金融信貸風控中的機器學習

金融信貸風控中的機器學習

推薦學習地址：https://pan.baidu.com/s/1AeYKXniWfE4va_9EAKseyg 提取碼: 5w6e

如何搭建金融信貸風控中的機器學習模型
推薦學習鏈接: https://pan.baidu.com/s/16YXyWmSssmcdwVFV9-gs0g 提取碼: 4eh9

在金融貸款機構中，風控部門是核心部門之一。風控體系的好壞直接決定機構盈利能力和存活能力。本課程將介紹數據分析技術如何應用在互聯網金融行業風控部門涉及到的信貸違約預測和催收還款預測。課程中將使用貼近真實業務場景的數據，並且給出切實可行的解決方法。

課程內容說明：

在本期課程中，我們將實用真實的業務數據介紹信貸機構在信用風控領域常用的三種風險預測模型，從而幫助學員瞭解貸前審覈、貸中預警、逾期催收的風控量化途徑。同時學員也能掌握目前評分卡模型最前沿的技術。

面向人羣：

1. 對金融業感興趣，想從事銀行業、互聯網金融行業風控業務
2. 金融行業數據分析從業人員，並且有一定的數據分析基礎和編程能力的學員
   學習收益：
3. 熟悉金融行業業務，助力快速適應金融行業數據分析
4. 掌握風控業務中的違約預測技術，熟悉構建怎樣的特徵和模型來降低信貸業務中的違約損失

課程目錄：

互聯網金融業申請評分卡的介紹

1. 信貸違約的基本概念
2. 申請評分卡在互聯網金融業的重要性和特性
3. 貸款申請環節的數據介紹和描述
4. 非平衡樣本問題的定義和解決方法
5. 過抽樣和欠抽樣，SMOTE算法

申請評分卡中的數據預處理和特徵衍生

1. 構建信用風險類型的特徵

2. 特徵的分箱
   分箱的優點
   Best-KS分箱法和卡方分箱法

3. 特徵信息度的計算和意義
   申請評分卡中的數據預處理和特徵衍生（續）

4. 特徵分箱後如何編碼
   WOE的概念、優點和計算

5. 信用風險中的單變量分析和多變量分析
   第四課：邏輯迴歸模型在申請評分卡中的應用
6. 邏輯迴歸在申請評分卡中的作用的概述

7. 降維的方法

8. 變量選擇的方法
   LASSO方法
   逐步迴歸法
   隨機森林法
   評分卡模型的評價標準
9. 模型對違約與非違約人羣的區分度：KS
10. 模型的準確度衡量：AR
    儘可能抓住足夠多的違約人羣
    儘可能不誤抓非違約人羣
11. 評分卡模型其他常用的評價指標

行爲評分卡模型的介紹

1. 行爲評分卡的基本概念
2. 行爲評分卡的特徵構造
3. 行爲評分卡模型的開發

催收評分卡（還款率）模型的介紹

1. 催收評分卡的基本概念
2. 還款率模型的特徵構造
3. 還款率模型的開發

機器學習模型用於評分卡模型－GBDT

1. GBDT模型如何應用在違約預測模型中
2. 如何從違約數據中推導GBDT模型的參數
3. GBDT模型對防範客戶違約的指導意義

深度學習模型用於評分卡模型

1. 深度學習模型如何應用在違約預測模型中
2. 如何從客戶違約數據中推導深度學習模型的參數
3. 深度學習模型對防範客戶違約的指導意義
4. 深度學習模型和GBDT模型在違約預測工作中的功效比較

前沿研究－組合評分卡模型

1. 組合模型概述
2. 串行結構的評分組合模型
3. 異態並行結構的評分組合模型
4. 同態並行結構的評分組合模型