金融风险建模实战课程线下班北京站第十三期 内容包括:信贷风控,模型,反欺诈,信用评分卡,机器学习,深度学习,知识图谱,分类算法,随机森林,逻辑回归、XGBoost、复杂网络模型,调优策略等
收起
金融风险建模实战课程线下班北京站第十三期
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。但是信贷风控领域的模型开发和策略制定还是面临很大挑战。传统的信贷风控主要依靠资深从业人员自身的经验设置专家规则。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解决风控问题。
本课程从实战出发,使学员快速掌握精准营销模型、申请和行为信用评分卡、申请和交易反欺诈模型、反薅羊毛模型的精髓和实施重点。对于算法基础薄弱的同学更是福音,本课程秉承大道至简的原则,用易懂的方式一步步带领大家构建逻辑回归、XGBoost、复杂网络模型等算法的风控模型。
2019年1月12日(周六) 9:30 -- 2019年1月13日(周日)17:30
北京海淀区中关村数码大厦B座1102A
第一天上午:
1、风控模型体系构建
1.1信贷审批风险点识别
1.2客户信息的数字化
1.3分类算法基本原理
1.4信贷审批模型体系的设定原理:目标函数差异化理论
2、贷款产品营销获客模型
2.1 贷款产品营销模型的业务理解:建模的目标函数
2.2 构建贷款产品营销响应模型
第一天下午:
3、申请信用评分卡
3.1申请信用评分的业务理解:建模的目标函数
3.2数据提取:确定标签提取准则(滚动分析、Vintage分析)
3.3数据转换:概化、分箱、WoE转换
3.4建立模型与尺度化
3.5模型评估与生命周期管理、模型管理平台讲解
4、行为信用评分卡
4.1行为评分卡的宽表制作
4.2特征工程:特征降维、特征升维
4.3使用组合算法提高预测精度
4.4复杂模型的超参数调优策略
第二天上午:
5、交易反欺诈模型
5.1交易反欺诈模型的业务理解与算法讲解
5.2标签缺失和非监督算法:孤立森林、LOF、One-class-SVM、Autorecoder
5.3不平衡数据问题的处理
5.4决策类模型开发与模型评估
第二天下午:
6、申请反欺诈模型
6.1申请反欺诈特征构建综述-个人属性、行为特征、知识图谱
6.2算法基础:复杂网络中度的度量、子网分割、图的可视化
6.3基于复杂网络的特征提取与模型开发
7、反薅羊毛模型
7.1 基于随机森林的规则归纳
7.2 规则调优策略
Linux7(推荐Ubuntu、Centos)或Windows7、与Python3.5配套的Anaconda。
天善智能是专注于数据领域垂直的社区平台,致力于构建一个基于大数据领域的生态圈,旗下拥有在线学院、问答社区、微课直播、沙龙活动及招聘等内容,与大家一起共同努力推动大数据、数据分析、数据挖掘、商业智能BI、人工智能、机器学习在国内的普及和发展。
秉持“专业”视角,在全国范围举办许多场数据沙龙,传递数据领域资讯,分享建设经验,交流实践心得,成为用户们线下交流、洞察行业的一个窗口。
完成报名后,请添加管理员微信:tianshanliangyong(请务必注明:0112线下课程+公司+姓名+行业) ,随后管理员会将你拉入到活动专属微信交流群中与分享嘉宾提前来次亲密接触。