大數據：Python風險預測模型

課程特點

消費信貸產業的崛起、壯大和發展，有著非常積極的經濟和社會意義。在充分認識發展消費信貸產業巨大機遇的同時，必須清醒地認識它給金融管理帶來的深刻挑戰。風險與收益相對稱。在消費信貸業務豐厚的盈利潛力背后，暗含著巨大的風險，但我們必須以科學的手段準確地評估風險，以正確的策略有效地控制風險，以最佳的操作來全面地管理風險。

信用評分是對個人或企業信用信息的一種量化描述。具體而言，信用評分模型運用數據挖掘技術和統計分析方法，通過對消費者的身份特征、信用歷史、行為記錄、交易記錄等大量數據進行系統的分析，挖掘數據中蘊含的行為模式與信用特征，捕捉歷史信息和未來信用表現之間的關系，發展出預測性的模型，以一個信用評分來綜合評估消費者未來的某種信用表現。

信用評分卡是一種常用的金融風控手段，根據評分結果來選擇是否進行授信或劃分不同的授信額度和利率，以降低金融交易過程中的損失風險。信用評分卡有一套完整的開發流程，本文將試圖從評分卡建立所涉及的背景知識，評分卡建立的基本流程兩個方面來從整體上理解信用評分卡的作用以及建模方法。

教學方法

理論講解+案例分析+視頻分享+課堂練習+實戰演練+小組研討+互動答疑

課程大綱

第一章 風險分析和信用風險的概念

(一) 信用風險模型分析

(二) 信用和風險是什么

(三) 什么是評分卡

(四) 信用評分卡的業務含義

(五) 評分卡的重要組成部分

第二章 信用評分體系及業務流程

(一) 產品業務分析和需求調研

(二) 模型評分的業務體系

(三) 信用評分卡整體架構

(四) 信用評分建模流程

第三章 信用評分建模流程及實現過程

3.1 業務理解和目標變量

(一) 業務理解(目標變量)

(二) 數據理解（時間窗口選擇等）

(三) 數據準備(拒絕推斷/數據處理)

3.2 數據預處理

(四) 數據的橫向縱向合并

(五) 錯誤值、缺失值、異常值處理

(六) 相關性分析

(七) 分類變量的相關關系

3.3 模型擬合探索

(八) 線性回歸

(九) 線性回歸診斷

(十) 正則化方法

3.4 模型建立和指標驗證

(十一) 模型擬合統計量(基于WOE的logit回歸)

(十二) 模型指標

(十三) 模型檢測

第四章 信用模型評分過程和模型驗證方法

(一) 模型驗證業務要求

(二) 模型驗證中的數據要求

(三) 模型驗證的指標，業務含義以及要求

(四) 模型驗證的方法和實現

第五章 模型策略制定和實現方法

(一) 模型策略制定方法

(二) 模型策略實現的流程

(三) 模型策略和Cutoff關系以及實現

第六章 模型監控及實現方法

(一) 模型監控方法

(二) 模型監控內容和變量

(三) 模型指標監控（模型樣本穩定指標PSI）實現

機器學習實戰案例

1、 風險建模的業務流程

2、 基于大數據的信用卡評分風險模型構建