智能風控實踐指南:從模型、特徵到決策
蔣宏
買這商品的人也買了...
-
$505圖解Spark:核心技術與案例實戰
-
$403AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)
-
$254亞馬遜 AWS 雲基礎與實戰
-
$474$450 -
$352關聯數據:萬維網上的結構化數據
-
$258$245 -
$680$578 -
$419$398 -
$354$336 -
$454Python 3 反爬蟲原理與繞過實戰
-
$520$406 -
$653AWS 高級網絡官方學習指南 (專項領域) (AWS Certified Advanced Networking Official Study Guide: Specialty Exam)
-
$414$393 -
$414$393 -
$611金融中的機器學習
-
$449財務報表分析與商業決策
-
$680$537 -
$454金融AI算法:人工智能在金融領域的前沿應用指南
-
$454智能風控平台:架構、設計與實現
-
$600$468 -
$880$792 -
$607利用 Python 實現概率、統計及機器學習方法(原書第2版)
-
$1,014$963 -
$539$512 -
$356強化學習演算法入門
相關主題
商品描述
內 容 提 要
隨著人工智能技術的進步和消費金融行業的快速發展,智能風控已經成為金融行業的剛性需求。本書圍繞智能風控的關鍵環節一一展開,同時結合具體的智能風控實例進行解析。
本書共6章,主要內容包括智能風控的發展,搭建智能風控模型體系,搭建風控特徵畫像體系,搭建智能風控策略體系,智能風控與人工的結合,以及智能風控管理。
本書適合銀行、消費金融與保險等領域信貸風控模型開發人員、特徵挖掘人員和策略分析人員,以及金融科技領域從業者、咨詢行業從業者和其他對智能風控感興趣的人閱讀。
作者簡介
蒋宏,资审模型算法工程师,超过10年风控和模型算法经验,对信贷风控领域包括欺诈风险、信用风险、最优化决策有深入研究,对数据挖掘、机器学习有深入洞察和实践经验,拥有多项模型算法相关专利,具备丰富的风控模型团队管理经验,曾任职德勤信息技术咨询顾问、百融风控模型团队副总监。
目錄大綱
第 1章 智能風控的發展/ 1
1.1 早期的風控技術/ 1
1.1.1 基於人工經驗的風控/ 1
1.1.2 傳統統計量化的風控/ 2
1.2 初識智能風控/ 2
1.2.1 智能風控的定義/ 3
1.2.2 智能風控的發展/ 3
1.2.3 與傳統風控對比/ 4
1.3 智能風控主要應用/ 5
1.3.1 應用於營銷環節/ 6
1.3.2 應用於貸前環節/ 6
1.3.3 應用於貸中環節/ 7
1.3.4 應用於貸後環節/ 8
1.4 本章小結/ 9
第 2章 搭建智能風控模型體系/ 10
2.1 模型概述/ 11
2.2 模型開發方法論——構建好樣本/ 13
2.2.1 問題定義/ 14
2.2.2 樣本的選擇和劃分/ 18
2.2.3 模型架構設計/ 20
2.2.4 數據準備和數據描述/ 21
2.2.5 數據預處理/ 24
2.3 模型開發方法論——構建好模型/ 33
2.3.1 特徵選擇/ 33
2.3.2 特徵提取/ 44
2.3.3 模型訓練、概率轉化和效果評估/ 46
2.3.4 模型部署及上線驗證/ 54
2.4 常用風控建模智能算法/ 56
2.4.1 基礎學習算法/ 56
2.4.2 集成學習算法/ 65
2.4.3 深度學習算法/ 74
2.5 模型迭代優化/ 81
2.5.1 模型融合角度/ 82
2.5.2 建模時效角度/ 85
2.5.3 拒絕推斷角度/ 86
2.6 風控模型體系搭建/ 92
2.6.1 營銷階段的模型/ 92
2.6.2 貸前階段的模型/ 93
2.6.3 貸中階段的模型/ 94
2.6.4 貸後階段的模型/ 95
2.7 模型監控和異常處理/ 96
2.7.1 模型監控和預警/ 96
2.7.2 模型異常處理/ 100
2.8 本章小結/ 100
第 3章 搭建風控特徵畫像體系/ 102
3.1 特徵挖掘概述/ 102
3.2 特徵挖掘方法論/ 103
3.2.1 原始數據分析/ 103
3.2.2 數據清洗/ 104
3.2.3 中間數據集構建/ 109
3.2.4 特徵的設計和生成/ 115
3.2.5 特徵評估/ 124
3.2.6 特徵上下線/ 126
3.3 特徵挖掘智能算法/ 127
3.3.1 特徵衍生/ 127
3.3.2 文本特徵挖掘/ 132
3.3.3 圖特徵挖掘/ 142
3.4 風控特徵畫像體系的搭建/ 148
3.4.1 營銷特徵畫像/ 148
3.4.2 貸前特徵畫像/ 149
3.4.3 貸中特徵畫像/ 153
3.4.4 貸後特徵畫像/ 155
3.5 特徵監控和特徵異常處理/ 155
3.5.1 特徵監控/ 155
3.5.2 特徵異常處理/ 156
3.6 本章小結/ 157
第 4章 搭建智能風控策略體系/ 158
4.1 風控策略概述/ 158
4.2 風控策略方法論/ 159
4.2.1 規則分析方法/ 159
4.2.2 模型策略分析方法/ 169
4.2.3 額度策略分析方法/ 178
4.2.4 A/B測試/ 183
4.3 風控策略智能算法/ 185
4.3.1 規則挖掘智能算法/ 185
4.3.2 決策優化智能算法/ 189
4.4 風控策略體系的搭建/ 195
4.4.1 營銷策略/ 195
4.4.2 貸前策略/ 196
4.4.3 貸中策略/ 201
4.4.4 貸後策略/ 202
4.5 風控策略的監控、預警和異常處置/ 203
4.5.1 風控策略的監控與預警/ 203
4.5.2 風控策略異常處置/ 207
4.6 本章小結/ 208
第 5章 智能風控與人工的結合/ 209
5.1 機器學習的局限性/ 209
5.1.1 數據不足/ 209
5.1.2 可解釋性低/ 210
5.1.3 因果難區分/ 210
5.1.4 模型自身的風險/ 212
5.2 發揮人的價值/ 212
5.2.1 異常識別/ 212
5.2.2 案例研究/ 213
5.2.3 黑產對抗/ 213
5.3 決策方案的選擇/ 214
5.3.1 完全智能決策/ 214
5.3.2 部分智能決策/ 215
5.4 本章小結/ 216
第 6章 智能風控管理/ 217
6.1 建立持續復盤機制/ 217
6.2 制訂風險預防和應對措施/ 218
6.3 制訂存檔管理措施/ 218
6.4 建立透明的溝通渠道/ 219
6.5 建立工作體系標準/ 220
6.6 應用團隊協作工具/ 220
6.7 本章小結/ 222
參考文獻/ 223