该课程介绍数据分析技术如何应用在互联网金融行业风控部门涉及到的信贷违约预测和催收还款预测。课程中将使用贴近真实业务场景的数据，并且给出切实可行的解决方法。用实用真实的业务数据介绍信贷机构在信用风控领域常用的三种风险预测模型，从而帮助学员了解贷前审核、贷中预警、逾期催收的风控量化途径。同时学员也能掌握目前评分卡模型最前沿的技术。

课程目录:

第一课：互联网金融业申请评分卡的介绍
1. 信贷违约的基本概念
2. 申请评分卡在互联网金融业的重要性和特性
3. 贷款申请环节的数据介绍和描述
4. 非平衡样本问题的定义和解决方法
5. 过抽样和欠抽样，SMOTE算法
第二课：申请评分卡中的数据预处理和特征衍生
1. 构建信用风险类型的特征
2. 特征的分箱
分箱的优点
Best-KS分箱法和卡方分箱法
3. 特征信息度的计算和意义
第三课：申请评分卡中的数据预处理和特征衍生（续）
1. 特征分箱后如何编码
WOE的概念、优点和计算
2. 信用风险中的单变量分析和多变量分析
第四课：逻辑回归模型在申请评分卡中的应用
1. 逻辑回归在申请评分卡中的作用的概述
2. 降维的方法
主成分法
3. 变量选择的方法
LASSO方法
逐步回归法
随机森林法
第五课：评分卡模型的评价标准
1. 模型对违约与非违约人群的区分度：KS
2. 模型的准确度衡量：AR
尽可能抓住足够多的违约人群
尽可能不误抓非违约人群
3. 评分卡模型其他常用的评价指标
PSI
Kendal’s Tau
第六课：行为评分卡模型的介绍
1. 行为评分卡的基本概念
2. 行为评分卡的特征构造
3. 行为评分卡模型的开发
第七课：催收评分卡（还款率）模型的介绍
1. 催收评分卡的基本概念
2. 还款率模型的特征构造
3. 还款率模型的开发
第八课：机器学习模型用于评分卡模型－GBDT
1. GBDT模型如何应用在违约预测模型中
2. 如何从违约数据中推导GBDT模型的参数
3. GBDT模型对防范客户违约的指导意义
第九课：深度学习模型用于评分卡模型
1. 深度学习模型如何应用在违约预测模型中
2. 如何从客户违约数据中推导深度学习模型的参数
3. 深度学习模型对防范客户违约的指导意义
4. 深度学习模型和GBDT模型在违约预测工作中的功效比较
第十课：前沿研究－组合评分卡模型
1. 组合模型概述
2. 串行结构的评分组合模型
3. 异态并行结构的评分组合模型
4. 同态并行结构的评分组合模型

资源下载此资源仅限VIP下载，请先

收藏点赞 (0)

免责声明： 1、本站信息来自网络，版权争议与本站无关 2、本站所有主题由该帖子作者发表，该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体，但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。 6、您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站（QQ:2978513101），本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站信息来自网络，版权争议与本站无关。您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。如有侵权请邮件与我们联系处理。

h23bc python 金融信贷风控的机器学习实战 https://h23bc.com/2075.html