1. 课程导论：XGBoost与SHAP在金融风控中的价值
1.1 为什么金融风控需要XGBoost与SHAP？
在信贷审批、反欺诈、贷后管理等金融场景中，模型不仅需要高精度，更要求可解释性与稳定性。XGBoost凭借其梯度提升框架与正则化设计，长期占据Kaggle竞赛与银行核心模型的首选地位；SHAP（SHapley Additive exPlanations）则从博弈论角度为每个特征分配贡献值，使“黑箱”树模型变得可审计、可追溯。
核心痛点： 金融监管要求模型决策可解释（如巴塞尔协议III、银保监会“可解释、可验证”要求），而XGBoost原生输出仅为预测分数，无法直接回答“为什么拒绝该客户”。SHAP填补了这一鸿沟。
1.2 变量分箱的意义
变量分箱（Binning）是将连续变量或高基数离散变量划分为有限个区间（箱）的过程。在金融风控中，分箱并非简单的数据预处理，而是业务逻辑与统计建模的桥梁：
- 业务对齐： 将年龄、收入等连续变量映射为“青年/中年/老年”等可解释区间，便于风控策略人员理解。
- 非线性捕获： 分箱后使用WOE（Weight of Evidence）编码，可自然捕捉U型、倒U型等非线性关系。
- 缺失值处理： 将缺失值单独作为一个箱，避免插值带来的偏差。
- 模型稳定性： 分箱后变量对极端值不敏感，PSI（Population Stability Index）监控更可靠。
| 对比维度 | 原始连续变量 | 分箱后变量 |
|---|---|---|
| 可解释性 | 低（系数含义抽象） | 高（每个箱有业务标签） |
| 缺失值处理 | 需插值或单独建模 | 缺失箱直接参与训练 |
| 非线性拟合 | 依赖多项式或核函数 | 天然支持任意形状 |
| 与XGBoost结合 | 树模型可自动分叉，但分箱后SHAP解释更稳定 | SHAP值在每个箱内更平滑，便于策略切分 |
1.3 课程目标与学习路径
本课程旨在帮助学员掌握从变量分箱到XGBoost建模再到SHAP解析的完整风控建模链路。学完本课程后，你将能够：
- 独立完成连续变量与离散变量的最优分箱（等距、等频、卡方、决策树分箱）。
- 使用WOE与IV（Information Value）评估分箱质量，并构建XGBoost风控模型。
- 利用SHAP进行全局特征重要性排序与局部单样本解释。
- 结合分箱与SHAP输出，生成可直接用于业务决策的风控策略规则。
| 阶段 | 章节范围 | 核心产出 |
|---|---|---|
| 基础篇 | 第1-5章 | 理解分箱原理，掌握Python分箱工具 |
| 建模篇 | 第6-15章 | XGBoost参数调优、交叉验证、特征筛选 |
| 解释篇 | 第16-25章 | SHAP全局/局部解释、依赖图、交互效应 |
| 实战篇 | 第26-30章 | 完整信贷评分卡案例 + 策略规则导出 |
学习建议： 每章都配有可运行的Jupyter Notebook示例代码。建议先运行代码观察输出，再阅读原理部分，最后尝试修改参数观察变化。金融风控对数据敏感性高，请使用课程提供的脱敏数据集进行练习。
1.4 技术栈与前置知识
本课程使用以下Python库，建议提前安装（版本号仅为推荐，兼容版本亦可）：
# 核心库
pandas==1.5.3
numpy==1.24.3
scikit-learn==1.2.2
xgboost==1.7.6
shap==0.41.0
# 分箱与可视化辅助
scipy==1.10.1
matplotlib==3.7.1
seaborn==0.12.2
前置知识要求：
- 熟悉Python基础语法与pandas数据操作。
- 了解基本的机器学习概念（分类、回归、过拟合）。
- 对金融风控业务有初步认知（如逾期、坏账、评分卡）。
如果你对上述前置知识尚不熟悉，建议先花1-2天补充基础，再进入本课程的正课学习。