金融行业风险预测模型实战培训（2-3天）

金融行业风险预测模型实战【课程目标】

本课程专注于金融行业的风控模型，面向数据分析部等专门负责数据分析与建模的人士。

本课程的主要目的是，培养学员的大数据意识和大数据思维，掌握常用的数据分析方法和数据分析模型，并能够用于对客户行为作分析和预测，提升学员的数据分析综合能力。

通过本课程的学习，达到如下目的：

掌握数据分析和数据建模的基本过程和步骤

掌握客户行为分析中常用的分析方法

掌握业务的影响因素分析常用的方法

掌握常用客户行为预测模型，包括逻辑回归、决策树、神经网络、判别分析等等，以及分类模型的优化

掌握金融行业信用评分卡模型，构建信用评分模型

本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到最优分析结果。

【授课时间】

2-3天时间（每天6个小时）

【授课对象】

风险控制部、业务支撑、网络中心、IT系统部、数据分析部等对数据建模有较高要求的相关领域人员。

【学员要求】

每个学员自备一台便携机(必须)。

便携机中事先安装好Office Excel 2013版本及以上。

便携机中事先安装好IBM SPSS Statistics v24版本以上软件。

注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

理论精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作

【课程大纲】

数据核心理念—数据思维篇

问题：什么是数据思维？大数据决策的底层逻辑以及决策依据是什么？

数字化五大技术战略：ABCDI战略

A：人工智能，目的是用机器模拟人类行为

B：区块链，构建不可篡改的分布记账系统

C：云计算，搭建按需分配的计算资源平台

D：大数据，实现智能化的判断和决策机制

I：物联网，实现万物互联通信的基础架构

大数据的本质

数据，是事物发展和变化过程中留下的痕迹

大数据不在于量大，而在于全（多维性）

业务导向还是技术导向

大数据决策的底层逻辑（即四大核心价值）

探索业务规律，按规律来管理决策

案例：客流规律与排班及最佳营销时机

案例：致命交通事故发生的时间规律

发现运营变化，定短板来运营决策

案例：考核周期导致的员工月初懈怠

案例：工序信号异常监测设备故障

理清要素关系，找影响因素来决策

案例：情绪对于股市涨跌的影响

案例：为何升职反而会增加离职风险？

预测未来趋势，通过预判进行决策

案例：惠普预测员工离职风险及挽留

案例：保险公司的车险预测与个性化保费定价

大数据决策的三个关键环节

业务数据化：将业务问题转化为数据问题

数据信息化：提取数据中的业务规律信息

信息策略化：基于规律形成业务应对策略

案例：用数据来识别喜欢赚“差价”的营业员

数据分析基础—流程步骤篇

数据分析的六步曲

步骤1：明确目的，确定分析思路

确定分析目的：要解决什么样的业务问题

确定分析思路：分解业务问题，构建分析框架

步骤2：收集数据，寻找分析素材

明确数据范围

确定收集来源

确定收集方法

步骤3：整理数据，确保数据质量

数据质量评估

数据清洗、数据处理和变量处理

探索性分析

步骤4：分析数据，寻找业务答案

选择合适的分析方法

构建合适的分析模型

选择合适的分析工具

步骤5：呈现数，解读业务规律

选择恰当的图表

选择合适的可视化工具

提炼业务含义

步骤6：撰写报告，形成业务策略

选择报告种类

完整的报告结构

演练：产品精准营销案例分析

如何搭建精准营销分析框架

精准营销分析的过程和步骤

用户行为分析—统计方法篇

问题：数据分析方法的种类？分析方法的不同应用场景？

业务分析的三个阶段

现状分析：通过企业运营指标来发现规律及短板

原因分析：查找数据相关性，探寻目标影响因素

预测分析：合理配置资源，预判业务未来的趋势

常用的数据分析方法种类

描述性分析法（对比/分组/结构/趋势/交叉…）

相关性分析法（相关/方差/卡方…）

预测性分析法（回归/时序/决策树/神经网络…）

专题性分析法（聚类/关联/RFM模型/…）

统计分析基础

统计分析两大关键要素（类别、指标）

统计分析的操作模式（类别指标）

统计分析三个操作步骤（统计、画图、解读）

透视表的三个组成部分

常用的描述性指标

集中程度：均值、中位数、众数

离散程度：极差、方差/标准差、IQR

分布形态：偏度、峰度

基本分析方法及其适用场景

对比分析（查看数据差距，发现事物变化）

演练：寻找用户的地域分布特征

演练：分析产品受欢迎情况及贡献大小

演练：用数据来探索增量不增收困境的解决方案

