推廣 熱搜: 2022  財(cái)務(wù)  微信  法律    網(wǎng)格化  管理  營(yíng)銷(xiāo)  總裁班  安全 

金融行業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn)

主講老師: 傅一航 傅一航

主講師資:傅一航

課時(shí)安排: 1天/6小時(shí)
學(xué)習(xí)費(fèi)用: 面議
課程預(yù)約: 隋老師 (微信同號(hào))
課程簡(jiǎn)介: 本課程的主要目的是,培養(yǎng)學(xué)員的大數(shù)據(jù)意識(shí)和大數(shù)據(jù)思維,掌握常用的數(shù)據(jù)分析方法和數(shù)據(jù)分析模型,并能夠用于對(duì)客戶行為作分析和預(yù)測(cè),提升學(xué)員的數(shù)據(jù)分析綜合能力。
內(nèi)訓(xùn)課程分類(lèi): 綜合管理 | 人力資源 | 市場(chǎng)營(yíng)銷(xiāo) | 財(cái)務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績(jī)效 | 企業(yè)文化 | 團(tuán)隊(duì)管理 | 行政辦公 | 公司治理 | 股權(quán)激勵(lì) | 生產(chǎn)管理 | 采購(gòu)物流 | 項(xiàng)目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟(jì) | 趨勢(shì)發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營(yíng) | 法律風(fēng)險(xiǎn) | 沙盤(pán)模擬 | 國(guó)企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險(xiǎn)培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國(guó)學(xué)智慧 | 心理學(xué) | 情緒管理 | 時(shí)間管理 | 目標(biāo)管理 | 客戶管理 | 店長(zhǎng)培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) |
更新時(shí)間: 2023-09-01 11:13


課程目標(biāo)】

本課程專注于金融行業(yè)的風(fēng)控模型,面向數(shù)據(jù)分析部等專門(mén)負(fù)責(zé)數(shù)據(jù)分析與建模的人士。

本課程的主要目的是,培養(yǎng)學(xué)員的大數(shù)據(jù)意識(shí)和大數(shù)據(jù)思維,掌握常用的數(shù)據(jù)分析方法和數(shù)據(jù)分析模型,并能夠用于對(duì)客戶行為作分析和預(yù)測(cè),提升學(xué)員的數(shù)據(jù)分析綜合能力。

通過(guò)本課程的學(xué)習(xí),達(dá)到如下目的:

1、 掌握數(shù)據(jù)分析和數(shù)據(jù)建模的基本過(guò)程和步驟

2、 掌握客戶行為分析中常用的分析方法

3、 掌握業(yè)務(wù)的影響因素分析常用的方法

4、 掌握常用客戶行為預(yù)測(cè)模型,包括邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、判別分析等等,以及分類(lèi)模型的優(yōu)化

5、 掌握金融行業(yè)信用評(píng)分卡模型,構(gòu)建信用評(píng)分模型

 

本課程突出數(shù)據(jù)挖掘的實(shí)際應(yīng)用,結(jié)合行業(yè)的典型應(yīng)用特點(diǎn),從實(shí)際問(wèn)題入手,引出相關(guān)知識(shí),進(jìn)行大數(shù)據(jù)的收集與處理;探索數(shù)據(jù)之間的規(guī)律及關(guān)聯(lián)性,幫助學(xué)員掌握系統(tǒng)的數(shù)據(jù)預(yù)處理方法;介紹常用的模型,訓(xùn)練模型,并優(yōu)化模型,以達(dá)到最優(yōu)分析結(jié)果。

【授課時(shí)間】

2-3時(shí)間(每天6個(gè)小時(shí))

【授課對(duì)象】

風(fēng)險(xiǎn)控制部、業(yè)務(wù)支撐、網(wǎng)絡(luò)中心、IT系統(tǒng)部、數(shù)據(jù)分析部等對(duì)數(shù)據(jù)建模有較高要求的相關(guān)領(lǐng)域人員。

【學(xué)員要求】

1、 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

2、 便攜機(jī)中事先安裝好Office Excel 2013版本及以上。

3、 便攜機(jī)中事先安裝好IBM SPSS Statistics v24版本以上軟件。

注:講師可以提供試用版本軟件及分析數(shù)據(jù)源。

【授課方式】

理論精 + 案例演練 + 實(shí)際業(yè)務(wù)問(wèn)題分析 + SPSS實(shí)際操作

課程大綱】

第一部分: 數(shù)據(jù)核心理念數(shù)據(jù)思維篇

問(wèn)題:什么是數(shù)據(jù)思維?大數(shù)據(jù)決策的底層邏輯以及決策依據(jù)是什么?

