Python金融大数据风控建模实战：基于机器学习

适读人群 ：金融风控从业人员、金融场景中的开发人员及业务人员、金融与计算机等相关专业的学生、金融科技从业人员、相关培训院校的学员

结合机器学习算法，进行信用评分卡模型的构建

手把手带领读者零门槛学习金融领域的风险控制

理清业务：立足业务场景，深入剖析金融大数据风控建模的全流程

算法精讲：详解算法原理，系统梳理不同算法的异同与应用场景

代码实践：提供完整的源代码和详细的代码注释，带领读者动手实践

项目实战：以真实数据为基础，通过实际项目从0到1进行全流程实战

《Python金融大数据风控建模实战：基于机器学习》是一本基于Python语言的金融大数据风控建模入门读物。书中结合人工智能领域流行的机器学习算法进行信用评分卡模型构建，从而解决金融领域最为核心的风险控制问题。

《Python金融大数据风控建模实战：基于机器学习》共19章，分为4篇。第1篇“智能风控背景”，旨在由浅入深地引领读者走进金融科技领域，带领他们了解智能风控的相关知识，并全面、系统地认识评分卡；第2篇“评分卡理论与实战基础”，围绕评分卡构建的完整流程，向读者一一讲述每个环节的理论知识，并进行代码实践，帮助读者获得从0到1构建评分卡模型的工程能力；第3篇“评分卡理论与实战进阶”，旨在从建模中可能遇到的问题出发，提供一些解决问题或提升模型效果的思路，使建立的评分卡具有更好的业务适应能力及预测能力；第4篇“Lending Club数据集实战”，结合真实信贷场景的数据集，带领读者完成从数据分析到评分卡生成的各个流程，旨在让读者体验真实的场景，掌握评分卡实战技能，同时为读者在实际工作中构建评分卡提供参考。

《Python金融大数据风控建模实战：基于机器学习》适合有一定Python语言基础的金融风控从业人员阅读，也适合想要学习人工智能如何应用于金融场景中的开发人员及业务人员阅读。另外，金融、计算机等相关专业的学生，以及金融科技从业人员及相关培训学员也可将本书作为教材或者兴趣读物阅读。

王青天 硕士，曾任某互联网金融公司机器学习研究工程师，从事风控建模工作。对机器学习、风控建模、工业互联网等方向有浓厚的兴趣和广泛的研究。

孔越 博士，曾留学英国剑桥大学。涉猎金融风控和“AI+药物研发”等多个人工智能应用领域。曾参与多项国家自然科学基金项目和欧洲科研基金项目，发表多篇SCI论文。

　　自2016年以来，金融科技（Fintech）开始风靡国内外金融行业，备受关注。Fintech基于大数据、云计算和人工智能等一系列创新技术，全面应用于支付清算、借贷融资、财富管理、零售银行、保险、交易结算六大金融领域，是金融业未来的主流趋势。Fintech以数据和技术为核心驱动力，正在改变金融行业的生态格局。
　　Fintech在技术上带来的创新，对金融领域的业务模式、应用和产品产生了深刻的甚至颠覆性的影响。人工智能呼啸而来，催生了智能投顾、智能客服和智能风控等行业的发展。本书聚焦智能风控，结合人工智能技术解决金融行业最核心的问题——风险控制。进行风险控制的关键在于解决信息不对称性，信用评分卡模型是解决这一问题的关键策略。尤其是在金融领域积累了大量数据的前提下，为了充分发挥人工智能的优势，评分卡模型正在逐渐成为信用审核等环节的必要且倚重的手段，其发展前景不可估量。
　　纵观国内，智能风控领域的图书以信贷理论和业务指导类书籍居多，鲜有能帮助技术人员将业务需求落地实现的工程代码类书籍。本书旨在填补这一空缺，结合真实信贷数据，配合代码实践，引领读者从0至1地构建评分卡模型。
　　本书采用Python语言进行代码实战。Python在各行各业的应用越来越普及，从云端到客户端，再到物联网终端，Python应用无处不在。更为重要的是，Python语言是人工智能的首选编程语言，本书聚焦的智能风控领域，正是人工智能对金融数据的应用场景，对此，Python具有无可比拟的优势。关于Python语言实践和人工智能算法理论与实践的书籍颇为丰富，而结合信贷领域场景的算法应用类图书却比较稀缺，本书的出版将会改变这一现状。本书的核心内容包括算法理论与Python代码实践，旨在在构建评分卡的全流程内，先进行算法理论讲解，然后再进行代码实践，全面提升读者构建评分卡的理论造诣和工程能力。本书特色
　　1.深入剖析业务背景，易学易用
　　本书覆盖了大量的业务知识，并力争以对比的方式展现不同业务需求下的建模差异。
　　·介绍风控建模流程；
　　·以全生命周期为主线介绍不同模型的特点；
　　·对建模过程中的每一步都力求给出原因、思考思路和解决办法。
　　2.简明介绍机器学习的建模思想，覆盖广泛
　　本书力争以简明的语言阐述算法原理，并借助少量的公式推导让读者理解算法的实质，广泛覆盖大部分常用算法，梳理并对比不同算法族类的异同。
　　·详细介绍机器学习体系，并以整个建模流程为主线展开介绍；
　　·重点阐明算法思想，弱化繁杂的公式推导；
　　·力争以算法族为基础，比较同一问题的不同解决方法；
　　·由浅入深，从基本建模流程开始逐步介绍建模过程，进阶部分还介绍大量的复杂模
　　型以提升建模效果。
　　3.全程使用Python 3编程语言，通用、方便
　　本书用Python语言完成评分卡模型的代码编写，易学易用。
　　·评分卡实战章节的最后都会给出Python代码，方便读者学习和开发；
　　·算法部分以scikit-leam包为基础，对算法的关键参数力争给出详细说明，方便读者
　　调参；
　　·不同章节采用同一组实验数据，方便读者对比不同算法的实战效果；
　　·给出详细充足的代码注释，以方便读者理解。
　　4.真实数据建模，注重实战
　　本书最后一章以真实的数据为基础展示了完整的建模流程，注重提升读者从理论到实践的动手能力。
　　·以真实的数据为例，复现建模过程；
　　·阐明建模过程中需要注意的问题与处理方法；
　　·给出代码，实现从0到1的全流程代码实战。