[套装书]智能风控：原理、算法与工程实践+Python金融数据分析（2册）

作者

梅子行（新加坡）马伟明（James Ma Weiming）

丛书名

金融科技

出版社

机械工业出版社

ISBN

9782002271033

简要

简介

本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。 作者是智能风控、人工智能和算法领域的资深专家，曾在多加知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。 全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。 第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。 第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。 第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。 第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。 第7章分享了一些经作者实践证明效果较好的模型优化方法，并对模型融合的思路进行了较为详细的介绍。 第8章重点讲解了知识图谱相关的复杂网络基础知识及网络表示学习方法，其中的社区发现算法常用于团伙欺诈检测。此外，本章中的部分方法对信用评估模型的优化也有很大帮助。 ---------------------------Python金融数据分析--------------------------- . 本书将介绍股票、期权、利率衍生品等金融工具定价方法，如何根据市场指数进行大数据分析，以及如何使用NoSQL存储tick数据，可解决建模、交易策略优化和风险管理等金融领域的复杂问题。本书面向本科生、研究生、算法开发的初学者以及使用Python进行定量研究的金融领域软件开发人员。你无需精通Python，熟悉其基本使用情况即可。

目录

---------------------------智能风控：原理、算法与工程实践--------------------------- 推荐序 前言 第1章　风控建模与规则挖掘　/ 1 1.1　信贷与风险　/ 1 1.1.1　信贷业务与互联网金融风控体系　/ 1 1.1.2　信贷风险与控制　/ 4 1.2　工业建模流程　/ 5 1.2.1　抽象业务　/ 6 1.2.2　定义标签　/ 6 1.2.3　样本选取　/ 7 1.2.4　特征工程与模型调优　/ 9 1.2.5　上线监控与评估报表　/ 10 1.3　规则挖掘方案　/ 13 1.4　本章小结　/ 20 第2章　集成模型评分卡　/ 21 2.1　特征工程解析　/ 21 2.1.1　特征与模型　/ 22 2.1.2　信用模型的特征　/ 22 2.2　特征衍生方案　/ 24 2.3　离散处理　/ 27 2.3.1　one-hot编码　/ 27 2.3.2　WOE编码　/ 28 2.4　迭代特征筛选方案　/ 33 2.5　自动化调参　/ 38 2.5.1　自动化调参策略　/ 38 2.5.2　参数搜索方案　/ 39 2.5.3　调参框架搭建　/ 40 2.6　递归特征删除方案　/ 43 2.7　评分卡制作　/ 44 2.7.1　逻辑回归评分卡　/ 45 2.7.2　集成模型的评分映射　/ 55 2.7.3　针对业务改写评价函数　/ 59 2.8　本章小结　/ 60 第3章　迁移学习与冷启动　/ 61 3.1　迁移学习基础　/ 61 3.1.1　应用场景　/ 62 3.1.2　概念介绍　/ 62 3.2　迁移学习方法论　/ 63 3.2.1　三类常见算法　/ 63 3.2.2　迁移的实现方法　/ 64 3.3　少量有标签样本的迁移方案　/ 65 3.3.1　TrAdaBoost模型　/ 65 3.3.2　跨场景迁移模型　/ 67 3.4　无标签样本迁移之JDA　/ 76 3.4.1　JDA模型　/ 76 3.4.2　模型应用　/ 79 3.5　无标签样本迁移之DTELM　/ 80 3.5.1　ELM模型　/ 81 3.5.2　DTELM模型　/ 82 3.5.3　模型应用　/ 84 3.6　迁移样本筛选方案　/ 88 3.6.1　背景介绍　/ 88 3.6.2　算法框架概览　/ 88 3.6.3　搭建融合框架　/ 89 3.7　本章小结　/ 93 第4章　幸存者偏差　/ 95 4.1　幸存者偏差的含义　/ 95 4.2　增量学习　/ 96 4.3　生成对抗网络　/ 97 4.3.1　GAN模型介绍　/ 98 4.3.2　GAN与幸存者偏差　/ 99 4.4　高斯混合模型　/ 100 4.4.1　GMM算法原理　/ 101 4.4.2　GMM简单应用　/ 103 4.4.3　GMM中的概率模型　/ 104 4.4.4　GMM样本生成　/ 107 4.5　信息准则　/ 110 4.5.1　赤池信息准则　/ 110 4.5.2　贝叶斯信息准则　/ 111 4.5.3　AIC与BIC比较　/ 111 4.6　本章小结　/ 112 第5章　不均衡学习　/ 113 5.1　样本不均衡　/ 113 5.2　代价敏感加权方案　/ 114 5.3　插值过采样方案　/ 115 5.3.1　SMOTE算法　/ 115 5.3.2　过采样算法实践　/ 116 5.4　半监督学习方案　/ 121 5.4.1　前提假设　/ 122 5.4.2　S3VM　/ 122 5.4.3　LP　/ 127 5.5　本章小结　/ 130 第6章　异常检测　/ 132 6.1　离群点与欺诈检测　/ 133 6.2　z-score检验　/ 134 6.3　LOF异常检测法　/ 134 6.3.1　原理与算法流程　/ 135 6.3.2　LOF样本清洗方案　/ 137 6.4　IF异常检测法　/ 139 6.4.1　原理与算法流程　/ 139 6.4.2　PreA模型与冷启动　/ 141 6.5　本章小结　/ 144 第7章　模型优化　/ 145 7.1　多损失函数分段预测　/ 145 7.1.1　两种损失函数　/ 146 7.1.2　融合流程　/ 146 7.2　树模型特征衍生　/ 149 7.2.1　GBDT离散化　/ 149 7.2.2　融合方案详解　/ 150 7.2.3　特征衍生细节　/ 151 7.2.4　案例　/ 151 7.3　时间序列建模　/ 160 7.3.1　RNN　/ 160 7.3.2　LSTM　/ 163 7.3.3　门控结构　/ 164 7.3.4　LSTM行为评分卡案例　/ 166 7.4　高维稀疏数据建模　/ 170 7.4.1　算法原理　/ 171 7.4.2　算法应用　/ 172 7.5　模型融合　/ 173 7.5.1　模型融合基础　/ 173 7.5.2　模型筛选　/ 174 7.5.3　业务应用方案　/ 181 7.6　本章小结　/ 183 第8章　知识图谱　/ 184 8.1　复杂网络基础　/ 184 8.2　中心度与相似性　/ 187 8.3　节点分类　/ 193 8.3.1　朴素节点分类　/ 193 8.3.2　邻节点加权投票　/ 195 8.3.3　一致性标签传播　/ 197 8.4　社区发现算法　/ 200 8.4.1　基础概念　/ 200 8.4.2　Girvan-Newman算法　/ 201 8.4.3　Louvain算法　/ 202 8.4.4　社区评估　/ 204 8.5　网络表示学习　/ 206 8.5.1　