分布分析（查看数据分布，探索业务层次）

演练：银行用户的消费水平和消费层次分析

演练：客户年龄分布/收入分布分析

案例：通信运营商的流量套餐划分合理性的评估

演练：呼叫中心接听电话效率分析（呼叫中心）

结构分析（查看指标构成，评估结构合理性）

案例：增值业务收入结构分析（通信）

案例：物流费用成本结构分析（物流）

案例：中移动用户群动态结构分析

演练：财务领域的结构瀑布图、财务收支的变化瀑布图

趋势分析（发现事物随时间的变化规律）

案例：破解零售店销售规律

案例：手机销量的淡旺季分析

案例：微信用户的活跃时间规律

演练：发现客流量的时间规律

交叉分析（从多个维度的数据指标分析）

演练：用户性别+地域分布分析

演练：不同客户的产品偏好分析

演练：不同学历用户的套餐偏好分析

演练：银行用户的违约影响因素分析

用户行为分析—分析框架篇

问题：如何才能全面/系统地分析而不遗漏？如何分解和细化业务问题？

业务分析思路和分析框架来源于业务模型

常用的业务模型

外部环境分析：PEST

业务专题分析：5W2H

竞品/竞争分析：SWOT、波特五力

营销市场专题分析：4P/4C等

用户行为分析（5W2H分析思路和框架）

WHY：原因（用户需求、产品亮点、竞品优劣势）

WHAT：产品（产品喜好、产品贡献、产品功能、产品结构）

WHO：客户（基本特征、消费能力、产品偏好）

WHEN：时间（淡旺季、活跃时间、重购周期）

WHERE：区域/渠道（区域喜好、渠道偏好）

HOW：支付/促销（支付方式、促销方式有效性评估等）

HOW MUCH：价格（费用、成本、利润、收入结构、价格偏好等）

案例讨论：结合公司情况，搭建用户消费习惯的分析框架（5W2H）数据建模基础—流程步骤篇

预测建模六步法

选择模型：基于业务选择恰当的数据模型

特征工程：选择对目标变量有显著影响的属性来建模

训练模型：采用合适的算法对模型进行训练，寻找到最优参数

评估模型：进行评估模型的质量，判断模型是否可用

优化模型：如果评估结果不理想，则需要对模型进行优化

应用模型：如果评估结果满足要求，则可应用模型于业务场景

数据挖掘常用的模型

定量预测模型：回归预测、时序预测等

定性预测模型：逻辑回归、决策树、神经网络、支持向量机等

市场细分：聚类、RFM、PCA等

产品推荐：关联分析、协同过滤等

产品优化：回归、随机效用等

产品定价：定价策略/最优定价等

特征工程/特征选择/变量降维

基于变量本身特征

基于相关性判断

因子合并（PCA等）

IV值筛选（评分卡使用）

基于信息增益判断（决策树使用）

模型评估

模型质量评估指标：R^2、正确率/查全率/查准率/特异性等

预测值评估指标：MAD、MSE/RMSE、MAPE、概率等

模型评估方法：留出法、K拆交叉验证、自助法等

其它评估：过拟合评估、残差检验

模型优化

优化模型：选择新模型/修改模型

优化数据：新增显著自变量

优化公式：采用新的计算公式

集成思想：Bagging/Boosting/Stacking

常用预测模型介绍

时序预测模型

回归预测模型

分类预测模型

影响因素分析—根因分析篇

问题：如何选择合适的属性/特征来建模呢？选择的依据是什么？比如价格是否可用于产品销量预测？

数据预处理vs特征工程

特征工程处理内容

变量变换

变量派生

变量精简（特征选择、因子合并）

类型转换

特征选择常用方法

相关分析、方差分析、卡方检验

相关分析（衡量两数据型变量的线性相关性）

相关分析简介

相关分析的应用场景

相关分析的种类

简单相关分析

偏相关分析

距离相关分析

相关系数的三种计算公式

Pearson相关系数

Spearman相关系数

Kendall相关系数

相关分析的假设检验

相关分析的四个基本步骤

演练：营销费用会影响销售额吗？影响程度如何量化？

演练：哪些因素与汽车销量有相关性

演练：影响用户消费水平的因素会有哪些

偏相关分析

偏相关原理：排除不可控因素后的两变量的相关性

偏相关系数的计算公式

偏相关分析的适用场景

距离相关分析

方差分析（衡量类别变量与数值变量间的相关性）

方差分析的应用场景

方差分析的三个种类

单因素方差分析

多因素方差分析

协方差分析

单因素方差分析的原理

方差分析的四个步骤

解读方差分析结果的两个要点

演练：摆放位置与销量有关吗

演练：客户学历对消费水平的影响分析

演练：广告和价格是影响终端销量的关键因素吗

演练：营业员的性别、技能级别对产品销量有影响吗

演练：寻找影响产品销量的关键因素

多因素方差分析原理

多因素方差分析的作用

多因素方差结果的解读

