課程簡(jiǎn)介
金融科技的進(jìn)步使得零售金融業(yè)務(wù)得以為廣大有需求的客戶提供風(fēng)險(xiǎn)匹配的個(gè)人信貸業(yè)務(wù)。但是即便這樣，信貸風(fēng)控領(lǐng)域的模型開發(fā)和策略制定也是挑戰(zhàn)最大的。傳統(tǒng)的信貸風(fēng)控主要靠資深從業(yè)人員依靠自身的經(jīng)驗(yàn)設(shè)置的專家規(guī)則。隨著統(tǒng)計(jì)學(xué)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)的發(fā)展，現(xiàn)代信用風(fēng)控越來越偏向量化模型的手段來得以解決風(fēng)控問題。
本課程使用真實(shí)場(chǎng)景下的信貸違約數(shù)據(jù)，從基礎(chǔ)的數(shù)據(jù)分析開始，一步步構(gòu)建依賴邏輯回歸、XGBoost、神經(jīng)網(wǎng)絡(luò)模型等方法的風(fēng)控模型體系。同時(shí)，本課程也會(huì)展示信貸風(fēng)控領(lǐng)域中經(jīng)常面臨的挑戰(zhàn)和相應(yīng)的解決方法。
目標(biāo)收益
培訓(xùn)對(duì)象
課程大綱
| 1、信用卡客戶之旅與模型體系構(gòu)建 |
1.1信用卡客戶之旅與風(fēng)險(xiǎn)點(diǎn)識(shí)別 1.2客戶信息的數(shù)字化 1.3分類算法基本原理 1.4信用卡客戶之旅中模型體系的設(shè)定原理 |
| 2、精準(zhǔn)營銷體系構(gòu)建 |
2.1基于需求預(yù)測(cè)的兩階段精準(zhǔn)營銷模型（涉及連續(xù)變量關(guān)系探索、變量聚類、變量重要性篩選）及實(shí)踐 2.2回歸與排序類模型開發(fā)與模型評(píng)估 2.3基于銀行產(chǎn)品訂購的推薦算法及實(shí)踐 2.4基于客戶畫像的精準(zhǔn)營銷及實(shí)踐 2.5基于客戶關(guān)系網(wǎng)絡(luò)的營銷案例 *聽課基礎(chǔ)：統(tǒng)計(jì)檢驗(yàn)、線性回歸、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、k-means聚類 |
| 3、申請(qǐng)反欺詐模型（一） |
3.1申請(qǐng)反欺詐模型的業(yè)務(wù)理解與算法講解 3.2標(biāo)簽缺失和非監(jiān)督算法：孤立森林、RNN、One-class-SVM 3.3不平衡數(shù)據(jù)問題的處理 3.4決策類模型開發(fā)與模型評(píng)估 *聽課基礎(chǔ)：邏輯回歸、神經(jīng)網(wǎng)絡(luò)、GBDT |
| 4、申請(qǐng)反欺詐模型（二） |
4.1申請(qǐng)反欺詐特征構(gòu)建綜述-個(gè)人屬性、行為特征、知識(shí)圖譜 4.2算法基礎(chǔ)：復(fù)雜網(wǎng)絡(luò)中度的度量、標(biāo)簽傳播算法 4.3算法基礎(chǔ)：特征降維、特征升維 4.4實(shí)踐案例 |
| 5、模型管理-以申請(qǐng)信用評(píng)分卡為例 |
5.1申請(qǐng)信用評(píng)分的業(yè)務(wù)理解與建模演示 5.2模型評(píng)估與生命周期管理、模型管理平臺(tái)講解 |
|
6、重要案例講解 |
6.1反薅羊毛案例講解 6.2反套現(xiàn)案例講解 6.3基于APP客戶行為的流失預(yù)警模型 |
|
1、信用卡客戶之旅與模型體系構(gòu)建 1.1信用卡客戶之旅與風(fēng)險(xiǎn)點(diǎn)識(shí)別 1.2客戶信息的數(shù)字化 1.3分類算法基本原理 1.4信用卡客戶之旅中模型體系的設(shè)定原理 |
|
2、精準(zhǔn)營銷體系構(gòu)建 2.1基于需求預(yù)測(cè)的兩階段精準(zhǔn)營銷模型（涉及連續(xù)變量關(guān)系探索、變量聚類、變量重要性篩選）及實(shí)踐 2.2回歸與排序類模型開發(fā)與模型評(píng)估 2.3基于銀行產(chǎn)品訂購的推薦算法及實(shí)踐 2.4基于客戶畫像的精準(zhǔn)營銷及實(shí)踐 2.5基于客戶關(guān)系網(wǎng)絡(luò)的營銷案例 *聽課基礎(chǔ)：統(tǒng)計(jì)檢驗(yàn)、線性回歸、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、k-means聚類 |
|
3、申請(qǐng)反欺詐模型（一） 3.1申請(qǐng)反欺詐模型的業(yè)務(wù)理解與算法講解 3.2標(biāo)簽缺失和非監(jiān)督算法：孤立森林、RNN、One-class-SVM 3.3不平衡數(shù)據(jù)問題的處理 3.4決策類模型開發(fā)與模型評(píng)估 *聽課基礎(chǔ)：邏輯回歸、神經(jīng)網(wǎng)絡(luò)、GBDT |
|
4、申請(qǐng)反欺詐模型（二） 4.1申請(qǐng)反欺詐特征構(gòu)建綜述-個(gè)人屬性、行為特征、知識(shí)圖譜 4.2算法基礎(chǔ)：復(fù)雜網(wǎng)絡(luò)中度的度量、標(biāo)簽傳播算法 4.3算法基礎(chǔ)：特征降維、特征升維 4.4實(shí)踐案例 |
|
5、模型管理-以申請(qǐng)信用評(píng)分卡為例 5.1申請(qǐng)信用評(píng)分的業(yè)務(wù)理解與建模演示 5.2模型評(píng)估與生命周期管理、模型管理平臺(tái)講解 |
|
6、重要案例講解 6.1反薅羊毛案例講解 6.2反套現(xiàn)案例講解 6.3基于APP客戶行為的流失預(yù)警模型 |
近期公開課推薦
