python金融风控评分卡模型
作者：互联网
python金融风控评分卡模型和数据分析微专业课（博主录制）： [ http://dwz.date/b9vv
](https://study.163.com/series/1202875601.htm?share=2&shareId=400000000398149)
作者Toby：持牌照消费金融模型专家，和中科院，中科大教授保持长期项目合作；和同盾，聚信立等外部数据源公司有项目对接。熟悉消费金融场景业务，线上线下业务，包括现金贷，商品贷，医美，反欺诈，汽车金融等等。模型项目200+，擅长Python机器学习建模，对于变量筛选，衍生变量构造，变量缺失率高，正负样本不平衡，共线性高，多算法比较，调参等疑难问题有良好解决方法。
（原创课程，版权所有，项目合作QQ：231469242，微信公众号：pythonEducation）
**
课程介绍
**
python金融风控评分卡模型和数据分析微专业课包含《python信用评分卡建模（附代码）》，《python风控建模实战lendingClub》，《金融现金贷用户数据分析和画像》三套课程系列，共计250节课左右，录制时间超过3年，定期更新。这套微专业课程是互联网上最全，最专业的python信贷建模教程。
针对银行，消费金融的现金贷等线上贷款场景，金融信贷领域建模型和数据分析很难？逻辑回归评分卡/catboost/xgboost/lightgbm/等模型用python一次全部搞定！由易到难，带你从菜鸟轻松晋级kaggle级建模高手。碰到问题还有老师答疑哦
~实操项目包括德国信用卡数据，P2P的lendingClub和华为举办的消费者信用评分百万奖金挑战赛，课程建模数据量10万+，都是干货和经典。
《python信用评分卡建模（附代码）》：360度讲解python信用评分卡构建流程，附代码和老师答疑。弥补网上信息参差不齐短板
《python风控建模实战lendingClub》此课程是针对集成树模型，包括catboost，lightgbm，xgboost。这两个课程算法原理是不同的。
此课程catboost集成树算法有诸多优点，自动化处理缺失数据，自动化调参，无需变量卡方分箱。学员学完后不再为数据预处理，调参，变量分箱而烦恼。此教程建立模型性能卓越，最高性能ks:0.5869,AUC:0.87135，远超互联网上其它建模人员性能。
《金融现金贷用户数据分析和画像》：此课程用python代码对LendingClub平台贷款数据分析和用户画像，针对银行，消费金融，现金贷等场景，教会学员用python实现金融信贷申请用户数据分析。项目采用lendingclub
12万多条真实信贷数据，包括用户年收入，贷款总额，分期金额，分期数量，职称，住房情况等几十个维度。通过课程学习，我们发现2019年四季度时候，美国多头借贷情况非常严重，为全球系统性金融危机埋下种子。
课程目的
为了从银行/消费金融公司的角度将信贷损失降到最低，银行需要制定决策规则，确定谁批准贷款，谁不批准。
在决定贷款申请之前，贷款经理会考虑申请人的信用水平。lendingClub信贷数据包含有关100多个变量的数据，以及10万多个贷款申请者被认为是好信用风险还是坏信用风险的分类。
预期基于此数据开发的预测模型将为银行经理/CRO/贷前审批人员提供指导，以根据他/她的个人资料来决定是否批准准申请人的贷款。用户画像和数据分析为高层提供决策依据，熟悉公司客户特征，为定制营销做好充分基础工作。
课程特点
1.了解机器学习建模实战，lendingClub包含几十万条实操数据，消费者信用评分竞赛也有十万多建模数据。学员可以跟着视频筛选变量，建模，体验快乐成功感！
2.课程为实战类，提供课程涉及python代码和建模数据，在第17课的参考资料下载（电脑端登录）
3.完善售后服务，提供售前售后邮件答疑，QQ答疑。
课程目录
《python信用评分卡建模（附代码）》
章节1前言
章节1Python环境搭建
课时1 建评分卡模型，python，R，SAS谁最好？
课时2 Anaconda快速入门指南
课时3 Anaconda下载和安装
课时4 canopy下载和安装
课时5 Anaconda Navigato导航器
课时6 python安装第三方包：pip和conda install
课时7 Python非官方扩展包下载地址
课时8 Anaconda安装不同版本python
课时9 jupyter1_为什么使用jupyter notebook？
课时10 jupyter2_jupyter基本文本编辑操作
