The event has been closed.

本次将带领大家一起进行案例分析，将理论和实操结合，了解评分卡建模全流程，了解银行风控是如何做的。

传统的信贷风控主要依靠自身从而有人员的经验设置风控策略规则，随着统计学、大数据、急切学习的发展，智能风控越来越偏向量化模型的手段和来解决风控中面临的挑战。

对于基础算法薄弱的同学更是福音，此次分享秉承大道至简的原则，用易懂的方式一步步带领大家构建逻辑回归、XGBoost、复杂网络模型等算法的评分卡模型。进行完整的建模全流程，了解银行风控是如何做的。

传统的信贷风控主要依靠自身从而有人员的经验设置风控策略规则，随着统计学、大数据、机器学习的发展，智能风控越来越偏向量化模型的手段和来解决风控中面临的挑战。

课程时间：2022年10月29日 14:00

课程形式：线下沙龙+线上直播

课程助理：13911850028（同V）报名成功后添加课程助理，加入群组交流

信用风险评级模型的主要开发流程如下：

（1）数据获取，包括获取存量客户及潜在客户的数据。

（2）数据预处理，主要工作包括数据清洗、缺失值处理、异常值处理，主要是为了将获取的原始数据转化为可用作模型开发的格式化数据。

（3）探索性数据分析，该步骤主要是获取样本总体的大概情况，描述样本总体情况的指标主要有直方图、箱形图等。

（4）变量选择，该步骤主要是通过统计学的方法，筛选出对违约状态影响最显著的指标。主要有单变量特征选择方法和基于机器学习模型的方法。

（5）模型开发，该步骤主要包括变量分段、变量的WOE（证据权重）变换和逻辑回归估算三部分。

（6）模型评估，该步骤主要是评估模型的区分能力、预测能力、稳定性，并形成模型评估报告，得出模型是否可以使用的结论。

（7）信用评分，根据逻辑回归的系数和WOE等确定信用评分的方法。将Logistic模型转换为标准评分的形式。

（8）建立评分系统，根据信用评分方法，建立自动信用评分系统。

​