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：坏样本归因全攻略实践指南

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
01
贷后预警概述
坏样本归因的定义 · 重要性 · 在信贷生命周期中的位置
贷后预警概述坏样本归因的定义
02
坏样本定义与标签体系
逾期天数 · 核销 · 欺诈等不同坏样本的定义标准与标签构建
坏样本定义标签体系
03
数据采集与清洗
贷后预警所需的数据源（人行征信 · 三方数据 · 行为数据）及数据预处理方法
数据采集清洗
04
特征工程基础
从原始数据中提取与违约风险相关的特征… · 多头借贷 · 设备指纹）
特征工程基础从原始数据
05
描述性统计分析
对坏样本进行单变量分析 · 了解分布 · 缺失值
描述性统计分析对坏样本进行单变…
06
坏样本画像构建
基于客户画像（年龄 · 收入 · 职业）对坏样本进行分层分析
坏样本画像构建基于客户画像
07
时间序列分析
观察坏样本在不同时间窗口（贷后1-3… · 6个月）的集中爆发规律
时间序列分析观察坏样本
08
还款行为模式挖掘
分析坏样本在逾期前的还款习惯变化（如… · 频繁展期）
还款行为模式挖掘分析坏样本
09
多头借贷与共债风险
通过多头借贷数据识别多头借贷客户与坏…
多头借贷共债风险
10
设备与网络环境分析
利用设备指纹 · IP地址 · GPS定位识别团伙欺诈与伪冒申请
设备网络环境分析
11
联系人图谱分析
基于通讯录 · 紧急联系人构建社交网络 · 识别风险传导路径
联系人图谱分析基于通讯录
12
文本信息挖掘
对申请资料中的工作单位 · 地址等文本进行聚类与异常检测
文本信息挖掘对申请资料
13
模型可解释性（SHAP/LIME）
使用SHAP值对坏样本进行特征重要性…
SHAP/LIME模型可解释性
14
决策树与规则提取
通过决策树模型自动生成可解释的坏样本…
决策树规则提取
15
异常检测算法应用
使用孤立森林 · LOF等算法识别非典型的坏样本模式
异常检测算法应用使用孤立森林
16
聚类分析（K-Means/DBSCAN）
对坏样本进行细分 · 发现不同成因的坏样本族群
K-Means/DBSC…聚类分析
17
因果推断入门
利用PSM · DID等方法推断特定行为（如提额）是…
因果推断入门PSM
18
归因报告自动化
使用Python（Pandas/Re…
归因报告自动化Python
19
可视化归因结果
使用Matplotlib/Plotl… · SHAP瀑布图
可视化归因结果Matplotlib/P…
20
案例实战
消费贷坏样本归因——从数据到结论的完…
案例实战消费贷坏样本归因
21
案例实战
现金贷坏样本归因——高频借贷与短期逾…
案例实战现金贷坏样本归因
22
案例实战
车贷坏样本归因——车辆抵押 · GPS异常与失联风险
案例实战车贷坏样本归因
23
案例实战
信用卡坏样本归因——套现 · 最低还款与多头授信
案例实战信用卡坏样本归因
24
归因结果在贷前策略中的应用
如何将坏样本归因结论反哺到准入规则
归因结果贷前策略
25
归因结果在贷中管理中的应用
基于归因结果调整额度 · 利率与催收策略
归因结果管理
26
归因结果在贷后催收中的应用
针对不同归因类型的坏样本制定差异化催…
归因结果贷后催收
27
模型监控与归因漂移
当坏样本归因特征发生变化时 · 如何预警模型失效
模型监控归因漂移
28
合规与伦理
坏样本归因中的数据隐私保护 · 公平性与反歧视
合规伦理
29
工具与平台
常用归因分析工具（Python · R · SQL
工具平台
30
课程总结与未来趋势
坏样本归因的自动化 · 实时化与联邦学习方向
课程总结未来趋势