《智能风控》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。作者在多加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，资深风控技术专家、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等企业的资深风控专家，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，资深品牌视觉设计师、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”。

作品目录

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
1.3、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
2.2、建模流程
2.3、模型设计
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
3.2、广义线性模型
3.3、逻辑回归
3.4、性能度量
3.5、上线部署与监控
3.6、迭代与重构
3.7、辅助模型
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
4.3、无监督分群
4.4、用户画像与聚类分析
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
5.2、特征生成
5.3、特征变换
5.4、本章小结
第6章：特征筛选与建模
6.1、初步筛选
6.2、逐步回归
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
7.5、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
8.3、决策与应用
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
9.3、数据准备
9.4、变量筛选
9.5、最终模型
9.6、表现追踪
9.7、附件
9.8、本章小结