀行、消費(fèi)金融和金融科技行業(yè)，在智能風(fēng)控策略模型數(shù)據(jù)決策體系建設(shè)、風(fēng)險(xiǎn)業(yè)務(wù)架構(gòu)和技術(shù)架構(gòu)、信用風(fēng)險(xiǎn)業(yè)務(wù)策略與量化模型、信貸資產(chǎn)組合管理、金融資產(chǎn)定價(jià)與風(fēng)險(xiǎn)管理、業(yè)務(wù)安全技術(shù)、巴塞爾新資本協(xié)議等方面積累了豐富的工作經(jīng)驗(yàn)。曾作為技術(shù)專家或行業(yè)專家多次受邀出席上海市政府組織的行業(yè)產(chǎn)業(yè)聯(lián)盟研討調(diào)研座談，多次受邀出席金融科技領(lǐng)域行業(yè)論壇并做主題演講或圓桌討論，多次接受主流金融科技媒體和財(cái)經(jīng)媒體采訪，并受聘為上海交通大學(xué)上海高金金融研究院研究員和華東理工大學(xué)商學(xué)院職業(yè)導(dǎo)師。

圖書(shū)目錄

贊譽(yù)
序1
序2
序3
前言
第1章　評(píng)分卡建模理論基礎(chǔ) 1
1.1　評(píng)分卡建模常見(jiàn)面試問(wèn)題 1
1.2　關(guān)于模型的系統(tǒng)性理解 2
1.3　與建模密切相關(guān)的4個(gè)領(lǐng)域 3
1.3.1　機(jī)器學(xué)習(xí) 3
1.3.2　數(shù)據(jù)挖掘 4
1.3.3　數(shù)據(jù)分析 4
1.3.4　統(tǒng)計(jì)分析 5
1.3.5　四者之間的聯(lián)系與區(qū)別 5
1.4　評(píng)分模型與評(píng)分卡模型 6
1.4.1　評(píng)分模型和評(píng)分卡模型的定義 6
1.4.2　評(píng)分卡模型的分類 6
1.4.3　評(píng)分卡模型的適用性 7
1.4.4　評(píng)分卡模型的價(jià)值 8
1.4.5　評(píng)分卡模型的應(yīng)用 9
1.5　評(píng)分卡建模全流程 9
1.6　對(duì)評(píng)分卡模型的評(píng)價(jià) 10
1.7　本章小結(jié) 11
第2章　零售信貸業(yè)務(wù)基礎(chǔ)和風(fēng)險(xiǎn)管理 12
2.1　銀行零售信貸產(chǎn)品的產(chǎn)品特征和業(yè)務(wù)流程 12
2.1.1　個(gè)人貸款 13
2.1.2　信用卡 17
2.2　信用與信用風(fēng)險(xiǎn) 21
2.2.1　信用風(fēng)險(xiǎn)識(shí)別 22
2.2.2　信用風(fēng)險(xiǎn)評(píng)估 23
2.2.3　信用風(fēng)險(xiǎn)監(jiān)測(cè) 24
2.2.4　信用風(fēng)險(xiǎn)控制 24
2.2.5　征信 25
2.3　欺詐與欺詐風(fēng)險(xiǎn) 26
2.3.1　欺詐風(fēng)險(xiǎn)的分類 27
2.3.2　欺詐風(fēng)險(xiǎn)的防范 27
2.3.3　欺詐風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)比較 27
2.4　本章小結(jié) 28
第3章　業(yè)務(wù)需求理解 29
3.1　業(yè)務(wù)需求理解概述 29
3.2　明確擬解決問(wèn)題和分析目標(biāo) 29
3.3　業(yè)務(wù)訪談的設(shè)計(jì)和實(shí)施 30
3.4　整體分析方案設(shè)計(jì) 31
3.5　本章小結(jié) 32
第4章　數(shù)據(jù)基礎(chǔ)決定模型效果上限 33
4.1　關(guān)于數(shù)據(jù)的系統(tǒng)性認(rèn)識(shí) 33
4.1.1　數(shù)據(jù)基本特征 33
4.1.2　常見(jiàn)數(shù)據(jù)問(wèn)題 36
4.2　傳統(tǒng)信貸業(yè)務(wù)數(shù)據(jù) 37
4.2.1　貸款可用數(shù)據(jù) 38
4.2.2　信用卡可用數(shù)據(jù) 38
4.3　征信數(shù)據(jù) 39
4.3.1　征信數(shù)據(jù)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、二代人行征信的差異及映射轉(zhuǎn)換 42
4.3.5　人行征信數(shù)據(jù)的使用 43