课时11 如何用jupyter notebook打开指定文件夹内容？
课时12 jupyter4_jupyter转换PPT实操
课时13 jupyter notebook用matplotlib不显示图片解决方案
章节2 python编程基础知识
课时14 Python文件基本操作
课时15 变量_表达式_运算符_值
课时16 字符串string
课时17 列表list
课时18 程序的基本构架（条件，循环）
课时19 数据类型_函数_面向对象编程
课时20 python2和3的区别
课时21 编程技巧和学习方法
章节3 python机器学习基础
课时22 UCI机器学习常用数据库介绍
课时23 机器学习书籍推荐
课时24 如何选择算法
课时25 机器学习语法速查表
课时26 python数据科学常用的库
课时27 python数据科学入门介绍(选修)
章节4 德国信用评分数据下载和介绍
课时28 35德国信用评分数据下载和介绍
章节5信用评分卡开发流程（上）
课时29 评分卡开发流程概述
课时30 第一步：数据收集
课时31 第二步：数据准备
课时32 变量可视化分析
课时33 样本量需要多少？
课时34 坏客户定义
课时35 第三步：变量筛选
课时36 变量重要性评估_iv和信息增益混合方法
课时37 衍生变量05:01
课时38 第四步：变量分箱01:38
章节6信用评分卡开发流程（下）
课时39 第五步：建立逻辑回归模型
课时40 odds赔率
课时41 woe计算
课时42 变量系数
课时43 A和B计算
课时44 Excel手动计算坏客户概率
课时45 Python脚本计算坏客户概率
课时46 客户评分
课时47 评分卡诞生-变量分数计算
课时48 拒绝演绎reject inference
课时49 第六步：模型验证
课时50 第七步：模型部署
课时51 常见模型部署问题
章节7 Python信用评分卡-逻辑回归脚本
课时52 Python信用评分卡脚本运行演示
课时53 描述性统计脚本_缺失率和共线性分析
课时54 woe脚本(kmean分箱)
课时55 iv计算独家脚本
课时56 Excel手动推导变量woe和iv值
课时57 评分卡脚本1（sklearn）
课时58 评分卡脚本2（statsmodel）
课时59 生成评分卡脚本
课时60 模型验证脚本
章节8PSI(population stability index)稳定指标
课时61 拿破仑远征欧洲失败/华尔街股灾真凶-PSI模型稳定指标揭秘
课时62 excel推导PSI的计算公式
课时63 PSI计算公式原理_独家秘密
课时64 PSI的python脚本讲解
章节9难点1_坏客户定义
课时65 坏客户定义错误，全盘皆输
课时66 不同场景坏客户定义不一样，坏客户定义具有反复性
课时67 坏客户占比不能太低
课时68 vintage源于葡萄酒酿造
课时69 vintage用于授信策略优化
章节10难点2_woe分箱
课时70 ln对数函数
课时71 excel手动计算woe值
课时72 python计算woe脚本
课时73 Iv计算推导
课时74 woe正负符号意义
课时75 WOE计算就这么简单？你想多了
课时76 Kmean算法原理
课时77 python kmean实现粗分箱脚本
课时78 自动化比较变量不同分箱的iv值
课时79 woe分箱第三方包脚本
章节11难点3_逻辑回归是最佳算法吗？
课时80 逻辑回归是最优算法吗？No
课时81 xgboost_支持脚本下载
课时82 随机森林randomForest_支持脚本下载
课时83 支持向量SVM_支持脚本下载
课时84 神经网络neural network_支持脚本下载
课时85 多算法比较重要性_模型竞赛，百万奖金任你拿
章节12难点4_变量缺失数据处理
课时86 imputer-缺失数据处理
课时87 xgboost简单处理缺失数据
课时88 catboost处理缺失数据最简单
章节13难点5.模型验证
课时89 模型需要验证码？
课时90 商业银行资本管理办法(试行)
课时91 模型验证_信用风险内部评级体系监管要求
课时92 模型验证主要指标概述
课时93 交叉验证cross validation
课时94 groupby分类统计函数
课时95 KS_模型区分能力指标
课时96 混淆矩阵（accuracy,precision，recall，f1 score）
章节14难点6.逻辑回归调参
课时97 菜鸟也能轻松调参
