• “智能风控”慕课

    组织开设:西南财经大学

    上线平台:学堂在线

    风险管理是金融活动的核心。党中央和国务院高度重视防范金融风险,维护金融稳定。信贷资产在全国金融机构总资产中的比重超过一半。对各种类型的公司贷款、住房贷款、消费贷款、经营贷款的风险管理显得尤为重要。与定性分析为主的传统风控相比,智能风控秉持“数据驱动、智能决策”的理念,利用自动化风控系统缩短流程,减少处理时间,在提升效率的同时降低对客户的要求,提高客户服务体验。目前,智能风控已在身份验证、精准获客、贷前审批、贷中管理、贷后催收等多个环节发挥巨大作用,极大改变了传统风控信息不对称、运营成本高、处理速度慢、决策不准确的刻板印象。

  • 课程结构

     

    第一模块:智能风险管理概述,主要讲解智能风险管理的定义及发展,风控建模流程以及信用评分的含义和原理等。

    第二模块:评分卡的基本概念介绍,例如好坏样本定义,何为信用分数,信息比率的定义。

    第三模块:数据管理和特征工程的相关内容,包括数据清洗,样本分类,数据变换,特征筛选等。

    第四模块:智能风控模型介绍,包括了经典的朴素贝叶斯,判别分析,逻辑回归模型,决策树模型,也涉及了典型集成学习算法如随机森林模型,提升法模型。

    第五模块:模型评价,如混淆矩阵,ROC曲线,基尼系数与KS距离。

    第六模块:Python案例,采用真实信贷数据构建评分卡模型。

    第七模块:模型的校准和监管,包括分数缩放与校准,信用评分与监管等。

    课程共七章,总计21个授课视频,总时长约200分钟;计划开课12周,每周三学时,具体章节如下:

     

    1. 智能风险管理概述

       1.1 智能风控的发展

       1.2 风控建模流程

       1.3 信用评分的基础

    2.评分卡基本概念

       2.1 好坏定义与信用分数

       2.2 信息比率

    3.数据管理与特征工程

       3.1 数据清洗

       3.2 粗细分类

       3.3 数据变换

       3.4 特征筛选

    4.智能风控模型

       4.1 朴素贝叶斯

       4.2 判别分析

       4.3 逻辑回归

       4.4 决策树模型

       4.5 随机森林

    5.模型评价

       5.1 混淆矩阵

       5.2 ROC曲线

       5.3 基尼系数与KS距离

    6.校准与监管

       6.1 分数缩放与校准

       6.2 信用评分与监管

    7.Python案例

       7.1 Python实例讲解 

  • 教师团队

     

    张兴敏

    西南财经大学金融学院副教授、硕士生导师

    学术研究主要专注于金融风险管理、气候金融和金融科技等金融发展前沿领域,致力于促进金融学学术研究与业界实践的有效融合。已在国内外一流学术期刊发表多篇学术论文,主持国家自然科学基金青年项目,担任EUROPEAN JOURNAL OF FINANCE等期刊匿名审稿人。主讲课程《信用评分》被评选为国家级和省级线上线下混合式一流课程,参与四川省2021-2023年高等教育人才培养质量和教学改革项目一项。

     

    李志勇

    西南财经大学金融学教授、博士生导师

    现任省级一流专业建设点信用管理专业负责人,主要研究信用风险、金融科技与绿色金融等,已在EJOR等国际国内一流学术期刊上发表论文30余篇,担任CFRI青年编委,IJFE副主编,BAR、IJF等客座编辑,出版《信用评分应用》等著作。担任国家级一流本科课程《信用评分》主讲人,主持多项省级教改项目。获得四川省高等教育教学成果奖二等奖、四川省社会科学优秀成果奖二等奖。入选四川省“天府万人计划”和光华百人计划。