VIP20
本课程属于：051-贷后预警实验评估 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

A B测试在贷后预警中的实战

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
贷后预警业务概述
贷后管理的定义 · 预警体系在风控全流程中的位置 · 传统预警的痛点
贷后预警业务概述贷后管理的定义
02
A/B测试基础概念
假设检验 · 对照组与实验组 · 随机化原则
A/B测试基础概念
03
贷后预警场景下的A/B测试目标
提升预警命中率 · 降低误报率 · 优化催收策略ROI
A/B贷后预警场景下的
04
实验设计第一步
定义核心指标（如：30天入催率 · 回收率 · 联系率
实验设计第一步定义核心指标
05
实验设计第二步
确定最小样本量（基于功效分析 · 公式与Python计算示例）
实验设计第二步确定最小样本量
06
实验设计第三步
分流策略设计（客户级随机 · 策略级随机 · 分层随机）
实验设计第三步分流策略设计
07
贷后预警A/B测试的常见陷阱
样本量不足 · 网络效应 · 时间周期偏差
A/B贷后预警
08
预警模型A/B测试
新模型 vs 旧模型 · 评估KS · AUC
A/B预警模型
09
预警规则A/B测试
调整阈值（如：逾期天数 · 额度使用率）对预警量的影响
A/B预警规则
10
催收策略A/B测试
不同触达频次 · 不同话术 · 不同渠道（短信/电话/IVR）的效果…
A/B催收策略
11
数据埋点与采集
预警事件日志 · 催收动作日志 · 客户响应日志的标准化设计
数据埋点采集
12
实验分组与数据清洗
使用Python进行随机分组 · 剔除异常客户 · 处理缺失值
实验分组数据清洗
13
Python实战
使用scipy.stats进行两样本…
Pythonscipy.stats
14
Python实战
使用statsmodels进行卡方检…
Pythonstatsmodels
15
Python实战
计算效应量（Cohen's d）与统…
PythonCohen
16
Python实战
构建A/B测试结果分析报告（自动生成…
PythonA/B
17
多臂老虎机（MAB）在贷后预警中的应用
动态分配流量 · 减少机会成本
MAB多臂老虎机
18
辛普森悖论在贷后A/B测试中的识别与处理
分层分析的重要性
A/B辛普森悖论
19
贷后预警A/B测试的监控看板设计
实时指标 · 累计曲线 · 停止规则
A/B贷后预警
20
案例实战一
针对M1阶段的预警模型升级A/B测试…
案例实战一M1
21
案例实战二
针对M3+阶段的催收策略（不同承诺还…
案例实战二M3+
22
案例实战三
预警短信发送时间（上午/下午/晚上）…
案例实战三预警短信发送时间
23
案例实战四
预警渠道组合（仅短信 vs 短信+A…
案例实战四vs
24
结果解读与业务决策
统计显著性与业务显著性的区别 · 如何推动落地
结果解读业务决策
25
A/B测试的局限性
长周期效应 · 交互效应 · 外部环境变化（如政策
A/B测试的局限性
26
贷后预警A/B测试的合规与伦理
客户隐私保护 · 避免过度催收 · 公平性
A/B贷后预警
27
自动化A/B测试平台架构设计
实验配置 · 流量分配 · 结果计算
A/B自动化
28
贷后预警A/B测试的复盘与迭代
如何从失败实验中提取经验
A/B贷后预警
29
进阶话题
贝叶斯A/B测试在贷后预警中的应用（…
进阶话题A/B
30
课程总结与未来展望
A/B测试与因果推断 · 强化学习在风控中的融合趋势
课程总结未来展望