课时98 调参1_Penalty正则化选择参数
课时99 调参2_classWeight类别权重
课时100 调参3_solver优化算法选择参数
课时101 调参4_n_jobs
课时102 L-BFGS算法演化历史
课时103 次要参数一览
章节16 风控管理和诈骗中介（选修）
课时104 网络信贷发展史
课时105 诈骗中介
课时106 风控管理
课时107 告别套路贷，高利贷，选择正确贷款方式
章节17 2018-2019消费金融市场行情
课时108 揭秘：近年消费金融火爆发展根本原因
课时109 持牌照消费金融公司盈利排行榜
课时110 消费金融，风控技术是瓶颈
课时111 谁能笑到最后：2018-2019消费金融公司注册资本
课时112 萝卜加大棒：中央政策监管趋势独家预测
课时113 信用是金融交易的基石_P2P倒闭潮秘密
章节18 2018-2019年全球宏观经济
课时114 专家不会告诉你的秘密：美元和黄金真实关系
课时115 宏观经济主要指标：债务率和失业率
课时116 2019年中国宏观经济分析_赠人民银行发布2018n年中国金融稳定报告
课时117 2019年G20国家宏观经济信息汇总_供下载
课时118 全球系统金融风险
课时119 基尼系数_贫富差异指标
课时120 GDP_利率_通货膨胀
课时121 失业率_债务率
课时122 贸易差额_中美贸易战根本原因
课时123 信用评级_阿根廷金融危机独家解读
《python风控建模实战lendingClub》
章节1 python编程环境搭建
课时1风控建模语言，python，R，SAS优劣对比
课时2Anaconda快速入门指南
课时3Anaconda下载安装
课时4canopy下载和安装
课时5Anaconda Navigator导航器05:38
课时6python第三方包安装(pip和conda install)
课时7Python非官方扩展包下载地址
课时8Anaconda安装不同版本python
课时9为什么使用jupyter notebook及如何安装
课时10如何用jupyter notebook打开指定文件夹内容？
课时11jupyter基本文本编辑操作
课时12jupyter生成在线PPT汇报文档
课时13jupyter notebook用matplotlib不显示图片解决方案
章节2 python编程基础
课时14Python文件基本操作
课时15python官网
课时16变量_表达式_运算符_值
课时17字符串string
课时18列表list
课时19程序的基本构架（条件，循环）
课时20数据类型_函数_面向对象编程
课时21python2和3区别
课时22编程技巧和学习方法
章节3 python机器学习基础知识
课时23UCI机器学习数据库介绍
课时24机器学习书籍推荐
课时25如何选择算法
课时26sklearn机器学习算法速查表
课时27python数据科学常用的库
课时28python数据科学入门介绍（选修）
章节4 lendingClub业务介绍（P2P鼻祖）
课时29lendingClub业务简介
课时30lendingclub债务危机及深层次时代背景
课时31lendingClub官网数据下载(或本集参考资料下载)
章节5catboost基础介绍
课时32catboost基础知识讲解-比xgboost更优算法登场
课时33catboost官网介绍
章节6 lengding Club实战_catboost分类器模型
课时34数据清洗和首次变量筛选
课时35catboost第三方包下载和安装
课时36import导入建模的包
课时37读取数据和描述性统计
课时38train，test训练和测试数据划分
课时39fit训练模型
课时40模型验证概述
课时41树模型需要相关性检验吗？
课时42交叉验证cross validation
课时43混淆矩阵理论概述，accuracy，sensitivity，precision，F1分数
课时44混淆矩阵python脚本实现
课时45计算模型ks(Kolmogorov-Smirnoff)
课时46catboost1_建模脚本连贯讲解
课时47catboost2_第二次变量筛选
课时48catboost3_分类变量cat_features使用
章节7KS（Kolmogorov–Smirnov）模型区分能力指标
课时49KS简介
课时50step1获取模型分
课时51step2_计算ks_方法1
课时52step3_计算ks_方法2
