課程名稱:
《金融數(shù)據(jù)分析》第二期
主講老師：
田野xa0
畢業(yè)于新加坡國立大學統(tǒng)計系，曾在外資銀行總部和國內(nèi)領(lǐng)先的咨詢服務(wù)公司從事模型 開發(fā)工作，包括營銷模型、信用風險模型等。擅長機器學習的常用算法在營銷和風控等實際領(lǐng) 域的應(yīng)用。擅長的數(shù)據(jù)分析語言有R，SAS和Python。此外，對銀行客群的行為分析也有豐富的相關(guān)經(jīng)驗，包括流失預(yù)警和消費預(yù)測等業(yè)務(wù)場景。
課程簡介：
在金融行業(yè)中，營銷部門和風控部門是兩大主要業(yè)務(wù)部門。本課程將介紹數(shù)據(jù)分析技術(shù)如何應(yīng)用在銀行業(yè)營銷部門面臨的客戶分群需求和互聯(lián)網(wǎng)金融行業(yè)風控部門涉及到的信貸違約預(yù)測。 課程中將使用貼近真實業(yè)務(wù)場景的數(shù)據(jù)，并且給出切實可行的解決方法。
更新說明：
在本期課程中，我們將實用真實的業(yè)務(wù)數(shù)據(jù)，介紹營銷工作中常面臨的客戶聚類分析，和風控中的 （貸中）行為評分卡模型，從而實行客戶的精準分類和有效的風險控制。
面向人群：
xa0 xa0 xa0 1. xa0對金融業(yè)感興趣，想從事銀行業(yè)、互聯(lián)網(wǎng)金融行業(yè)風控或營銷業(yè)務(wù)。
xa0 xa0 xa0 2. xa0金融行業(yè)數(shù)據(jù)分析從業(yè)人員，并且有一定的數(shù)據(jù)分析基礎(chǔ)和編程能力的學員
學習收益：
xa0 xa0 xa0 1. xa0熟悉金融行業(yè)業(yè)務(wù)，助力快速適應(yīng)金融行業(yè)數(shù)據(jù)分析
xa0 xa0 xa0 2. xa0掌握客戶營銷中的客戶分群的建模方法
xa0 xa0 xa0 3. xa0掌握風控業(yè)務(wù)中的違約預(yù)測技術(shù)，熟悉構(gòu)建怎樣的特征和模型來降低信貸業(yè)務(wù)中的違約損失
開課時間：
2017年7月20日
學習方式：
在線直播，共10次課，每次2小時
每周2次（周二、周四，晚上20:00 – 22:00）
直播后提供錄制回放視頻，可在線反復觀看，有效期1年
課程大綱：
第一課：數(shù)據(jù)分析基本知識復習（2課時）
xa0 xa0 xa01. xa0數(shù)據(jù)分析的基本概念
xa0 xa0 xa0 xa0 xa0 a. xa0目的
xa0 xa0 xa0 xa0 xa0 b. xa0數(shù)據(jù)獲取和清理
xa0 xa0 xa0 xa0 xa0 c. xa0數(shù)據(jù)的描述性統(tǒng)計與可視化
xa0 xa0 xa02. xa0數(shù)據(jù)分析的常用模型
xa0 xa0 xa0 xa0 xa0 a. xa0監(jiān)督式模型：（廣義）線性回歸，決策樹，隨機森林，支持向量機，神經(jīng)網(wǎng)絡(luò)
xa0 xa0 xa0 xa0 xa0 b. xa0非監(jiān)督式模型：聚類分析，因子分析，主成分分析
第二課：銀行信貸客戶的聚類分析－非監(jiān)督式聚類（2課時）
xa0 xa0 xa01. xa0數(shù)值型變量的歸一化
xa0 xa0 xa02. xa0類別型變量的編碼
xa0 xa0 xa03. xa0距離的概念和種類
xa0 xa0 xa04. xa0閔可夫斯基距離
xa0 xa0 xa05. xa0VDM(Value Difference Metric)距離
xa0 xa0 xa06. xa0聚類的性能度量
xa0 xa0 xa07. xa0K-均值算法的難題：如何選取k
第三課：銀行信貸客戶的聚類分析－非監(jiān)督式聚類（續(xù)）（2課時）
xa0 xa0 xa01. xa0數(shù)據(jù)描述
