5.0
用户推荐指数
互联网 类型
4.2 豆瓣评分
可以朗读 语音朗读
147千字 字数
2020-05-01 发行日期
展开全部

主编推荐语

资深风控专家用漫画风格从3个维度详解信用风险量化分析与建模。

内容简介

本书基于Python讲解了信用风险管理和评分卡建模，用漫画的风格，从风险业务、统计分析方法、机器学习模型3个维度展开，详细讲解了信用风险量化相关的数据分析与建模手段，并提供大量的应用实例。

作者在多家知名金融公司从事算法研究多年，经验丰富，本书得到了学术界和企业界多位金融风险管理专家的高度评价。

全书一共9章，首先介绍了信用风险量化的基础，然后依次讲解了信用评分模型开发过程中的数据处理、用户分群、变量处理、变量衍生、变量筛选、模型训练、拒绝推断、模型校准、决策应用、模型监控、模型重构与迭代、模型报告撰写等内容。所有章节都由问题、算法、案例三部分组成，针对性和实战性都非常强。

目录

  • 版权信息
  • 推荐序
  • 前言
  • 第1章 信用管理基础
  • 1.1 信用与管理
  • 1.2 风控术语解读
  • 1.2.1 信贷基础指标
  • 1.2.2 信贷风险指标
  • 1.3 企业信贷风控架构
  • 1.4 本章小结
  • 第2章 评分卡
  • 2.1 评分卡概念
  • 2.1.1 适用客群
  • 2.1.2 用途
  • 2.2 建模流程
  • 2.3 模型设计
  • 2.3.1 业务问题转化
  • 2.3.2 账龄分析与时间窗口设计
  • 2.3.3 数据集切分
  • 2.3.4 样本选择
  • 2.3.5 采样与加权
  • 2.4 数据与变量解读
  • 2.5 本章小结
  • 第3章 机器学习
  • 3.1 基本概念
  • 3.1.1 空间表征
  • 3.1.2 模型学习
  • 3.1.3 模型评价
  • 3.2 广义线性模型
  • 3.2.1 多元线性回归模型
  • 3.2.2 经验风险与结构风险
  • 3.2.3 极大似然估计
  • 3.3 逻辑回归
  • 3.3.1 sigmoid函数
  • 3.3.2 最大似然估计
  • 3.3.3 多项逻辑回归学习
  • 3.3.4 标准化
  • 3.4 性能度量
  • 3.4.1 误差
  • 3.4.2 混淆矩阵与衍生指标
  • 3.4.3 不均衡模型评价
  • 3.4.4 业务评价
  • 3.5 上线部署与监控
  • 3.5.1 上线部署
  • 3.5.2 前端监控
  • 3.5.3 后端监控
  • 3.6 迭代与重构
  • 3.6.1 模型迭代
  • 3.6.2 模型重构
  • 3.7 辅助模型
  • 3.7.1 XGBoost
  • 3.7.2 模型解释性
  • 3.7.3 因子分解机
  • 3.8 模型合并
  • 3.9 本章小结
  • 第4章 用户分群
  • 4.1 辛普森悖论
  • 4.2 监督分群
  • 4.2.1 决策树原理
  • 4.2.2 决策树分群
  • 4.2.3 生成拒绝规则
  • 4.3 无监督分群
  • 4.3.1 GMM原理
  • 4.3.2 GMM分群
  • 4.4 用户画像与聚类分析
  • 4.4.1 数据分布可视化
  • 4.4.2 K均值聚类
  • 4.4.3 均值漂移聚类
  • 4.4.4 层次聚类
  • 4.4.5 t-SNE聚类
  • 4.4.6 DBSCAN聚类
  • 4.4.7 方差分析
  • 4.5 本章小结
  • 第5章 数据探索与特征工程
  • 5.1 探索性数据分析
  • 5.1.1 连续型变量
  • 5.1.2 离散型变量
  • 5.1.3 代码实现
  • 5.2 特征生成
  • 5.2.1 特征聚合
  • 5.2.2 特征组合
  • 5.3 特征变换
  • 5.3.1 卡方分箱
  • 5.3.2 聚类分箱
  • 5.3.3 分箱对比
  • 5.3.4 箱的调整
  • 5.3.5 两种特殊的调整方法
  • 5.3.6 WOE映射
  • 5.4 本章小结
  • 第6章 特征筛选与建模
  • 6.1 初步筛选
  • 6.1.1 缺失率
  • 6.1.2 信息量
  • 6.1.3 相关性
  • 6.1.4 代码实现
  • 6.2 逐步回归
  • 6.2.1 F检验
  • 6.2.2 常见逐步回归策略
  • 6.2.3 检验标准
  • 6.2.4 代码实现
  • 6.3 稳定性
  • 6.4 负样本分布图
  • 6.5 评分卡案例
  • 6.6 本章小结
  • 第7章 拒绝推断
  • 7.1 偏差产生的原因
  • 7.2 数据验证
  • 7.3 标签分裂
  • 7.4 数据推断
  • 7.4.1 硬截断法
  • 7.4.2 模糊展开法
  • 7.4.3 重新加权法
  • 7.4.4 外推法
  • 7.4.5 迭代再分类法
  • 7.5 本章小结
  • 第8章 模型校准与决策
  • 8.1 模型校准的意义
  • 8.2 校准方法
  • 8.2.1 通用校准
  • 8.2.2 多模型校准
  • 8.2.3 错误分配
  • 8.2.4 权重还原
  • 8.3 决策与应用
  • 8.3.1 最优评分切分
  • 8.3.2 交换集分析
  • 8.3.3 人工干预
  • 8.4 本章小结
  • 第9章 模型文档
  • 9.1 模型背景
  • 9.2 模型设计
  • 9.2.1 模型样本
  • 9.2.2 坏客户定义
  • 9.3 数据准备
  • 9.3.1 数据提取
  • 9.3.2 历史趋势聚合
  • 9.3.3 缺失值与极值处理
  • 9.3.4 WOE处理
  • 9.4 变量筛选
  • 9.4.1 根据IV值进行初筛
  • 9.4.2 逐步回归分析
  • 9.4.3 模型调优
  • 9.5 最终模型
  • 9.5.1 模型变量
  • 9.5.2 模型表现
  • 9.5.3 模型分制转换
  • 9.6 表现追踪
  • 9.7 附件
  • 9.8 本章小结
展开全部

评分及书评

5.0
3个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。