[正版] 智能风控:Python金融风险管理与评分卡建模 计算机网络 计算机控制仿真与人工智能 书籍

         店铺公告

  为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货），

关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

  本店存在书、古旧书、收藏书、二手书等特殊商品，因受采购成本限制,可能高于定价销售，明码标价，介意者勿拍!

1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍，避免价格争议!

2.店铺无纸质均开具电子，请联系客服开具电子版

（1）作者是风控、AI、算法领域的专家，曾在多家知名金融科技公司从事基于机器学习的风控算法优化工作，经验十分丰富。

（2）从、从信贷风险业务、数据分析与挖掘方法、机器学习模型3个维度展开，详解信用风险量化的数据分析与建模。

（3）基于Python新版本撰写，每个章节都包含问题、案例、算法3个部分，实操性强。

（4）来自西南财经大学、*等学术界和企业界的多位转件高度评价。

（5）全出采用“漫画 公式 代码”的形式，既有趣、易读，又精炼和实操。

序

前言

章　信用管理基础　/1

1.1　信用与管理　/2

1.2　风控术语解读　/3

　1.2.1　信贷基础指标　/4

　1.2.2　信贷风险指标　/5

1.3　企业信贷风控架构　/7

1.4　本章小结　/10

第2章　评分卡　/11

2.1　评分卡概念　/12

　2.1.1　适用客群　/13

　2.1.2　用途　/14

2.2　建模流程　/15

2.3　模型设计　/16

　2.3.1　业务问题转化　/17

　2.3.2　账龄分析与时间窗口设计　/17

　2.3.3　数据集切分　/19

　2.3.4　样本选择　/20

　2.3.5　采样与加权　/21

2.4　数据与变量解读　/25

2.5　本章小结　/26

第3章　机器学习　/27

3.1　基本概念　/28

　3.1.1　空间表征　/29

　3.1.2　模型学习　/31

　3.1.3　模型评价　/32

3.2　广义线性模型　/33

　3.2.1　多元线性回归模型　/34

　3.2.2　经验风险与结构风险　/35

　3.2.3　极大似然估计　/38

3.3　逻辑回归　/39

　3.3.1　sigmoid函数　/40

　3.3.2　似然估计　/41

　3.3.3　多项逻辑回归学习　/41

　3.3.4　标准化　/42

3.4　性能度量　/44

　3.4.1　误差　/45

　3.4.2　混淆矩阵与衍生指标　/45

　3.4.3　不均衡模型评价　/48

　3.4.4　业务评价　/52

3.5　上线部署与监控　/55

　3.5.1　上线部署　/55

　3.5.2　前端监控　/57

　3.5.3　后端监控　/59

3.6　迭代与重构　/61

　3.6.1　模型迭代　/61

　3.6.2　模型重构　/62

3.7　辅助模型　/62

　3.7.1　XGBoost　/63

　3.7.2　模型解释性　/74

　3.7.3　因子分解机　/81

3.8　模型合并　/82

3.9　本章小结　/86

第4章　用户分群　/87

4.1　辛普森悖论　/88

4.2　监督分群　/90

　4.2.1　决策树原理　/90

　4.2.2　决策树分群　/92

　4.2.3　生成拒绝规则　/95

4.3　无监督分群　/105

　4.3.1　GMM原理　/106

　4.3.2　GMM分群　/107

4.4　用户画像与聚类分析　/108

　4.4.1　数据分布可视化　/109

　4.4.2　K均值聚类　/110

　4.4.3　均值漂移聚类　/111

　4.4.4　层次聚类　/113

　4.4.5　tSNE聚类　/114

　4.4.6　DBSCAN聚类　/115

　4.4.7　方差分析　/117

4.5　本章小结　/119

第5章　数据探索与特征工程　/120

5.1　探索性数据分析　/121

　5.1.1　连续型变量　/122

　5.1.2　离散型变量　/123

　5.1.3　代码实现　/123

5.2　特征生成　/126

　5.2.1　特征聚合　/127

　5.2.2　特征组合　/145

5.3　特征变换　/147

　5.3.1　卡方分箱　/148

　5.3.2　聚类分箱　/150

　5.3.3　分箱对比　/151

　5.3.4　箱的调整　/154

　5.3.5　两种特殊的调整方法　/156

　5.3.6　WOE映射　/158

5.4　本章小结　/158

第6章　特征筛选与建模　/159

6.1　初步筛选　/160

　6.1.1　缺失率　/160

　6.1.2　信息量　/161

　6.1.3　相关性　/162

　6.1.4　代码实现　/163

6.2　逐步回归　/164

　6.2.1　F检验　/165

　6.2.2　常见逐步回归策略　/165

　6.2.3　检验标准　/166

　6.2.4　代码实现　/167

6.3　稳定性　/167

6.4　负样本分布图　/169

6.5　评分卡案例　/171

6.6　本章小结　/189

第7章　拒绝推断　/190

7.1　偏差产生的原因　/191

7.2　数据验证　/193

7.3　标签分裂　/193

7.4　数据推断　/195

　7.4.1　硬截断法　/195

　7.4.2　模糊展开法　/198

　7.4.3　重新加权法　/199

　7.4.4　外推法　/200

　7.4.5　迭代再分类法　/202

7.5　本章小结　/204

第8章　模型校准与决策　/205

8.1　模型校准的意义　/206

8.2　校准方法　/207

　8.2.1　通用校准　/208

　8.2.2　多模型校准　/210

　8.2.3　错误分配　/214

　8.2.4　权重还原　/215

8.3　决策与应用　/215

　8.3.1　评分切分　/216

　8.3.2　交换集分析　/216

　8.3.3　人工干预　/218

8.4　本章小结　/219

第9章　模型文档　/220

9.1　模型背景　/221

9.2　模型设计　/222

　9.2.1　模型样本　/222

　9.2.2　坏客户定义　/222

9.3　数据准备　/223

　9.3.1　数据提取　/223

　9.3.2　历史趋势聚合　/224

　9.3.3　缺失值与极值处理　/224

　9.3.4　WOE处理　/225

9.4　变量筛选　/225

　9.4.1　根据IV值进行初筛　/226

　9.4.2　逐步回归分析　/226

　9.4.3　模型调优　/226

9.5　终模型　/227

　9.5.1　模型变量　/227

　9.5.2　模型表现　/228

　9.5.3　模型分制转换　/228

9.6　表现追踪　/228

9.7　附件　/229

9.8　本章小结　/231

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。

 梅子行

风控技术专家、AI技术专家和算法专家，历任多家知名金融科技公司的算法研究员、数据挖掘工程师。师承Experian、Discover等企业的风控专家，擅长深度学习、复杂网络、迁移学习、异常检测等非传统机器学习方法，热衷于数据挖掘以及算法的跨领域优化实践。

著有畅销书《智能风控：原理、算法与工程实践》，是本书的姊妹篇。

公众号与知乎专栏：“大数据风控与机器学习”。

荣获当当第六届影响力作家评选“科技新星作家”奖。

毛鑫宇

品牌视觉设计师、插画设计师。曾任职国内知名文旅公司品牌设计师，设计打造知名文化旅游目的地及品牌设计案例，作为插画设计师完成《智能风控：原理、算法与工程实践》一书。擅长品牌视觉设计、IP形象设计、插画设计，致力于用设计创造价值，让设计在跨领域合作中碰撞出更多的可能性。站酷设计师主页为“白鸽巡游记”。