《金融信贷风控的机器学习实战》

899.00

课程名称:
《金融信贷风控的机器学习实战》
主讲老师:
田野 毕业于南洋理工大学统计系,曾在外资银行总部和国内大型互联网金融公司从事模型开发工作,包括营销模型、信用风险模型等。擅长机器学习的常用算法在营销和风控等实际领 域的应用。擅长的数据分析语言有R,SAS和Python。此外,对银行客群的行为分析也有丰富的相关经验,包括流失预警和消费预测等业务场景。
课程简介:
在金融贷款机构中,风控部门是核心部门之一。风控体系的好坏直接决定机构盈利能力和存活能力。本课程将介绍数据分析技术如何应用在互联网金融行业风控部门涉及到的信贷违约预测和催收还款预测。课程中将使用贴近真实业务场景的数据,并且给出切实可行的解决方法。
课程内容说明:
在本期课程中,我们将实用真实的业务数据介绍信贷机构在信用风控领域常用的三种风险预测模型,从而帮助学员了解贷前审核、贷中预警、逾期催收的风控量化途径。同时学员也能掌握目前评分卡模型最前沿的技术。
面向人群:
1. 对金融业感兴趣,想从事银行业、互联网金融行业风控业务
2. 金融行业数据分析从业人员,并且有一定的数据分析基础和编程能力的学员
学习收益:
1. 熟悉金融行业业务,助力快速适应金融行业数据分析
2. 掌握风控业务中的违约预测技术,熟悉构建怎样的特征和模型来降低信贷业务中的违约损失
开课时间:
2017年12月6日
学习方式:
在线直播,共10次课,每次2小时
每周2次(周三、周五,晚上20:00 - 22:00)
直播后提供录制回放视频,可在线反复观看,有效期1年
课程大纲:
第一课:互联网金融业申请评分卡的介绍
1. 信贷违约的基本概念
2. 申请评分卡在互联网金融业的重要性和特性
3. 贷款申请环节的数据介绍和描述
4. 非平衡样本问题的定义和解决方法
5. 过抽样和欠抽样,SMOTE算法
第二课:申请评分卡中的数据预处理和特征衍生
1. 构建信用风险类型的特征
2. 特征的分箱
分箱的优点
Best-KS分箱法和卡方分箱法
3. 特征信息度的计算和意义
第三课:申请评分卡中的数据预处理和特征衍生(续)
1. 特征分箱后如何编码
WOE的概念、优点和计算
2. 信用风险中的单变量分析和多变量分析
第四课:逻辑回归模型在申请评分卡中的应用
1. 逻辑回归在申请评分卡中的作用的概述
2. 降维的方法
主成分法
3. 变量选择的方法
LASSO方法
逐步回归法
随机森林法
第五课:评分卡模型的评价标准
1. 模型对违约与非违约人群的区分度:KS
2. 模型的准确度衡量:AR
尽可能抓住足够多的违约人群
尽可能不误抓非违约人群
3. 评分卡模型其他常用的评价指标
PSI
Kendal’s Tau
第六课:行为评分卡模型的介绍
1. 行为评分卡的基本概念
2. 行为评分卡的特征构造
3. 行为评分卡模型的开发
第七课:催收评分卡(还款率)模型的介绍
1. 催收评分卡的基本概念
2. 还款率模型的特征构造
3. 还款率模型的开发
第八课:机器学习模型用于评分卡模型-GBDT
1. GBDT模型如何应用在违约预测模型中
2. 如何从违约数据中推导GBDT模型的参数
3. GBDT模型对防范客户违约的指导意义
第九课:深度学习模型用于评分卡模型
1. 深度学习模型如何应用在违约预测模型中
2. 如何从客户违约数据中推导深度学习模型的参数
3. 深度学习模型对防范客户违约的指导意义
4. 深度学习模型和GBDT模型在违约预测工作中的功效比较
第十课:前沿研究-组合评分卡模型
1. 组合模型概述
2. 串行结构的评分组合模型
3. 异态并行结构的评分组合模型
4. 同态并行结构的评分组合模型
常见问题:
Q: 本门课程需要什么基础 ?
A: 了解线性代数,微积分,概率论与数理统计,以及有一定R/Python编程基础
Q: 课程中使用的软件工具是什么?会提供课程中使用的代码吗?
A: 课程中使用工具为R/Python 2.7,会提供代码
Q: 学习过程中,有疑问怎么解决?
A: 可以在http://wenda.chinahadoop.cn/提问, 老师会解答;也可以在群里和同学讨论
联系方式:
参团后,请加客服微信:13126576580
手机:13126576580
邮件:admin@chinahadoop.cn
网站:http://www.chinahadoop.cn

授课教师

田野  毕业于新加坡国立大学统计系,曾在外资银行总部和国内领先的咨询服务公司从事模型 开发工作,包括营销模型、信用风险模型等。擅长机器学习的...