1、 數(shù)字化五大技術(shù)戰(zhàn)略:ABCDI戰(zhàn)略

A:人工智能,目的是用機(jī)器模擬人類(lèi)行為

B:區(qū)塊鏈,構(gòu)建不可篡改的分布記賬系統(tǒng)

C:云計(jì)算,搭建按需分配的計(jì)算資源平臺(tái)

D:大數(shù)據(jù),實(shí)現(xiàn)智能化的判斷和決策機(jī)制

I:物聯(lián)網(wǎng),實(shí)現(xiàn)萬(wàn)物互聯(lián)通信的基礎(chǔ)架構(gòu)

2、 大數(shù)據(jù)的本質(zhì)

數(shù)據(jù),事物發(fā)展和變化過(guò)程中留下的痕跡

大數(shù)據(jù)不在于量大,而在于全(多維性)

業(yè)務(wù)導(dǎo)向還是技術(shù)導(dǎo)向

3、 大數(shù)據(jù)決策的底層邏輯(即四大核心價(jià)值)

探索業(yè)務(wù)規(guī)律,按規(guī)律來(lái)管理決策

案例客流規(guī)律與排班及最佳營(yíng)銷(xiāo)時(shí)機(jī)

案例:致命交通事故發(fā)生的時(shí)間規(guī)律

發(fā)現(xiàn)運(yùn)營(yíng)變化,定短板來(lái)運(yùn)營(yíng)決策

案例考核周期導(dǎo)致的員工月初懈怠

案例:工序信號(hào)異常監(jiān)測(cè)設(shè)備故障

理清要素關(guān)系,找影響因素來(lái)決策

案例情緒對(duì)于股市漲跌的影響

案例:為何升職反而會(huì)增加離職風(fēng)險(xiǎn)?

預(yù)測(cè)未來(lái)趨勢(shì),通過(guò)預(yù)判進(jìn)行決策

案例惠普預(yù)測(cè)員工離職風(fēng)險(xiǎn)及挽留

案例:保險(xiǎn)公司的車(chē)險(xiǎn)預(yù)測(cè)與個(gè)性化保費(fèi)定價(jià)

4、 大數(shù)據(jù)決策的三個(gè)關(guān)鍵環(huán)節(jié)

業(yè)務(wù)數(shù)據(jù)化:將業(yè)務(wù)問(wèn)題轉(zhuǎn)化為數(shù)據(jù)問(wèn)題

數(shù)據(jù)信息化:提取數(shù)據(jù)中的業(yè)務(wù)規(guī)律信息

信息策略化:基于規(guī)律形成業(yè)務(wù)應(yīng)對(duì)策略

案例用數(shù)據(jù)來(lái)識(shí)別喜歡賺“差價(jià)”的營(yíng)業(yè)員

第二部分: 數(shù)據(jù)分析基礎(chǔ)流程步驟篇

1、 數(shù)據(jù)分析的六

2、 步驟1:明確目的,確定分析思路

確定分析目的:要解決什么樣的業(yè)務(wù)問(wèn)題

確定分析思路:分解業(yè)務(wù)問(wèn)題,構(gòu)建分析框架

3、 步驟2:收集數(shù)據(jù),尋找分析素材

明確數(shù)據(jù)范圍

確定收集來(lái)源

確定收集方法

4、 步驟3:整理數(shù)據(jù),確保數(shù)據(jù)質(zhì)量

數(shù)據(jù)質(zhì)量評(píng)估

數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理

探索性分析

5、 步驟4:分析數(shù)據(jù),尋找業(yè)務(wù)答案

選擇合適的分析方法

構(gòu)建合適的分析模型

選擇合適的分析工具

6、 步驟5:呈現(xiàn)數(shù),解讀業(yè)務(wù)規(guī)律

選擇恰當(dāng)?shù)膱D表

選擇合適的可視化工具

提煉業(yè)務(wù)含義

7、 步驟6:撰寫(xiě)報(bào)告,形成業(yè)務(wù)策略

選擇報(bào)告種類(lèi)

