首页 > 科技 > 计算机 > 计算机科学

金融数据分析和数据挖掘案例实战

作译者：魏建国,曾珂,翟锟，常国珍

出版时间：2025-06 千字数：393 版次：01-01 页数：324

开本：16开装帧： I S B N ：9787121502781

换版：

纸质书定价：￥99.0

库存:有

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

第 1 篇　原理篇
第 1 章　数据科学思维..............................................................2
1.1　数据科学的工作范式 ........................................................................................2
1.2　数据分析方法和流程 ........................................................................................4
1.2.1　发现问题 ...............................................................................................................6
1.2.2　近因分析 ...............................................................................................................8
1.2.3　根因分析 ...............................................................................................................9
1.2.4　做出预测 .............................................................................................................10
1.2.5　制定方案 .............................................................................................................12
1.2.6　验证方案 .............................................................................................................14
1.3　数据挖掘方法论 ..............................................................................................15
1.3.1 CRISP-DM 方法论 .............................................................................................15
1.3.2 SEMMA 方法论 .................................................................................................16
1.4　金融行业数据挖掘场景 ..................................................................................18
第 2 篇　技术篇
第 2 章　某银行贷款产品精准营销模型........................................24
2.1　数据介绍 ..........................................................................................................24
2.2　商业分析 ..........................................................................................................29
2.2.1　发现问题 .............................................................................................................29
2.2.2　诊断问题 .............................................................................................................30
2.2.3　明确目标 .............................................................................................................31
2.2.4　定性分析 .............................................................................................................31
2.3　数据理解 ..........................................................................................................35
2.3.1　建立特征体系 .....................................................................................................35
2.4　数据准备 ..........................................................................................................39
2.4.1　提取被解释变量 .................................................................................................39
2.4.2　提取静态特征和时点特征 .................................................................................40
2.4.3　提取时期特征 .....................................................................................................40
2.4.4　提取预测用数据宽表 .........................................................................................41
2.5　建模和评估 ......................................................................................................42
2.5.1　定量客户画像与数据清洗 .................................................................................42
2.5.2　建立逻辑回归模型 .............................................................................................45
2.5.3　评估模型 .............................................................................................................47
2.6　模型运用的准备工作 ......................................................................................48
2.7　流程回顾 ..........................................................................................................49
第3章　多维特征的客户细分...................................................51
3.1　客户细分 ..........................................................................................................51
3.1.1　客户细分定义 .....................................................................................................51
3.1.2　客户细分类型 .....................................................................................................51
3.1.3　案例：银行多维度客户画像 .............................................................................54
3.2　预处理 ..............................................................................................................57
3.2.1　填补缺失值 .........................................................................................................57
3.2.2　修订错误值 .........................................................................................................58
3.2.3　处理离散变量 .....................................................................................................58
3.2.4　正态化与标准化 .................................................................................................61
3.3　维度分析 ..........................................................................................................64
3.4　聚类 ..................................................................................................................72
3.5　簇特征的解释 ..................................................................................................75
第4章　信用风险预测模型......................................................81
4.1　信贷全生命周期风险管理 ..............................................................................81
4.1.1　贷前阶段 .............................................................................................................81
4.1.2　贷中阶段 .............................................................................................................83
4.1.3　贷后阶段 .............................................................................................................84

