书籍详情

智能风控实践指南:从模型、特征到决策

智能风控实践指南:从模型、特征到决策

作者:蒋宏 著

出版社:人民邮电出版社

出版时间:2022-06-01

ISBN:9787115575975

定价:¥89.90

购买这本书可以去
内容简介
  内 容 提 要 随着人工智能技术的进步和消费金融行业的快速发展,智能风控已经成为金融行业的刚性需求。本书围绕智能风控的关键环节一一展开,同时结合具体的智能风控实例进行解析。本书共6章,主要内容包括智能风控的发展,搭建智能风控模型体系,搭建风控特征画像体系,搭建智能风控策略体系,智能风控与人工的结合,以及智能风控管理。本书适合银行、消费金融与保险等领域信贷风控模型开发人员、特征挖掘人员和策略分析人员,以及金融科技领域从业者、咨询行业从业者和其他对智能风控感兴趣的人阅读。
作者简介
  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、*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。
目录
第 1章 智能风控的发展/ 1
1.1 早期的风控技术/ 1
1.1.1 基于人工经验的风控/ 1
1.1.2 传统统计量化的风控/ 2
1.2 初识智能风控/ 2
1.2.1 智能风控的定义/ 3
1.2.2 智能风控的发展/ 3
1.2.3 与传统风控对比/ 4
1.3 智能风控主要应用/ 5
1.3.1 应用于营销环节/ 6
1.3.2 应用于贷前环节/ 6
1.3.3 应用于贷中环节/ 7
1.3.4 应用于贷后环节/ 8
1.4 本章小结/ 9
第 2章 搭建智能风控模型体系/ 10
2.1 模型概述/ 11
2.2 模型开发方法论——构建好样本/ 13
2.2.1 问题定义/ 14
2.2.2 样本的选择和划分/ 18
2.2.3 模型架构设计/ 20
2.2.4 数据准备和数据描述/ 21
2.2.5 数据预处理/ 24
2.3 模型开发方法论——构建好模型/ 33
2.3.1 特征选择/ 33
2.3.2 特征提取/ 44
2.3.3 模型训练、概率转化和效果评估/ 46
2.3.4 模型部署及上线验证/ 54
2.4 常用风控建模智能算法/ 56
2.4.1 基础学习算法/ 56
2.4.2 集成学习算法/ 65
2.4.3 深度学习算法/ 74
2.5 模型迭代优化/ 81
2.5.1 模型融合角度/ 82
2.5.2 建模时效角度/ 85
2.5.3 拒绝推断角度/ 86
2.6 风控模型体系搭建/ 92
2.6.1 营销阶段的模型/ 92
2.6.2 贷前阶段的模型/ 93
2.6.3 贷中阶段的模型/ 94
2.6.4 贷后阶段的模型/ 95
2.7 模型监控和异常处理/ 96
2.7.1 模型监控和预警/ 96
2.7.2 模型异常处理/ 100
2.8 本章小结/ 100
第 3章 搭建风控特征画像体系/ 102
3.1 特征挖掘概述/ 102
3.2 特征挖掘方法论/ 103
3.2.1 原始数据分析/ 103
3.2.2 数据清洗/ 104
3.2.3 中间数据集构建/ 109
3.2.4 特征的设计和生成/ 115
3.2.5 特征评估/ 124
3.2.6 特征上下线/ 126
3.3  特征挖掘智能算法/ 127
3.3.1 特征衍生/ 127
3.3.2 文本特征挖掘/ 132
3.3.3 图特征挖掘/ 142
3.4 风控特征画像体系的搭建/ 148
3.4.1 营销特征画像/ 148
3.4.2 贷前特征画像/ 149
3.4.3 贷中特征画像/ 153
3.4.4 贷后特征画像/ 155
3.5  特征监控和特征异常处理/ 155
3.5.1 特征监控/ 155
3.5.2 特征异常处理/ 156
3.6 本章小结/ 157
第 4章 搭建智能风控策略体系/ 158
4.1 风控策略概述/ 158
4.2 风控策略方法论/ 159
4.2.1 规则分析方法/ 159
4.2.2 模型策略分析方法/ 169
4.2.3 额度策略分析方法/ 178
4.2.4 A/B测试/ 183
4.3 风控策略智能算法/ 185
4.3.1 规则挖掘智能算法/ 185
4.3.2 决策优化智能算法/ 189
4.4 风控策略体系的搭建/ 195
4.4.1 营销策略/ 195
4.4.2 贷前策略/ 196
4.4.3 贷中策略/ 201
4.4.4 贷后策略/ 202
4.5 风控策略的监控、预警和异常处置/ 203
4.5.1 风控策略的监控与预警/ 203
4.5.2 风控策略异常处置/ 207
4.6 本章小结/ 208
第 5章 智能风控与人工的结合/ 209
5.1 机器学习的局限性/ 209
5.1.1 数据不足/ 209
5.1.2 可解释性低/ 210
5.1.3 因果难区分/ 210
5.1.4 模型自身的风险/ 212
5.2 发挥人的价值/ 212
5.2.1 异常识别/ 212
5.2.2 案例研究/ 213
5.2.3 黑产对抗/ 213
5.3 决策方案的选择/ 214
5.3.1 完全智能决策/ 214
5.3.2 部分智能决策/ 215
5.4 本章小结/ 216
第 6章 智能风控管理/ 217
6.1 建立持续复盘机制/ 217
6.2 制订风险预防和应对措施/ 218
6.3 制订存档管理措施/ 218
6.4 建立透明的沟通渠道/ 219
6.5 建立工作体系标准/ 220
6.6 应用团队协作工具/ 220
6.7 本章小结/ 222
参考文献/ 223
猜您喜欢

读书导航