这个任务安排给了刚工作不久的数据分析员小明,他从历史的该产品营销记录、客户关系管理(CRM)和客户信息整合(ECIP)系统中获取了构造预测模型所需要的数据。但是可使用的变量有150余个,数据质量也不太乐观。小明如何从中找到关键预测指标,构造出稳健而且预测效果良好的模型呢?本课程就是专门为像小明这样的数据分析师设计的,通过两天的学习掌握在国际著名金融企业中开发精准营销、信用评级等数据挖掘模型的标准开发过程,实现从理论到实践的过渡。
课程介绍
“正在上市前询价的美国网络借贷公司Lengding Club目前初步询价是50亿美金,这才是一个刚刚开始的基线,未来几年还会持续的往上走。华尔街选择对Lengding Club用真金白银支持的过程中,主要看重的是它基于数据的风险定价能力,基于数据的动态的风险定价能力。”——宏源证券研究所副所长、互联网千人会秘书长,易欢欢
国内互联网金融方兴未艾但是危机四伏,其中一点就是对信用风险的把控还处于刀耕火种的阶段。随着全民征信制度与手段的逐步完善,基于数据的风险定价和管理能力将是决定互联网金融企业价值甚至生存的根本因素。本课程使用由国际著名银行提供的真实贷款数据和建模脚本,对掌握信用风险建模的流程具有较强的实践意义。通过本课程的学习,可以使学员快速掌握分类数据挖掘方法在信用风险建模方面的实现方法,为进入银行、互联网金融行业的核心数据分析部门作准备。
本课程使用SAS EM作为主要的讲解软件,该模块虽然是通用的数据挖掘模块,但是对信用风险建模进行了有针对性地工具。目前国内所有银行在实施巴塞尔协议的内部信用风险建模中都采用了这个模块。可以说学习使用这个模块是掌握信用风险建模的捷径,当熟练的掌握该模块之后,才能更好的理解SAS编程实现的步骤。
本培训内容浓缩了《信用风险评分卡研究:基于SAS的开发与实施》和SAS官方培训的《Advanced Credit Risk Modeling for Basel II Using SAS 》、《统计2:方差分析和回归 (ST293)》、《使用逻辑回归分析分类数据 (CDALR92)》、《使用SAS Enterprise Miner进行应用分析 (AAEM61)》和《使用SAS Enterprise Miner进行高级预测建模 (PMAD61)》 的精华,并对参加SAS全球认证中的“Predictive Modeling Using Logistic Regression”和“Predictive Modeler Using SAS Enterprise Miner”有针对性地指导作用。
讲师简介
常国珍,德勤管理咨询高级数据挖掘咨询顾问,曾以数据挖掘工程师身份就职于亚信科技(中国)有限公司市场部。具有八年的数据挖掘实战经验,主攻分类模型,涉及客户精准营销、信用评估、价值提升、欺诈侦测和流失预警等数据挖掘主题,尤其熟悉银行个人客户精准营销的建模工作。
参与项目:
1、某国有大型银行企业级模型试验室建设; 2、某国有大型银行企业级欺诈系统建设;3、某股份制大型银行信用卡部产品精准营销建模和行为信用评级模型优化工作; 4、某股份制大型银行零售业务部客户忠诚度提升项目。
培训的客户包括:人行征信、工商银行信用卡部、建设银行技术部和部分分行、民生银行、华夏银行、光大银行、中信银行、江苏银行、泰康保险、宝马金融等公司。其中独立承担建行部分分行、华夏银行和江苏银行全部的SAS产品培训工作。
学员对象
掌握Logit回归的基础知识、熟悉SAS Data步的基本操作,SQL过程步和宏(MACRO),如不熟悉请上课前自学“人大论坛:SAS BASE编程基础”的视频。自行安装好带有EM模块的SAS程序,我们也会提供安装好EM的虚拟机,但要求电脑最少有6G内存。
提供给学员的资料:
视频:“人大论坛:SAS BASE编程基础”、本课程录像。
资料:自编的SAS EM课件、《SAS编程 1:编程基础 (PRG1)》、《SAS编程 2:数据处理技术 (PRG2)》、《SAS宏语言 1:基础 (MAC1)》 、《统计2:方差分析和回归 (ST293)》、《使用逻辑回归分析分类数据 (CDALR92)》、Advanced Credit Risk Modeling for Basel II Using SAS 》
参考教材:
SAS编程与数据挖掘商业案例;姚志勇 ;机械工业出版社,2010
信用风险评分卡研究:基于SAS的开发与实施;[美] 马姆杜·雷法特(Mamdouh Refaat) 著; 王松奇,林治乾 译;社会科学文献出版社,2013
经济计量学(中译版);[美] 斯托克(Stock,J.H.),等 著; 王庆石 译;东北财经大学出版社,2005
教学大纲
第一天上午
| 第1章:数据挖掘知识入门 SAS BASE、EM和SPSS Modeler对比介绍 |
第2章:信用风险建模简介 2.1 业务理解 2.2 维度分析、信息收集与变量生成 2.3 模型优劣评估标准 2.3.1 诚实评估的原则 2.3.2 数据抽样 | |
第3章:SAS EM界面和数据文件介绍 3.1 SEMMA流程与EM界面功能排布 3.2 SAS EM的数据文件和文件夹 | |
第4章:分类模型介绍 4.1 分类模型的3种运用场景 4.2 构造决策树模型实例 4.3 最优化模型的复杂度 | |
第一天下午: | 第5章:单变量检验与数据清洗 5.1 缺失值检验与处理方法 5.2 异常值检验与处理方法 5.3 解释变量粗筛——如何从一万个变量压缩到一百个变量 5.3.1 双变量关系检验法——变量选择节点 5.3.2 数据分箱 5.3.3 决策树法 |
第6章:维度压缩 6.1 连续变量压缩技术 6.1.1 因子分析 6.1.2 变量聚类 6.2 分类变量压缩技术 6.2.1 似完整分类数据问题 6.2.2 聚类法 6.2.3 WOE方法 | |
第二天上午: | 第7章:逻辑回归建模技术 7.1 算法 7.2 模型选择 7.2.1 逐步法 7.2.2 全子集法 7.3 根据经验Logit曲线进行连续变量转换 |
第8章:神经网络建模技术 8.1 算法 8.2 模型选择 8.3 控制模型复杂度 | |
第二天下午: | 第9章:模型评估与验证 9.1 诚实评估的原则 9.2 提升度与累积提升度 9.3 ROC曲线与曲线下面积 9.4 K-S统计量 9.5 基尼系数 |
第10章:构造信用评分卡专题 10.1 为什么采用逻辑回归建模 10.2 连续变量分箱技术与WOE转换 10.3 信用评分卡分值转换 10.4 阀值设置 |
课程安排
培训方式 | 时间 | 地点 | 价格 | 赠品 |
现场班 | 2015年1月17-18日 (两天16课时) | 北京,人大经济论坛教室 | 在职2400元/ 学生1600元 直播1600元 | 1. SAS BASE编程基础视频 2. 本课程全程录像终身学习 |
远程班 | 同步直播 |
更多优惠
1. 论坛现场班老学员可享受9折优惠
2. 同一单位三人共同报名可享受9折优惠
3. 赠送价值1000元《SAS BASE基础视频课程》
4. 赠送本课程视频录像后续终身学习
证书申请
可申请工信部《数据挖掘工程师》高级证书,申请费用400元。
【咨询方式】
电话:010-68454276(刘老师)
手机:18515667476
QQ:2881989707
邮箱:ljbing@pinggu.org