完整的報(bào)告結(jié)構(gòu)

演練產(chǎn)品精準(zhǔn)營(yíng)銷(xiāo)案例分析

如何搭建精準(zhǔn)營(yíng)銷(xiāo)分析框架

精準(zhǔn)營(yíng)銷(xiāo)分析的過(guò)程和步驟

第三部分: 用戶行為分析統(tǒng)計(jì)方法

問(wèn)題:數(shù)據(jù)分析方法的種類(lèi)?分析方法的不同應(yīng)用場(chǎng)景?

1、 業(yè)務(wù)分析的三個(gè)階段

現(xiàn)狀分析:通過(guò)企業(yè)運(yùn)營(yíng)指標(biāo)來(lái)發(fā)現(xiàn)規(guī)律及短板

原因分析:查找數(shù)據(jù)相關(guān)性,探尋目標(biāo)影響因素

預(yù)測(cè)分析:合理配置資源,預(yù)判業(yè)務(wù)未來(lái)的趨勢(shì)

2、 常用的數(shù)據(jù)分析方法種類(lèi)

描述性分析法(對(duì)比/分組/結(jié)構(gòu)/趨勢(shì)/交叉

相關(guān)性分析法(相關(guān)/方差/卡方

預(yù)測(cè)性分析法(回歸/時(shí)序/決策樹(shù)/神經(jīng)網(wǎng)絡(luò)

專題性分析法(聚類(lèi)/關(guān)聯(lián)/RFM模型/

3、 統(tǒng)計(jì)分析基礎(chǔ)

統(tǒng)計(jì)分析兩大關(guān)鍵要素(類(lèi)別、指標(biāo))

統(tǒng)計(jì)分析的操作模式(類(lèi)別à指標(biāo))

統(tǒng)計(jì)分析三個(gè)操作步驟(統(tǒng)計(jì)、畫(huà)圖、解讀)

透視表的三個(gè)組成部分

4、 常用的描述性指標(biāo)

集中程度:均值、中位數(shù)、眾數(shù)

離散程度:極差、方差/標(biāo)準(zhǔn)差、IQR

分布形態(tài):偏度、峰度

5、 基本分析方法及其適用場(chǎng)景

對(duì)比分析(查看數(shù)據(jù)差距,發(fā)現(xiàn)事物變化)

演練:尋找用戶的地域分布特征

演練:分析產(chǎn)品受歡迎情況及貢獻(xiàn)大小

演練:用數(shù)據(jù)來(lái)探索增量不增收困境的解決方案

分布分析(查看數(shù)據(jù)分布,探索業(yè)務(wù)層次)

演練:銀行用戶的消費(fèi)水平和消費(fèi)層次分析

演練客戶年齡分布/收入分布分析

案例:通信運(yùn)營(yíng)商的流量套餐劃分合理性的評(píng)估

演練:呼叫中心接聽(tīng)電話效率分析(呼叫中心)

結(jié)構(gòu)分析(查看指標(biāo)構(gòu)成,評(píng)估結(jié)構(gòu)合理性)

案例:增值業(yè)務(wù)收入結(jié)構(gòu)分析(通信)

案例:物流費(fèi)用成本結(jié)構(gòu)分析(物流)

案例:中移動(dòng)用戶群動(dòng)態(tài)結(jié)構(gòu)分析

演練:財(cái)務(wù)領(lǐng)域的結(jié)構(gòu)瀑布圖、財(cái)務(wù)收支的變化瀑布圖

趨勢(shì)分析(發(fā)現(xiàn)事物隨時(shí)間的變化規(guī)律)

案例:破解零售店銷(xiāo)售規(guī)律

案例:手機(jī)銷(xiāo)量的淡旺季分析

案例:微信用戶的活躍時(shí)間規(guī)律

演練:發(fā)現(xiàn)客流量的時(shí)間規(guī)律

交叉分析(從多個(gè)維度的數(shù)據(jù)指標(biāo)分析)

演練:用戶性別+地域分布分析

演練:不同客戶的產(chǎn)品偏好分析

演練:不同學(xué)歷用戶的套餐偏好分析

演練:銀行用戶的違約影響因素分析

第四部分: 用戶行為分析分析框架

問(wèn)題:如何才能全面/系統(tǒng)地分析而不遺漏?如何分解和細(xì)化業(yè)務(wù)問(wèn)題?

