金融行业风险预测模型实战

【课程目标】

本课程专注于金融行业的风控模型，面向数据分析部等专门负责数据分析与建模的人士。

通过本课程的学习，达到如下目的：

1、 掌握数据建模的基本过程和步骤。

2、 掌握数据建模前的属性筛选的系统方法，为建模打下基础。

3、 掌握常用的分类预测模型，包括逻辑回归、决策树、神经网络、判别分析等等，以及分类模型的优化。

4、 掌握金融行业信用评分卡模型，构建信用评分模型。

主要内容包括数据建模的过程和步骤，以及建模涉及到的分析方法、分析模型，以及模型优化等。

本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到最优分析结果。

【授课时间】

2-3天时间（每天6个小时）

【授课对象】

业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。

【学员要求】

1、 每个学员自备一台便携机(必须)。

2、 便携机中事先安装好Office Excel 2013版本及以上。

3、 便携机中事先安装好IBM SPSS Statistics v24版本以上软件。

注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

基础知识精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作

【课程大纲】

第一部分： 数据建模基本过程

1、 预测建模六步法

Ø 选择模型：基于业务选择恰当的数据模型

Ø 属性筛选：选择对目标变量有显著影响的属性来建模

Ø 训练模型：采用合适的算法对模型进行训练，寻找到最合适的模型参数

Ø 评估模型：进行评估模型的质量，判断模型是否可用

Ø 优化模型：如果评估结果不理想，则需要对模型进行优化

Ø 应用模型：如果评估结果满足要求，则可应用模型于业务场景

2、 数据挖掘常用的模型

Ø 数值预测模型：回归预测、时序预测等

Ø 分类预测模型：逻辑回归、决策树、神经网络、支持向量机等

Ø 市场细分：聚类、RFM、PCA等

Ø 产品推荐：关联分析、协同过滤等

Ø 产品优化：回归、随机效用等

Ø 产品定价：定价策略/最优定价等

3、 属性筛选/特征选择/变量降维

Ø 基于变量本身特征

Ø 基于相关性判断

Ø 因子合并（PCA等）

Ø IV值筛选（评分卡使用）

Ø 基于信息增益判断（决策树使用）

4、 模型评估

Ø 模型质量评估指标：R^2、正确率/查全率/查准率/特异性等

Ø 预测值评估指标：MAD、MSE/RMSE、MAPE、概率等

Ø 模型评估方法：留出法、K拆交叉验证、自助法等

Ø 其它评估：过拟合评估

5、 模型优化

Ø 优化模型：选择新模型/修改模型

Ø 优化数据：新增显著自变量

Ø 优化公式：采用新的计算公式

6、 模型实现算法（暂略）

7、 好模型是优化出来的

案例：通信客户流失分析及预警模型

第二部分： 属性筛选方法

问题：如何选择合适的属性来进行建模预测？

比如：价格是否可用于产品销量的预测？套餐的合理性是否会影响客户流失？在欺诈风险中有哪些数据会有异常表现？

1、 属性筛选/变量降维的常用方法

Ø 基于变量本身特征来选择属性

Ø 基于数据间的相关性来选择属性

Ø 基于因子合并（如PCA分析）实现变量的合并

Ø 利用IV值筛选

Ø 基于信息增益来选择属性

2、 相关分析（衡量变量间的线性相关性）

问题：这两个属性是否会相互影响？影响程度大吗？

Ø 相关分析简介

Ø 相关分析的三个种类

² 简单相关分析

² 偏相关分析

² 距离相关分析

Ø 相关系数的三种计算公式

² Pearson相关系数

² Spearman相关系数

² Kendall相关系数

Ø 相关分析的假设检验

Ø 相关分析的四个基本步骤

演练：年龄和收入的相关分析

演练：营销费用会影响销售额吗

演练：工作时间与收入有相关性吗

演练：话费与网龄的相关分析

Ø 偏相关分析

² 偏相关原理：排除不可控因素后的两变量的相关性

² 偏相关系数的计算公式

² 偏相关分析的适用场景

Ø 距离相关分析

3、 方差分析(衡量类别变量与数据变量的相关性)