演练：广告形式、地区对销量的影响因素分析

协方差分析原理

协方差分析的适用场景

演练：排除产品价格，收入对销量有影响吗？

列联分析/卡方检验（两类别变量的相关性分析）

交叉表与列联表：计数值与期望值

卡方检验的原理

卡方检验的几个计算公式

列联表分析的适用场景

案例：套餐类型对客户流失的影响分析

案例：学历对业务套餐偏好的影响分析

案例：行业/规模对风控的影响分析

客户行为预测—分类模型篇

问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？分类模型概述及其应用场景

常见分类预测模型

逻辑回归（LR）

逻辑回归的适用场景

逻辑回归的模型原理

逻辑回归分类的几何意义

逻辑回归的种类

二项逻辑回归

多项逻辑回归

如何解读逻辑回归方程

带分类自变量的逻辑回归分析

多项逻辑回归/多分类逻辑回归

案例：如何评估用户是否会购买某产品（二项逻辑回归）

案例：多品牌选择模型分析（多项逻辑回归）

分类决策树（DT）

问题：如何预测客户行为？如何识别潜在客户？

风控：如何识别欠贷者的特征，以及预测欠贷概率？

客户保有：如何识别流失客户特征，以及预测客户流失概率？

决策树分类简介

案例：美国零售商（Target）如何预测少女怀孕

演练：识别银行欠货风险，提取欠贷者的特征

决策树分类的几何意义

构建决策树的三个关键问题

如何选择最佳属性来构建节点

如何分裂变量

修剪决策树

选择最优属性生长

熵、基尼索引、分类错误

属性划分增益

如何分裂变量

多元划分与二元划分

连续变量离散化（最优分割点）

修剪决策树

剪枝原则

预剪枝与后剪枝

构建决策树的四个算法

C5.0、CHAID、CART、QUEST

各种算法的比较

如何选择最优分类模型？

案例：商场用户的典型特征提取

案例：客户流失预警与客户挽留

案例：识别拖欠银行货款者的特征，避免不良货款

案例：识别电信诈骗者嘴脸，让通信更安全

多分类决策树

案例：不同套餐用户的典型特征

决策树模型的保存与应用

人工神经网络（ANN）

神经网络概述

神经网络基本原理

神经网络的结构

神经网络分类的几何意义

神经网络的建立步骤

神经网络的关键问题

BP反向传播网络（MLP）

径向基网络（RBF）

案例：评估银行用户拖欠货款的概率

判别分析（DA）

判别分析原理

判别分析种类

Fisher线性判别分析

案例：MBA学生录取判别分析

案例：上市公司类别评估

最近邻分类（KNN）

KNN模型的基本原理

KNN分类的几何意义

K近邻的关键问题

支持向量机（SVM）

SVM基本原理

线性可分问题：最大边界超平面

线性不可分问题：特征空间的转换

维灾难与核函数

贝叶斯分类（NBN）

贝叶斯分类原理

计算类别属性的条件概率

估计连续属性的条件概率

预测分类概率（计算概率）

拉普拉斯修正

案例：评估银行用户拖欠货款的概率

客户行为预测—模型评估篇

模型的评估指标

两大矩阵：混淆矩阵，代价矩阵

六大指标：Acc,P,R,Spec,F1,lift

三条曲线：

ROC曲线和AUC

PR曲线和BEP

KS曲线和KS值

模型的评估方法

原始评估法

留出法（Hold-Out）

交叉验证法（k-fold cross validation）

自助采样法（Bootstrapping）

客户行为预测—集成优化篇

模型的优化思路

集成算法基本原理

单独构建多个弱分类器

多个弱分类器组合投票，决定预测结果

集成方法的种类

Bagging

Boosting

Stacking

Bagging集成

数据/属性重抽样

决策依据：少数服从多数

典型模型：随机森林RF

Boosting集成

基于误分数据建模

样本选择权重更新公式

决策依据：加权投票

典型模型：AdaBoost模型

银行客户信用卡模型

信用评分卡模型简介

评分卡的关键问题

信用评分卡建立过程

筛选重要属性

数据集转化

建立分类模型

计算属性分值

确定审批阈值

筛选重要属性

属性分段

基本概念：WOE、IV

属性重要性评估

数据集转化

连续属性最优分段

计算属性取值的WOE

建立分类模型

训练逻辑回归模型

评估模型

得到字段系数

计算属性分值

计算补偿与刻度值

计算各字段得分

生成评分卡

确定审批阈值

画K-S曲线

计算K-S值

获取最优阈值

案例：构建银行小额贷款的用户信用模型

数据建模实战篇

电信业客户流失预警和客户挽留模型实战

银行欠贷风险预测模型实战

银行信用卡评分模型实战

结束：课程总结与问题答疑。