1、 業(yè)務(wù)分析思路和分析框架來(lái)源于業(yè)務(wù)模型

2、 常用的業(yè)務(wù)模型

外部環(huán)境分析:PEST

業(yè)務(wù)專題分析:5W2H

競(jìng)品/競(jìng)爭(zhēng)分析:SWOT、波特五力

營(yíng)銷(xiāo)市場(chǎng)專題分析:4P/4C等

3、 用戶行為分析5W2H分析思路和框架

WHY:原因(用戶需求、產(chǎn)品亮點(diǎn)、競(jìng)品優(yōu)劣勢(shì))

WHAT:產(chǎn)品(產(chǎn)品喜好、產(chǎn)品貢獻(xiàn)、產(chǎn)品功能、產(chǎn)品結(jié)構(gòu))

WHO:客戶(基本特征、消費(fèi)能力、產(chǎn)品偏好)

WHEN:時(shí)間(淡旺季、活躍時(shí)間、重購(gòu)周期)

WHERE:區(qū)域/渠道(區(qū)域喜好、渠道偏好)

HOW:支付/促銷(xiāo)(支付方式、促銷(xiāo)方式有效性評(píng)估等)

HOW MUCH:價(jià)格(費(fèi)用、成本、利潤(rùn)、收入結(jié)構(gòu)、價(jià)格偏好等)

案例討論結(jié)合公司情況,搭建用戶消費(fèi)習(xí)慣的分析框架(5W2H)

第五部分: 數(shù)據(jù)建?;A(chǔ)流程步驟篇

1、 預(yù)測(cè)建模六步法

選擇模型:基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型

特征工程:選擇對(duì)目標(biāo)變量有顯著影響的屬性來(lái)建模

訓(xùn)練模型:采用合適的算法對(duì)模型進(jìn)行訓(xùn)練,尋找到最優(yōu)參數(shù)

評(píng)估模型:進(jìn)行評(píng)估模型的質(zhì)量,判斷模型是否可用

優(yōu)化模型:如果評(píng)估結(jié)果不理想,則需要對(duì)模型進(jìn)行優(yōu)化

應(yīng)用模型:如果評(píng)估結(jié)果滿足要求,則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景

2、 數(shù)據(jù)挖掘常用的模型

定量預(yù)測(cè)模型:回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等

定性預(yù)測(cè)模型:邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等

市場(chǎng)細(xì)分:聚類(lèi)、RFM、PCA等

產(chǎn)品推薦:關(guān)聯(lián)分析、協(xié)同過(guò)濾等

產(chǎn)品優(yōu)化:回歸、隨機(jī)效用等

產(chǎn)品定價(jià):定價(jià)策略/最優(yōu)定價(jià)等

3、 特征工程/特征選擇/變量降維

基于變量本身特征

基于相關(guān)性判斷

因子合并(PCA等)

IV值篩選(評(píng)分卡使用)

基于信息增益判斷(決策樹(shù)使用)

4、 模型評(píng)估

模型質(zhì)量評(píng)估指標(biāo):R^2、正確率/查全率/查準(zhǔn)率/特異性等

預(yù)測(cè)值評(píng)估指標(biāo):MAD、MSE/RMSE、MAPE、概率等

模型評(píng)估方法:留出法、K拆交叉驗(yàn)證、自助法等

其它評(píng)估:過(guò)擬合評(píng)估、殘差檢驗(yàn)

5、 模型優(yōu)化

優(yōu)化模型:選擇新模型/修改模型

優(yōu)化數(shù)據(jù):新增顯著自變量

優(yōu)化公式:采用新的計(jì)算公式

集成思想:Bagging/Boosting/Stacking

6、 常用預(yù)測(cè)模型介紹

時(shí)序預(yù)測(cè)模型

回歸預(yù)測(cè)模型

分類(lèi)預(yù)測(cè)模型

第六部分: 影響因素分析根因分析篇

問(wèn)題:如何選擇合適的屬性/特征來(lái)建模呢?選擇的依據(jù)是什么?比如價(jià)格是否可用于產(chǎn)品銷(xiāo)量預(yù)測(cè)?

