《金融信贷风控的机器学习实战》
原价¥.00
拼团已达最低价¥.00
点击文末阅读原文参团
课程名称
《金融信贷风控的机器学习实战》(七天无理由退款)
主讲老师
田野:
硕士毕业于新加坡国立大学统计专业。先后在国内外的银行、互联网金融公司工作,有丰富的银行、互联网金融的数据分析经验。期间负责信用风控量化模型的开发,主要用统计模型和机器学习模型对贷款的违约风险和损失进行预测。此外,对银行客群的行为分析也有相关经验,包括流失预警和消费预测等业务场景。
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
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、五,20:00-22:00)
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’sTau
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:会有实际上机演示和动手操作吗?A:有,几乎每节课,老师均会准备上机演示部分,学员可以学习老师的实践经验。
Q:参加本门课程有什么要求?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
参团,咨询,查看课程,