矩阵分解　/ 207 8.5.2　节点嵌入　/ 210 8.6　图卷积神经网络　/ 215 8.6.1　卷积神经网络　/ 215 8.6.2　傅里叶变换　/ 217 8.6.3　拉普拉斯算子　/ 219 8.6.4　GCN中的图卷积　/ 221 8.7　本章小结　/ 225 参考文献　/ 226 ---------------------------Python金融数据分析--------------------------- 前言 第1章Python在金融中的应用 11Python适合我吗 111免费+开源 112高级、强大、灵活的编程语言 113丰富的标准库 12面向对象编程与函数式编程 121面向对象式方法 122函数式方法 123我该使用哪种方法 13我该使用哪个版本的Python 14IPython简介 141安装IPython 142使用pip 143IPython Notebook 144Notebook单元格 145IPython Notebook简单的练习 146Notebook与金融 15总结 第2章金融中的线性问题 21资本资产定价模型与证券市场线 22套利定价模型 23因子模型的多元线性回归 24线性最优化 241安装PuLP 242一个简单的线性优化问题 243线性规划的结果 244整数规划 25使用矩阵解线性方程组 26LU分解 27Cholesky分解 28QR分解 29总结 第3章非线性与金融 31非线性建模 32非线性模型举例 321隐含波动率模型 322马尔可夫机制转换模型 323门限自回归模型 324平滑转换模型 33非线性模型求根算法概述 34增量法 35二分法 36牛顿迭代法 37割线法 38求根法的结合使用 39利用SciPy求解 391SciPy求根标量函数 392通用非线性求解器 310总结 第4章利用数值方法为衍生品定价 41什么是期权 42二叉树期权定价模型 421欧式期权定价 422编写StockOption类 423编写BinomialEuropeanOption类 424利用BinomialTreeOption类给美式期权定价 425CoxRossRubinstein模型 426LeisenReimer模型 43希腊值 44三叉树期权定价模型 45期权定价中的Lattice方法 451二叉树网格 452编写BinomialCRROption类 453三叉树网格 46有限差分法 461显式方法 462隐式方法 463CrankNicolson方法 464奇异障碍期权定价 465美式期权定价的有限差分 47隐含波动率模型 48总结 第5章利率及其衍生工具 51固定收益证券 52收益率曲线 53无息债券 54自助法构建收益率曲线 55远期利率 56计算到期收益率 57计算债券定价 58久期 59凸度 510短期利率模型 5101Vasicek模型 5102CoxIngersollRoss模型 5103Rendleman and Bartter模型 5104Brennan and Schwartz模型 511债券期权 5111可赎回债券 5112可回售债券 5113可转换债券 5114优先股 512可赎回债券定价 5121Vasicek模型定价无息债券 5122提前行权定价 5123有限差分策略迭代法 5124可赎回债券定价的其他影响因素 513总结 第6章利用Python分析欧洲斯托克 50指数波动率 61波动率指数衍生品 611STOXX与欧洲期货交易所 612EURO STOXX 50指数 613VSTOXX 614VIX 62获取EUROX STOXX 50指数和VSTOXX数据 63数据合并 64SX5E与V2TX的财务分析 65SX5E与V2TX的相关性 66计算VSTOXX子指数 661获取OESX数据 662计算VSTOXX子指数的公式 663VSTOXX子指数值的实现 664分析结果 67计算VSTOXX主指数 68总结 第7章大数据分析 71什么是大数据 72Hadoop 721HDFS 722YARN 723MapReduce 73大数据工具对我来说实用吗 74获取Apache Hadoop 741从Cloudera获取QuickStart VM 742获取VirtualBox 743在VirtualBox上运行Cloudera VM 75Hadoop中的字计数程序 751下载示例数据 752map程序 753reduce程序 754测试脚本 755在Hadoop上运行MapReduce 756使用Hue浏览HDFS 76Hadoop的金融实践 761从Yahoo! Finance获取IBM股票价格 762修改map程序 763使用IBM股票价格测试map程序 764运行MapReduce计算日内价格变化 765分析MapReduce结果 77NoSQL简介 771获取MongoDB 772创建数据并运行MongoDB 773获取PyMongo 774运行测试连接 775获取数据库 776获取集合 777插入文档 778获取单个文档 779删除文档 7710批量插入文档 7711统计集合文档 7712查找文档 7713文档排序 7714结论 78总结 第8章算法交易 81什么是算法交易 82带有公共API的交易平台列表 83有没有最好的编程语言 84系统功能 85通过Interactive Brokers和IbPy进行算法交易 851获取Interactive Brokers的Trader WorkStation 852获取IbPy——IB API包装器 853指令路由机制 86构建均值回归算法交易系统 861设置主程序 862处理事件 863实现均值回归算法 864跟踪头寸 87使用OANDA API进行外汇交易 871什么是REST 872设置OANDA账户 873OANDA API使用方法 874获取oandapy——OAND AREST API包装器 875获取并解析汇率数据 876发送指令 88构建趋势跟踪外汇交易平台 881设置主程序 882处理事件 883实现趋势跟踪算法 884跟踪头寸 89风险价值模型 810总结 第9章回溯测试 91回溯测试概述 911回溯测试的缺陷 912事件驱动回溯测试系统 92设计并实施回溯测试系统 921TickData类 922MarketData类 923MarketDataSource类 924Order类 925Position类 926Strategy类 927MeanReverting Strategy类 928Backtester类 929运行回溯测试系统 9210改进回溯测试系统 93回溯测试模型的10个注意事项 931模型的资源限制 932模型评价标准 933估计回溯测试参数的质量 934应对模型风险 935样本数据回测 936解决回溯测试的常见缺陷 937常识错误 938理解模型环境 939数据准确性 9310数据挖掘 94回溯测试中的算法选择 941k均值聚类算法 942KNN机器学习算法 943分类回归树分析 9442k析因设计 945遗传算法 95总结 第10章Python与Excel的融通 101COM概述 102Excel与金融 103构建COM服务器 1031先决条件 1032获取pythoncom模块 1033构建BlackScholes模型COM服务器 1034注册和注销COM服务器 1035构建CoxRossRubinstein模型COM服务器 1036构建三叉网格模型COM服务器 104在Excel中构建COM客户端 1041设置VBA代码 1042设置单元格 105COM的其他功能 106总结