1、 數(shù)據(jù)預(yù)處理vs特征工程

2、 特征工程處理內(nèi)容

變量變換

變量派生

變量精簡(jiǎn)(特征選擇、因子合并)

類(lèi)型轉(zhuǎn)換

3、 特征選擇常用方法

相關(guān)分析、方差分析、卡方檢驗(yàn)

4、 相關(guān)分析(衡量?jī)蓴?shù)據(jù)型變量的線性相關(guān)性)

相關(guān)分析簡(jiǎn)介

相關(guān)分析的應(yīng)用場(chǎng)景

相關(guān)分析的種類(lèi)

簡(jiǎn)單相關(guān)分析

偏相關(guān)分析

距離相關(guān)分析

相關(guān)系數(shù)的三種計(jì)算公式

Pearson相關(guān)系數(shù)

Spearman相關(guān)系數(shù)

Kendall相關(guān)系數(shù)

相關(guān)分析的假設(shè)檢驗(yàn)

相關(guān)分析的四個(gè)基本步驟

演練:營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)售額嗎?影響程度如何量化?

演練:哪些因素與汽車(chē)銷(xiāo)量有相關(guān)性

演練影響用戶消費(fèi)水平的因素會(huì)有哪些

偏相關(guān)分析

偏相關(guān)原理:排除不可控因素后的兩變量的相關(guān)性

偏相關(guān)系數(shù)的計(jì)算公式

偏相關(guān)分析的適用場(chǎng)景

距離相關(guān)分析

5、 方差分析(衡量類(lèi)別變量與數(shù)值變量間的相關(guān)性)

方差分析的應(yīng)用場(chǎng)景

方差分析的三個(gè)種類(lèi)

單因素方差分析

多因素方差分析

協(xié)方差分析

單因素方差分析的原理

方差分析的四個(gè)步驟

解讀方差分析結(jié)果的兩個(gè)要點(diǎn)

演練擺放位置與銷(xiāo)量有關(guān)嗎

演練:客戶學(xué)歷對(duì)消費(fèi)水平的影響分析

演練廣告和價(jià)格是影響終端銷(xiāo)量的關(guān)鍵因素嗎

演練營(yíng)業(yè)員的性別、技能級(jí)別對(duì)產(chǎn)品銷(xiāo)量有影響嗎

演練:尋找影響產(chǎn)品銷(xiāo)量的關(guān)鍵因素

多因素方差分析原理

多因素方差分析的作用

多因素方差結(jié)果的解讀

演練:廣告形式、地區(qū)對(duì)銷(xiāo)量的影響因素分析

協(xié)方差分析原理

協(xié)方差分析的適用場(chǎng)景

演練:排除產(chǎn)品價(jià)格,收入對(duì)銷(xiāo)量有影響嗎?

6、 列聯(lián)分析/卡方檢驗(yàn)(兩類(lèi)別變量的相關(guān)性分析)

交叉表與列聯(lián)表:計(jì)數(shù)值與期望值

卡方檢驗(yàn)的原理

卡方檢驗(yàn)的幾個(gè)計(jì)算公式

列聯(lián)表分析的適用場(chǎng)景

案例:套餐類(lèi)型對(duì)客戶流失的影響分析

案例:學(xué)歷對(duì)業(yè)務(wù)套餐偏好的影響分析

案例:行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析

第七部分: 客戶行為預(yù)測(cè)分類(lèi)模型篇

問(wèn)題:如何評(píng)估客戶購(gòu)買(mǎi)產(chǎn)品的可能性?如何預(yù)測(cè)客戶的購(gòu)買(mǎi)行為?如何提取某類(lèi)客戶的典型特征?如何向客戶精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)?