xa0 xa0 xa02. xa0數(shù)據(jù)預(yù)處理的實操：歸一化與編碼
xa0 xa0 xa03. xa0K-均值算法用于信貸客戶的聚類分析
xa0 xa0 xa04. xa0層次聚類法用于信貸客戶的聚類分析
第四課：銀行信貸客戶的聚類分析－半監(jiān)督式聚類（2課時）
xa0 xa0 xa01. xa0半監(jiān)督聚類
xa0 xa0 a. xa0約束K-均值算法
xa0 xa0 xa02. xa0帶有少量標簽的K-均值算法
第五課：行為評分卡模型的簡介（2課時）
xa0 xa0 xa01. xa0個人信貸產(chǎn)品的簡介及其中的各類風險
xa0 xa0 xa02. xa0什么是評分卡模型
xa0 xa0 xa03. xa0信用風險領(lǐng)域的評分卡模型
xa0 xa0 xa0 xa0 xa0 xa0a. xa0申請評分卡
xa0 xa0 xa0 xa0 xa0 xa0b. xa0行為評分卡
xa0 xa0 xa0 xa0 xa0 xa0c. xa0催收評分卡
xa0 xa0 xa04. xa0評分卡模型的時間窗口概念
xa0 xa0 xa0 xa0 xa0 xa0a. xa0表現(xiàn)期
xa0 xa0 xa0 xa0 xa0 xa0b. xa0觀察期
5. xa0拓展：PD模型與巴塞爾協(xié)議
第六課：行為評分卡模型的特征構(gòu)造（2課時）
xa0 xa0 xa01. xa0訓練集和測試集的劃分
xa0 xa0 xa02. xa0特征構(gòu)造
xa0 xa0 a. xa0逾期類型特征
xa0 xa0 xa0 xa0 xa0 xa0b. xa0還款率類型特征
xa0 xa0 c. xa0使用率類型特征
xa0 xa0 d. xa0消費類型特征
xa0 xa0 e. xa0其他類型特征
xa0 xa0 xa03. xa0變量的分箱和WOE計算
第七課：行為評分卡模型的特征挑選（2課時）
xa0 xa0 xa01. xa0IV的概念
xa0 xa0 xa02. xa0單變量分析
xa0 xa0 xa03. xa0多變量分析
xa0 xa0 xa04. xa0線性相關(guān)性
xa0 xa0 xa05. xa0多重共線性
第八課：行為評分卡模型的邏輯回歸模型（2課時）
xa0 xa0 xa01. xa0邏輯回歸模型的基本概念
xa0 xa0 xa0 xa0 xa0 xa0a. xa0什么是邏輯回歸
xa0 xa0 xa0 xa0 xa0 xa0b. xa0邏輯回歸中的參數(shù)估計
xa0 xa0 xa0 xa0 xa0 xa0c. xa0邏輯回歸的正則化：LASSO（L1約束） & Ridge（L2約束）
xa0 xa0 xa02. xa0用邏輯回歸構(gòu)造行為評分卡模型
xa0 xa0 xa03. xa0從概率到分數(shù)
第九課：行為評分卡模型的驗證、監(jiān)控和調(diào)優(yōu)（2課時）
xa0 xa0 xa01. xa0評分卡模型常用的評價指標
xa0 xa0 xa03. xa0模型監(jiān)控的概念
xa0 xa0 xa0 xa0 xa0 a. xa0模型監(jiān)控的頻率
xa0 xa0 xa0 xa0 xa0 b. xa0模型監(jiān)控的解讀
xa0 xa0 xa04. xa0模型的調(diào)優(yōu)
第十課：組合評分卡模型（2課時）
xa0 xa0 xa01. xa0組合模型概述
xa0 xa0 xa02. xa0串行結(jié)構(gòu)的評分組合模型
xa0 xa0 xa03. xa0異態(tài)并行結(jié)構(gòu)的評分組合模型
xa0 xa0 xa04. xa0同態(tài)并行結(jié)構(gòu)的評分組合模型
常見問題：
Q： 本門課程需要什么基礎(chǔ) ?
A： 了解線性代數(shù)，微積分，概率論與數(shù)理統(tǒng)計，以及有一定R/Python編程基礎(chǔ)
Q： 課程中使用的軟件工具是什么？會提供課程中使用的代碼嗎？
A： 課程中使用工具為R/Python 2.7，會提供代碼