有问题微信扫码联系

• ※[套装书]金融的权力：银行家创造的国际货币格局+金融战争：金融资本如何在全球掠夺财富（2册）
• ※[套装书]第一特性：跨越创新的第二曲线+用户增长方法论：找到产品长盛不衰的增长曲线（2册）
• ※[套装书]智能风控：原理、算法与工程实践+量化交易之路：用Python做股票量化分析（2册）
• ※[套装书]认识决策：以模糊集和粗糙集为分析工具+灰度决策：如何处理复杂、棘手、高风险的难题（2册）
• ※[套装书]第一特性：跨越创新的第二曲线+第二曲线：跨越“S型曲线”的二次增长（2册）
• ※[套装书]智能风控：原理、算法与工程实践+Python金融数据分析（2册）
• ※[套装书]用户画像：方法论与工程化解决方案+HBase原理与实践（2册）
• ※[套装书]金融的权力：银行家创造的国际货币格局+这次不一样:八百年金融危机史(珍藏版)[图书]（2册）
• ※[套装书]认识决策：以模糊集和粗糙集为分析工具+轻战略：量子时代的敏捷决策（2册）
• ※[套装书]第一特性：跨越创新的第二曲线+公司进化论：伟大的企业如何持续创新(珍藏版)（2册）
• ※[套装书]数据仓库（原书第4版）+数据挖掘：概念与技术(原书第3版）（2册）

桂ICP备20004708号-4