1、 分類(lèi)模型概述及其應(yīng)用場(chǎng)景

2、 常見(jiàn)分類(lèi)預(yù)測(cè)模型

3、 邏輯回歸(LR)

邏輯回歸的適用場(chǎng)景

邏輯回歸的模型原理

邏輯回歸分類(lèi)的幾何意義

邏輯回歸的種類(lèi)

二項(xiàng)邏輯回歸

多項(xiàng)邏輯回歸

如何解讀邏輯回歸方程

帶分類(lèi)自變量的邏輯回歸分析

多項(xiàng)邏輯回歸/多分類(lèi)邏輯回歸

案例如何評(píng)估用戶是否會(huì)購(gòu)買(mǎi)某產(chǎn)品(二項(xiàng)邏輯回歸

案例多品牌選擇模型分析(多項(xiàng)邏輯回歸)

4、 分類(lèi)決策樹(shù)(DT)

問(wèn)題:如何預(yù)測(cè)客戶行為?如何識(shí)別潛在客戶?

風(fēng)控:如何識(shí)別欠貸者的特征,以及預(yù)測(cè)欠貸概率?

客戶保有:如何識(shí)別流失客戶特征,以及預(yù)測(cè)客戶流失概率?

決策樹(shù)分類(lèi)簡(jiǎn)介

案例:美國(guó)零售商(Target)如何預(yù)測(cè)少女懷孕

演練:識(shí)別銀行欠貨風(fēng)險(xiǎn),提取欠貸者的特征

決策樹(shù)分類(lèi)的幾何意義

構(gòu)建決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題

如何選擇最佳屬性來(lái)構(gòu)建節(jié)點(diǎn)

如何分裂變量

修剪決策樹(shù)

選擇最優(yōu)屬性生長(zhǎng)

熵、基尼索引、分類(lèi)錯(cuò)誤

屬性劃分增益

如何分裂變量

多元?jiǎng)澐峙c二元?jiǎng)澐?/span>

連續(xù)變量離散化(最優(yōu)分割點(diǎn))

修剪決策樹(shù)

剪枝原則

預(yù)剪枝與后剪枝

構(gòu)建決策樹(shù)的四個(gè)算法

C5.0、CHAID、CART、QUEST

各種算法的比較

如何選擇最優(yōu)分類(lèi)模型?

案例商場(chǎng)用戶的典型特征提取

案例:客戶流失預(yù)警與客戶挽留

案例:識(shí)別拖欠銀行貨款者的特征,避免不良貨款

案例:識(shí)別電信詐騙者嘴臉,讓通信更安全

多分類(lèi)決策樹(shù)

案例:不同套餐用戶的典型特征

決策樹(shù)模型的保存與應(yīng)用

5、 人工神經(jīng)網(wǎng)絡(luò)(ANN)

神經(jīng)網(wǎng)絡(luò)概述

神經(jīng)網(wǎng)絡(luò)基本原理

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)分類(lèi)的幾何意義

神經(jīng)網(wǎng)絡(luò)的建立步驟

神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問(wèn)題

BP反向傳播網(wǎng)絡(luò)(MLP)

徑向基網(wǎng)絡(luò)(RBF)

案例評(píng)估銀行用戶拖欠貨款的概率

6、 判別分析(DA)

判別分析原理

判別分析種類(lèi)

Fisher線性判別分析

案例:MBA學(xué)生錄取判別分析

案例:上市公司類(lèi)別評(píng)估

7、 最近鄰分類(lèi)(KNN)

KNN模型的基本原理

KNN分類(lèi)的幾何意義

K近鄰的關(guān)鍵問(wèn)題

8、 支持向量機(jī)(SVM)

SVM基本原理

線性可分問(wèn)題:最大邊界超平面

線性不可分問(wèn)題:特征空間的轉(zhuǎn)換

災(zāi)難與核函數(shù)

9、 貝葉斯分類(lèi)(NBN)

貝葉斯分類(lèi)原理

計(jì)算類(lèi)別屬性的條件概率

估計(jì)連續(xù)屬性的條件概率

預(yù)測(cè)分類(lèi)概率(計(jì)算概率)

拉普拉斯修正

案例評(píng)估銀行用戶拖欠貨款的概率

第八部分: 客戶行為預(yù)測(cè)模型評(píng)估篇

1、 模型的評(píng)估指標(biāo)

兩大矩陣:混淆矩陣,代價(jià)矩陣

六大指標(biāo):Acc,P,R,Spec,F1,lift

三條曲線:

ROC曲線和AUC

PR曲線和BEP

KS曲線和KS值

2、 模型的評(píng)估方法

原始評(píng)估法

留出法(Hold-Out)

交叉驗(yàn)證法(k-fold cross validation)

