VIP20

本课程属于：007-贷后预警策略坏样本归因 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

贷后预警坏样本归因方法详解

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

贷后预警的定义 · 坏样本归因的重要性 · 课程整体框架与学习目标

课程导论贷后预警的定义

坏样本定义与识别

逾期天数 · 失联状态 · 欺诈行为等坏样本的量化标准与识别规则

坏样本定义识别

数据采集与预处理

内部系统数据 · 外部征信数据 · 网络爬虫数据的采集与清洗

数据采集预处理

特征工程基础

特征构建思路 · 时间窗口切片 · 聚合统计特征（最大值

特征工程基础特征构建思路

行为特征提取

还款行为序列 · 消费行为模式 · 设备指纹与登录行为特征

行为特征提取还款行为序列

关系网络特征

通讯录图谱 · 担保圈识别 · 二度人脉风险传导特征

关系网络特征通讯录图谱

文本特征挖掘

催收录音转文本 · 客服聊天记录的关键词提取与情感分析

文本特征挖掘催收录音转文本

时序特征建模

还款间隔序列 · 金额波动趋势 · 季节性模式识别

时序特征建模还款间隔序列

特征筛选方法

方差过滤 · 卡方检验 · 互信息法

特征筛选方法方差过滤

不平衡样本处理

过采样（SMOTE） · 欠采样 · 代价敏感学习在坏样本归因中的应用

不平衡样本处理SMOTE

逻辑回归归因模型

模型原理 · 系数解读 · Odds Ratio计算与业务含义

逻辑回归归因模型模型原理

决策树与随机森林

树结构可视化 · 特征重要性排序 · 多模型融合归因

决策树随机森林

XGBoost与LightGBM

梯度提升树的归因能力 · SHAP值计算与可视化

XGBoostLightGBM

神经网络归因

深度学习的特征提取 · 注意力机制在归因中的应用

神经网络归因深度学习的特征提…

SHAP原理 · 全局解释与局部解释 · SHAP依赖图

LIME局部解释

LIME原理 · 在单样本归因中的应用 · 与SHAP的对比

LIME局部解释

部分依赖图与个体条件期望图在特征影响…

因果推断入门

相关性不等于因果性 · DAG图 · 工具变量法在归因中的尝试

因果推断入门相关性不等于因果…

A/B测试与归因验证

线上A/B测试设计 · 归因结论的因果验证方法

归因报告自动化

Python自动化生成归因报告 · 关键指标看板设计

归因报告自动化Python

案例实战一

消费贷逾期归因——从特征到结论的完整…

案例实战一消费贷逾期归因

案例实战二

小微企业贷坏账归因——多维度特征交叉…

案例实战二小微企业贷坏账归…

案例实战三

现金贷欺诈团伙归因——关系网络与行为…

案例实战三现金贷欺诈团伙归…

归因结果落地策略

基于归因结果的催收策略调整 · 额度管理 · 产品优化

归因结果落地策略基于归因结果的催…

模型监控与迭代

归因模型的PSI监控 · 特征稳定性分析 · 模型定期重训机制

模型监控迭代

合规与伦理

数据隐私保护 · 模型公平性 · 可解释性法规要求

工具与平台

Python（pandas · scikit-learn · xgboost

常见陷阱与误区

过拟合归因 · 幸存者偏差 · 多重共线性对归因的干扰

常见陷阱误区

联邦学习下的归因 · 图神经网络在归因中的应用 · AutoML归因

前沿趋势联邦学习下的归因

课程总结与展望

核心知识点回顾 · 行业发展趋势 · 进阶学习路径建议

课程总结核心知识点回顾