4.4　內(nèi)外部大數(shù)據(jù) 44
4.4.1　大數(shù)據(jù)概述 44
4.4.2　銀行內(nèi)部大數(shù)據(jù) 45
4.4.3　銀行外部大數(shù)據(jù) 45
4.5　數(shù)據(jù)質(zhì)量診斷 46
4.5.1　數(shù)據(jù)質(zhì)量診斷目的 46
4.5.2　數(shù)據(jù)質(zhì)量診斷方法 47
4.6　業(yè)務(wù)數(shù)據(jù)分析 48
4.6.1　業(yè)務(wù)數(shù)據(jù)分析目的 48
4.6.2　業(yè)務(wù)數(shù)據(jù)分析方法 49
4.7　本章小結(jié) 49
第5章　利用特征工程提取有效的風(fēng)險(xiǎn)特征 50
5.1　特征工程概述 50
5.1.1　特征與特征工程 50
5.1.2　數(shù)據(jù)處理與特征工程流程 51
5.1.3　特征工程的理論體系 51
5.1.4　特征工程的抽象范式 52
5.2　特征預(yù)處理與轉(zhuǎn)換 53
5.2.1　常見(jiàn)數(shù)據(jù)質(zhì)量問(wèn)題 53
5.2.2　特征清洗與預(yù)處理 53
5.2.3　特征編碼 54
5.2.4　特征轉(zhuǎn)換 55
5.3　特征提取與生成 56
5.3.1　業(yè)務(wù)專家經(jīng)驗(yàn)定義 56
5.3.2　工程化自動(dòng)化衍生 56
5.3.3　表征學(xué)習(xí) 58
5.4　特征評(píng)價(jià)、選擇與降維 62
5.4.1　特征評(píng)價(jià) 62
5.4.2　特征選擇與降維 63
5.5　自動(dòng)化特征工程技術(shù)與工具 65
5.5.1　自動(dòng)化特征工程概述 65
5.5.2　自動(dòng)化特征工程工具 66
5.6　本章小結(jié) 74
第6章　評(píng)分卡模型設(shè)計(jì) 75
6.1　模型設(shè)計(jì)概述 75
6.1.1　模型設(shè)計(jì)的定義 75
6.1.2　模型設(shè)計(jì)的工作內(nèi)容 76
6.2　排除規(guī)則與樣本范圍 76
6.2.1　排除規(guī)則和樣本范圍的定義 76
6.2.2　申請(qǐng)?jiān)u分卡模型排除規(guī)則 77
6.2.3　行為評(píng)分卡模型排除規(guī)則 77
6.2.4　催收評(píng)分卡模型排除規(guī)則 78
6.3　模型細(xì)分 79
6.4　表現(xiàn)期定義與Vintage分析 80
6.4.1　表現(xiàn)期定義 80
6.4.2　Vintage分析 80
6.5　滾動(dòng)率 83
6.5.1　滾動(dòng)率定義 83
6.5.2　滾動(dòng)率分析 84
6.5.3　滾動(dòng)率計(jì)算常見(jiàn)問(wèn)題 84
6.6　觀察期的定義與選擇 85
6.6.1　觀察期的定義 85
6.6.2　觀察期的選擇 85
6.7　模型設(shè)計(jì)匯總計(jì)數(shù) 86
6.7.1　匯總計(jì)數(shù)定義 87
6.7.2　匯總計(jì)數(shù)的特別說(shuō)明 87
6.8　建模方式和模型原型選擇 87
6.9　本章小結(jié) 88
第7章　評(píng)分卡模型開(kāi)發(fā) 89
7.1　模型開(kāi)發(fā)概述 89
7.2　樣本分區(qū) 90
7.3　樣本抽樣 91
7.4　變量預(yù)篩選 93
7.5　變量分箱 94
7.6　變量再篩選 96
7.7　變量轉(zhuǎn)換WOE 97
7.8　使用邏輯回歸進(jìn)行模型擬合 97
7.8.1　多重共線性檢驗(yàn) 97
7.8.2　邏輯回歸建模 98
7.8.3　模型訓(xùn)練結(jié)果 100
7.9　模型驗(yàn)證 101
7.9.1　排序性 101
7.9.2　區(qū)分能力 101
7.9.3　穩(wěn)定性 103
7.9.4　分值集中度 103
7.9.5　分值分布 104
7.9.6　離散度 104
7.10　評(píng)分標(biāo)尺 105
7.11　模型導(dǎo)出PMML并測(cè)試 107
7.12　評(píng)分卡建模專用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　評(píng)分卡建模實(shí)例 109
7