自助采樣法(Bootstrapping)

第九部分: 客戶行為預(yù)測(cè)集成優(yōu)化篇

1、 模型的優(yōu)化思路

2、 集成算法基本原理

單獨(dú)構(gòu)建多個(gè)弱分類(lèi)器

多個(gè)弱分類(lèi)器組合投票決定預(yù)測(cè)結(jié)果

3、 集成方法的種類(lèi)

Bagging

Boosting

Stacking

4、 Bagging集成

數(shù)據(jù)/屬性重抽樣

決策依據(jù):少數(shù)服從多數(shù)

典型模型:隨機(jī)森林RF

5、 Boosting集成

基于誤分?jǐn)?shù)據(jù)建模

樣本選擇權(quán)重更新公式

決策依據(jù):加權(quán)投票

典型模型:AdaBoost模型

第十部分: 銀行客戶信用卡模型

1、 信用評(píng)分卡模型簡(jiǎn)介

2、 評(píng)分卡的關(guān)鍵問(wèn)題

3、 信用評(píng)分卡建立過(guò)程

篩選重要屬性

數(shù)據(jù)集轉(zhuǎn)化

建立分類(lèi)模型

計(jì)算屬性分值

確定審批閾值

4、 篩選重要屬性

屬性分段

基本概念:WOE、IV

屬性重要性評(píng)估

5、 數(shù)據(jù)集轉(zhuǎn)化

連續(xù)屬性最優(yōu)分段

計(jì)算屬性取值的WOE

6、 建立分類(lèi)模型

訓(xùn)練邏輯回歸模型

評(píng)估模型

得到字段系數(shù)

7、 計(jì)算屬性分值

計(jì)算補(bǔ)償與刻度值

計(jì)算各字段得分

生成評(píng)分卡

8、 確定審批閾值

畫(huà)K-S曲線

計(jì)算K-S值

獲取最優(yōu)閾值

案例構(gòu)建銀行小額貸款的用戶信用模型

第十一部分: 數(shù)據(jù)建模實(shí)戰(zhàn)篇

1、 電信業(yè)客戶流失預(yù)警和客戶挽留模型實(shí)戰(zhàn)

2、 銀行欠貸風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn)

3、 銀行信用卡評(píng)分模型實(shí)戰(zhàn)

 

結(jié)束:課程總結(jié)問(wèn)題答疑

 
反對(duì) 0舉報(bào) 0 收藏 0
更多>與金融行業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn)相關(guān)內(nèi)訓(xùn)課
資產(chǎn)并購(gòu)重組 資本思維 金融服務(wù)方案競(jìng)爭(zhēng)決勝的六大差異化優(yōu)勢(shì) 金融產(chǎn)品組合與價(jià)值呈現(xiàn) 金牌綜合客戶經(jīng)理營(yíng)銷(xiāo)特訓(xùn)營(yíng)課程方案 《建立學(xué)習(xí)型組織的五項(xiàng)修煉》培訓(xùn)課程大綱 課程開(kāi)發(fā)實(shí)戰(zhàn) 《教職員工職業(yè)化素質(zhì)訓(xùn)練》課程大綱
傅一航老師介紹>傅一航老師其它課程
大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新 大數(shù)據(jù)挖掘工具:SPSS Modeler入門(mén)與提高 大數(shù)據(jù)挖掘工具: SPSS Statistics入門(mén)與提高 大數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)培訓(xùn) 金融行業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)戰(zhàn) 數(shù)說(shuō)營(yíng)銷(xiāo)——大數(shù)據(jù)營(yíng)銷(xiāo)實(shí)戰(zhàn)培訓(xùn) 大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn) 助力市場(chǎng)營(yíng)銷(xiāo)與服務(wù)的數(shù)據(jù)分析實(shí)戰(zhàn)
網(wǎng)站首頁(yè)  |  關(guān)于我們  |  聯(lián)系方式  |  誠(chéng)聘英才  |  網(wǎng)站聲明  |  隱私保障及免責(zé)聲明  |  網(wǎng)站地圖  |  排名推廣  |  廣告服務(wù)  |  積分換禮  |  網(wǎng)站留言  |  RSS訂閱  |  違規(guī)舉報(bào)  |  京ICP備11016574號(hào)-25