课时53step4_计算ks_excel推理
课时54step5_绘制KS图
课时55step6_KS评估函数
课时56step7_KS脚本汇总_分治算法
课时57step8_KS缺陷
章节8AUC（Area Under Curve）模型区分能力指标
课时58excel绘制ROC曲
课时59python计算AUC很简单
课时60python轻松绘制ROC曲线
课时61AUC评估函数_AUC多大才算好？
课时62Gini基尼系数基本概念和AUC关系
章节9pickle保存模型
课时63pickle保存和导入模型包_避免重复训练模型时间
章节10PSI模型稳定性评估指标（上）
课时64拿破仑和希特勒征服欧洲为何失败？数学PSI指标揭露历史真相
课时65excel手把手教你推导PSI的计算公式
课时66PSI计算公式奥义
课时67PSI的python脚本讲解
章节11PSI模型稳定性评估指标（下）
课时68step1.筛选lendingClub2018年Q3和Q4数据
课时69step2_计算train，test，oot模型分
课时70step3.计算Q3和Q4模型分PSI
章节12模型维度与边际效应
课时71边际效应基本概念
课时72模型维度与边际效应,变量越多越好吗？
课时73降维实操，结果让人吃惊！
课时74模型变量数量越多，区分能力（ks）越高吗？
章节13catboost分类变量处理
课时75 One-hot encoding热编码
课时76 cat_features分类变量处理（数值型）1
课时77 cat_features分类变量处理（字符串类型）
课时78 不同分类变量处理方法的结果对比
章节14catboost调参
课时79GridSearchCV网格调参简述
课时80iterations树的颗树
课时81eval_metric评估参数（logloss_AUC_Accuracy_F1_Recall）
课时82learning_rate学习率
课时83树深度depth（max_depth）
课时84 l2_leaf_reg正则系数L2调参
章节15多算法比较
课时85xgboost分类器模型
课时86lightgbm分类器建模
课时87逻辑回归分类器和多算法比较结果
章节16消费者信用评分实战_回归模型
课时88机器学习回归竞赛_一百万奖金挑战
课时89线性回归基础知识（最小二乘法OLS）
课时90梯度下降法gradient descent
课时91误差error_偏差bias_方差variance
课时92shrinkage特征缩减技术_正则化
课时93ridge岭回归_lasso回归_elasticNetwork弹性网络
课时94sklearn_ridge岭回归脚本
课时95逻辑回归_regression脚本
课时96支持向量回归SVR脚本
课时97随机森林randomForest回归脚本
课时98xgboost regression回归脚本
课时99catboost regressor回归脚本
课时100lightgbm基础知识讲解
课时101lightgbm regressor回归脚本
课时102sequencial线性模型回归预测脚本
《金融现金贷用户数据分析和画像》
章节1python编程环境搭建
课时1.金融现金贷用户数据分析和画像_介绍视频
课时2.Anaconda快速入门指南
课时3.Anaconda下载安装
课时4.python第三方包安装(pip和conda install)
章节2金融现金贷用户数据分析和画像
课时5.描述性统计-知己知彼百战百胜
课时6.好坏客户占比严重失衡
课时7不要用相关性分析杀人
课时8变量相关性分析-你不知道的秘密
课时9贷款金额和趋势分析-2018年Q4信贷略有缩紧
课时10产品周期分析-看来lendingclub是短周期借贷平台
课时11用户工龄分析-10年工龄用户最多
课时12年收入分析-很多美国人年薪5万美金左右
课时13住房情况与贷款等级-原来美国大部分都是房奴
课时14贷款人收入水平_贷款等级_收入核实多因子分析
课时15贷款用途-美国金融危机浮出水面
博主教学主页： [ http://dwz.date/bwes
](https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149)
标签：章节,脚本,变量,python,模型,课时,风控,评分 来源： https://blog.csdn.net/weixin_51463905/article/details/118569421