问题：哪些才是影响销量的关键因素？

Ø 方差分析的应用场景

Ø 方差分析的三个种类

² 单因素方差分析

² 多因素方差分析

² 协方差分析

Ø 方差分析的原理

Ø 方差分析的四个步骤

Ø 解读方差分析结果的两个要点

演练：用户收入对银行欠贷的影响分析

演练：家庭人数对银行欠贷的影响分析

演练：年龄大小对欠贷有影响吗

演练：寻找影响贷款风险的关键因素

Ø 多因素方差分析原理

Ø 多因素方差分析的作用

Ø 多因素方差结果的解读

演练：广告形式、地区对销量的影响因素分析（多因素）

Ø 协方差分析原理

Ø 协方差分析的适用场景

演练：饲料对生猪体重的影响分析（协方差分析）

4、 列联分析/卡方检验（两类别变量的相关性分析）

Ø 交叉表与列联表

Ø 卡方检验的原理

Ø 卡方检验的几个计算公式

Ø 列联表分析的适用场景

演练：不同的信用卡类型会有不同欠贷风险吗

演练：有无住房对欠贷的影响分析

案例：行业/规模对风控的影响分析

5、 相关性分析各种方法的适用场景

6、 主成份分析（PCA）

Ø 因子分析的原理

Ø 因子个数如何选择

Ø 如何解读因子含义

案例：提取影响电信客户流失的主成分分析

第三部分： 回归预测模型篇

问题：如何预测产品的销量/销售金额？如果产品跟随季节性变动，该如何预测？新产品上市，如果评估销量上限及销售增速？

1、 常用的数值预测模型

Ø 回归预测

Ø 时序预测

2、 回归预测/回归分析

问题：如何预测未来的销售量（定量分析）？

Ø 回归分析的基本原理和应用场景

Ø 回归分析的种类（一元/多元、线性/曲线）

Ø 得到回归方程的四种常用方法

² Excel函数

² 散点图+趋势线

² 线性回归工具

² 规范求解

Ø 线性回归分析的五个步骤

Ø 回归方程结果的解读要点

Ø 评估回归模型质量的常用指标

Ø 评估预测值的准确度的常用指标

演练：散点图找推广费用与销售额的关系（一元线性回归）

演练：推广费用、办公费用与销售额的关系（多元线性回归）

演练：让你的营销费用预算更准确

演练：如何选择最佳的回归预测模型（曲线回归）

Ø 带分类变量的回归预测

演练：汽车季度销量预测

演练：工龄、性别与终端销量的关系

演练：如何评估销售目标与资源配置（营业厅）

3、 自动筛选不显著自变量

第四部分： 回归预测模型优化篇

1、 回归分析的基本原理

Ø 三个基本概念：总变差、回归变差、剩余变差

Ø 方程的显著性检验：是否可以做回归分析？

Ø 因素的显著性检验：自变量是否可用？

Ø 拟合优度检验：回归模型的质量评估？

Ø 理解标准误差的含义：预测的准确性？

2、 回归模型优化思路：寻找最佳回归拟合线

Ø 如何处理预测离群值（剔除离群值）

Ø 如何剔除非显著因素（剔除不显著因素）

Ø 如何进行非线性关系检验（增加非线性自变量）

Ø 如何进行相互作用检验（增加相互作用自变量）

Ø 如何进行多重共线性检验（剔除共线性自变量）

Ø 如何检验误差项（修改因变量）

Ø 如何判断模型过拟合（模型过拟合判断）

案例：模型优化案例

3、 规划求解工具简介

4、 自定义回归模型（如何利用规划求解进行自定义模型）

案例：如何对餐厅客流量进行建模及模型优化

5、 好模型都是优化出来的

第五部分： 分类预测模型

问题：如何评估客户购买产品的可能性？或者说，影响客户购买意向的产品关键特性是什么？

1、 分类预测模型概述

2、 常见分类预测模型

3、 评估分类模型的常用指标

Ø 正确率、查全率/查准率、特异性等

4、 逻辑回归分析模型（LR）

问题：如果评估用户是否购买产品的概率？

Ø 逻辑回归模型原理及适用场景

Ø 逻辑回归的种类

² 二项逻辑回归

² 多项逻辑回归

Ø 如何解读逻辑回归方程

Ø 带分类自变量的逻辑回归分析

Ø 多项逻辑回归

案例：如何评估用户是否会有违约风险（二项逻辑回归）

案例：多品牌选择模型分析（多项逻辑回归）

5、 决策树分类（DT）

问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？ 

Ø 决策树分类的原理

Ø 决策树的三个关键问题

² 如何选择最佳属性来构建节点

² 如何分裂变量

² 如何修剪决策树

Ø 选择最优属性

² 熵、基尼索引、分类错误

² 属性划分增益

Ø 如何分裂变量

² 多元划分与二元划分

² 连续变量离散化（最优划分点）

Ø 修剪决策树

² 剪枝原则

² 预剪枝与后剪枝