4.2　ABC卡简介 .....................................................................................................86
4.2.1　信用评分卡简介 .................................................................................................86
4.2.2　ABC卡的应用 ...................................................................................................87
第5章　贷前信用风险预测模型（A卡）.....................................90
5.1　智能信贷审批基本框架 ..................................................................................90
5.1.1　申请人识别 .........................................................................................................91
5.1.2　信贷准入 .............................................................................................................92
5.1.3　申请评分卡 .........................................................................................................97
5.1.4　全样本建模与抽样建模 ...................................................................................106
5.2　特征工程 ........................................................................................................107
5.2.1　数据来源 ...........................................................................................................107
5.2.2　数据加工 ...........................................................................................................109
5.3　模型构建与评估 ............................................................................................121
5.3.1　Logistic回归模型.............................................................................................121
5.3.2　评分刻度与分值分配 .......................................................................................123
5.3.3　模型评估 ...........................................................................................................125
5.4　模型监控 ........................................................................................................129
5.4.1　前端监控 ...........................................................................................................129
5.4.2　后端监控 ...........................................................................................................134
5.5　拒绝推断 ........................................................................................................138
5.5.1　外部数据推断 ...................................................................................................138
5.5.2　模型推断 ...........................................................................................................139
5.5.3　拒绝推断结果的验证 .......................................................................................142
5.6　案例 1：某消费金融公司申请评分卡构建 .................................................143
5.6.1　场景介绍 ...........................................................................................................143
5.6.2　数据清洗 ...........................................................................................................143
5.6.3　特征初筛 ...........................................................................................................148
5.6.4　分箱与 WoE 编码 .............................................................................................149
5.6.5　相关性分析与特征聚类 ...................................................................................151
5.6.6　逐步回归 ...........................................................................................................151
5.6.7　模型评估 ...........................................................................................................153
5.6.8　评分卡的制作 ...................................................................................................155
5.6.9　模型文档 ...........................................................................................................158
5.7　案例 2：制作 Vintage 报告 ...........................................................................159
5.7.1　Vintage 相关业务报表 .....................................................................................159
5.7.2　Vintage 报告的制作 .........................................................................................160
5.8　申请评分卡应用 ............................................................................................166
5.8.1　模型及决策流 ...................................................................................................166
5.8.2　风险策略 ...........................................................................................................167
5.8.3　额度策略 ...........................................................................................................169
第6章　贷中信用风险预测模型（B卡）...................................171
6.1　行为评分卡 ....................................................................................................171
6.1.1　业务理解 ...........................................................................................................171
6.1.2　数据理解 ...........................................................................................................172
6.1.3　特征工程 ...........................................................................................................173
6.1.4　模型构建与评估 ...............................................................................................17
46.2　案例：某信用卡业务行为评分卡构建 ........................................................174
6.2.1　场景介绍 ...........................................................................................................174
6.2.2　数据整理与特征工程 .......................................................................................175
6.2.3　数据清洗与特征初筛 .......................................................................................185
6.2.4　分箱与 WoE 编码 .............................................................................................187
6.2.5　相关性筛选 .......................................................................................................187
6.2.6　逐步回归建模 ...................................................................................................187
6.2.7　模型评估 ...........................................................................................................188
6.3　行为评分卡的应用 ........................................................................................190
6.3.1　额度管理 ...........................................................................................................190
6.3.2　续卡或续贷策略 ...............................................................................................191
6.3.3　客户留存分析和挽留 .......................................................................................191
6.3.4　风险监控 ...........................................................................................................192
第7章　贷后催收模型（C卡）..............................................193
7.1　催收评分卡 ....................................................................................................193
7.1.1　业务理解 ...........................................................................................................193
7.1.2　数据理解 ...........................................................................................................195
7.1.3　特征工程与模型构建 .......................................................................................196
7.2　催收评分卡的应用 ........................................................................................197
7.2.1　预催收阶段 .......................................................................................................198
7.2.2　早期催收阶段 ...................................................................................................199
第8章　申请反欺诈模型.......................................................200
8.1　业务理解 ........................................................................................................200
8.1.1　申请欺诈产生的背景 .......................................................................................200
8.1.2　申请欺诈的分类 ...............................................................................................201
8.1.3　申请欺诈的应对 ...............................................................................................203
8.2　案例：申请反欺诈模型 ................................................................................205
8.2.1　异常特征构造 ...................................................................................................207
8.2.2　网络特征提取 ...................................................................................................214
8.2.3　构建识别模型 ...................................................................................................235
第9章　算法工程化.............................................................248
9.1　构建合理的项目结构 ....................................................................................248
9.1.1　为什么要构建合理的项目结构 .......................................................................248
9.1.2　什么是一个数据科学项目应有的项目结构 ...................................................250
9.2　如何编写规范的数据工程代码 ....................................................................254
9.2.1　代码可读性 .......................................................................................................254
9.2.2　数据处理性能 ...................................................................................................259

在这个数据如潮水般涌来的时代，金融行业的面貌正在经历着深刻的变革。数
据，这一曾经被视为辅助工具的信息资源，如今已成为驱动金融业务创新、提升决
策效率的核心动力。面对海量且复杂的数据，如何有效地进行分析和挖掘，以揭示
数据隐藏的价值和规律，成为金融从业者必须面对的重要课题。
《金融数据分析和数据挖掘案例实战》一书正是在这样的背景下应运而生的，
它不仅仅是一本书，更是一把开启金融数据宝藏的钥匙。本书旨在通过系统而深入
的讲解，带领读者走进金融数据分析与数据挖掘的广阔世界，探索数据背后的秘密，
发现数据驱动的力量。
本书的创新在于以客户画像为核心，构建从数据分析至数据挖掘的清晰路径，
特别关注业务人员在商业理解、场景描绘和数据理解中的关键作用，助力业务人员
逐步深化数据认知，并为数据分析师提供业务实操指导，确保数据分析紧密贴合实
际需求，实现数据价值最大化。
本书涵盖了金融数据分析的主要内容，从基础的数据理解、预处理，到高级的
数据挖掘技术和模型构建，都有详尽的阐述。本书不仅介绍了数据分析的基本流程
和方法，如发现问题、近因分析、根因分析、预测和制定解决方案等，还详细介绍
了数据挖掘的方法论，如 CRISP-DM 和 SEMMA 等。这些技术和方法不仅具有理
论价值，更具备实践意义，能够启发读者在实际业务中运用数据分析解决实际问题。
值得一提的是，本书通过对典型案例进行解析，将理论知识与实际业务紧密结
合，从客户细分到信用风险预测，从智能信贷审批到申请反欺诈模型，每个章节都
围绕金融行业的特定场景展开，为读者提供了可操作的解决方案和最佳实践。这些
案例不仅展示了数据分析在金融领域的广泛应用，也体现了数据分析在提升业务效
率、降低风险、优化决策等方面的巨大潜力。
本书不仅适合金融行业的从业者作为提升数据分析能力的参考书，也适合数据
分析师和数据科学领域的专业人士作为技术进阶的教材。同时，对数据科学在金融
领域的应用感兴趣的读者来说，本书也将是一本不可多得的入门指南。
值得一提的是，本书通过对典型案例进行解析，将理论知识与实际业务紧密结
合，从客户细分到信用风险预测，从智能信贷审批到申请反欺诈模型，每个章节都
围绕金融行业的特定场景展开，为读者提供了可操作的解决方案和最佳实践。这些
案例不仅展示了数据分析在金融领域的广泛应用，也体现了数据分析在提升业务效
率、降低风险、优化决策等方面的巨大潜力。
本书不仅适合金融行业的从业者作为提升数据分析能力的参考书，也适合数据
分析师和数据科学领域的专业人士作为技术进阶的教材。同时，对数据科学在金融
领域的应用感兴趣的读者来说，本书也将是一本不可多得的入门指南。

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}