课程简介
金融科技的进步使得零售金融业务得以为广大有需求的客户提供风险匹配的个人信贷业务。但是即便这样，信贷风控领域的模型开发和策略制定也是挑战最大的。传统的信贷风控主要靠资深从业人员依靠自身的经验设置的专家规则。随着统计学、大数据、机器学习的发展，现代信用风控越来越偏向量化模型的手段来得以解决风控问题。
本课程使用真实场景下的信贷违约数据，从基础的数据分析开始，一步步构建依赖逻辑回归、XGBoost、神经网络模型等方法的风控模型体系。同时，本课程也会展示信贷风控领域中经常面临的挑战和相应的解决方法。
目标收益
培训对象
课程大纲
| 1、信用卡客户之旅与模型体系构建 |
1.1信用卡客户之旅与风险点识别 1.2客户信息的数字化 1.3分类算法基本原理 1.4信用卡客户之旅中模型体系的设定原理 |
| 2、精准营销体系构建 |
2.1基于需求预测的两阶段精准营销模型（涉及连续变量关系探索、变量聚类、变量重要性筛选）及实践 2.2回归与排序类模型开发与模型评估 2.3基于银行产品订购的推荐算法及实践 2.4基于客户画像的精准营销及实践 2.5基于客户关系网络的营销案例 *听课基础：统计检验、线性回归、逻辑回归、神经网络、k-means聚类 |
| 3、申请反欺诈模型（一） |
3.1申请反欺诈模型的业务理解与算法讲解 3.2标签缺失和非监督算法：孤立森林、RNN、One-class-SVM 3.3不平衡数据问题的处理 3.4决策类模型开发与模型评估 *听课基础：逻辑回归、神经网络、GBDT |
| 4、申请反欺诈模型（二） |
4.1申请反欺诈特征构建综述-个人属性、行为特征、知识图谱 4.2算法基础：复杂网络中度的度量、标签传播算法 4.3算法基础：特征降维、特征升维 4.4实践案例 |
| 5、模型管理-以申请信用评分卡为例 |
5.1申请信用评分的业务理解与建模演示 5.2模型评估与生命周期管理、模型管理平台讲解 |
|
6、重要案例讲解 |
6.1反薅羊毛案例讲解 6.2反套现案例讲解 6.3基于APP客户行为的流失预警模型 |
|
1、信用卡客户之旅与模型体系构建 1.1信用卡客户之旅与风险点识别 1.2客户信息的数字化 1.3分类算法基本原理 1.4信用卡客户之旅中模型体系的设定原理 |
|
2、精准营销体系构建 2.1基于需求预测的两阶段精准营销模型（涉及连续变量关系探索、变量聚类、变量重要性筛选）及实践 2.2回归与排序类模型开发与模型评估 2.3基于银行产品订购的推荐算法及实践 2.4基于客户画像的精准营销及实践 2.5基于客户关系网络的营销案例 *听课基础：统计检验、线性回归、逻辑回归、神经网络、k-means聚类 |
|
3、申请反欺诈模型（一） 3.1申请反欺诈模型的业务理解与算法讲解 3.2标签缺失和非监督算法：孤立森林、RNN、One-class-SVM 3.3不平衡数据问题的处理 3.4决策类模型开发与模型评估 *听课基础：逻辑回归、神经网络、GBDT |
|
4、申请反欺诈模型（二） 4.1申请反欺诈特征构建综述-个人属性、行为特征、知识图谱 4.2算法基础：复杂网络中度的度量、标签传播算法 4.3算法基础：特征降维、特征升维 4.4实践案例 |
|
5、模型管理-以申请信用评分卡为例 5.1申请信用评分的业务理解与建模演示 5.2模型评估与生命周期管理、模型管理平台讲解 |
|
6、重要案例讲解 6.1反薅羊毛案例讲解 6.2反套现案例讲解 6.3基于APP客户行为的流失预警模型 |
近期公开课推荐