Ø 构建决策树的四个算法

² C5.0、CHAID、CART、QUEST

² 各种算法的比较

Ø 如何选择最优分类模型？

案例：识别银行欠货风险，提取欠货者的特征

案例：客户流失预警与客户挽留模型

6、 人工神经网络（ANN）

Ø 神经网络概述

Ø 神经网络基本原理

Ø 神经网络的结构

Ø 神经网络的建立步骤

Ø 神经网络的关键问题

Ø BP反向传播网络（MLP）

Ø 径向基网络（RBF）

案例：评估银行用户拖欠货款的概率

7、 判别分析（DA）

Ø 判别分析原理

Ø 距离判别法

Ø 典型判别法

Ø 贝叶斯判别法

案例：MBA学生录取判别分析

案例：上市公司类别评估

8、 最近邻分类（KNN）

Ø 基本原理

Ø 关键问题

9、 贝叶斯分类（NBN）

Ø 贝叶斯分类原理

Ø 计算类别属性的条件概率

Ø 估计连续属性的条件概率

Ø 贝叶斯网络种类：TAN/马尔科夫毯

Ø 预测分类概率（计算概率）

案例：评估银行用户拖欠货款的概率

10、 支持向量机（SVM）

Ø SVM基本原理

Ø 线性可分问题：最大边界超平面

Ø 线性不可分问题：特征空间的转换

Ø 维空难与核函数

第六部分： 分类模型优化篇（集成方法）

1、 分类模型的优化思路：利用弱分类器构建强分类模型

2、 集成方法的基本原理

Ø 选取多个数据集，构建多个弱分类器

Ø 多个弱分类器投票决定

3、 集成方法/元算法的种类

Ø Bagging算法

Ø Boosting算法

4、 Bagging原理

Ø 如何选择数据集

Ø 如何进行投票

Ø 随机森林

5、 Boosting的原理

Ø AdaBoost算法流程

Ø 样本选择权重计算公式

Ø 分类器投票权重计算公式

第七部分： 银行信用评分卡模型

1、 信用评分卡模型简介

2、 评分卡的关键问题

3、 信用评分卡建立过程

Ø 筛选重要属性

Ø 数据集转化

Ø 建立分类模型

Ø 计算属性分值

Ø 确定审批阈值

4、 筛选重要属性

Ø 属性分段

Ø 基本概念：WOE、IV

Ø 属性重要性评估

5、 数据集转化

Ø 连续属性最优分段

Ø 计算属性取值的WOE

6、 建立分类模型

Ø 训练逻辑回归模型

Ø 评估模型

Ø 得到字段系数

7、 计算属性分值

Ø 计算补偿与刻度值

Ø 计算各字段得分

Ø 生成评分卡

8、 确定审批阈值

Ø 画K-S曲线

Ø 计算K-S值

Ø 获取最优阈值

案例：构建银行小额贷款的用户信用模型

第八部分： 数据预处理篇（了解你的数据集）

1、 数据预处理的主要任务

Ø 数据集成：多个数据集的合并

Ø 数据清理：异常值的处理

Ø 数据处理：数据筛选、数据精简、数据平衡

Ø 变量处理：变量变换、变量派生、变量精简

Ø 数据归约：实现降维，避免维灾难

2、 数据集成

Ø 外部数据读入：Txt/Excel/SPSS/Database

Ø 数据追加（添加数据）

Ø 变量合并（添加变量）

3、 数据理解（异常数据处理）

Ø 取值范围限定

Ø 重复值处理

Ø 无效值/错误值处理

Ø 缺失值处理

Ø 离群值/极端值处理

Ø 数据质量评估

4、 数据准备：数据处理

Ø 数据筛选：数据抽样/选择（减少样本数量）

Ø 数据精简：数据分段/离散化（减少变量的取值个数）

Ø 数据平衡：正反样本比例均衡

5、 数据准备：变量处理

Ø 变量变换：原变量取值更新，比如标准化

Ø 变量派生：根据旧变量生成新的变量

Ø 变量精简：降维，减少变量个数

6、 数据降维

Ø 常用降维的方法

Ø 如何确定变量个数

Ø 特征选择：选择重要变量，剔除不重要的变量

² 从变量本身考虑

² 从输入变量与目标变量的相关性考虑

² 对输入变量进行合并

Ø 因子分析（主成分分析）

² 因子分析的原理

² 因子个数如何选择

² 如何解读因子含义

案例：提取影响电信客户流失的主成分分析

7、 数据探索性分析

Ø 常用统计指标分析

Ø 单变量：数值变量/分类变量

Ø 双变量：交叉分析/相关性分析

Ø 多变量：特征选择、因子分析

演练：描述性分析（频数、描述、探索、分类汇总）

8、 数据可视化

Ø 数据可视化：柱状图、条形图、饼图、折线图、箱图、散点图等

Ø 图形的表达及适用场景

演练：各种图形绘制

第九部分： 数据建模实战篇

1、 电信业客户流失预警和客户挽留模型实战

2、 银行欠贷风险预测模型实战

3、 银行信用卡评分模型实战

结束：课程总结与问题答疑。