企業(yè)信用評(píng)級(jí)在全球金融領(lǐng)域有廣泛應(yīng)用。它涉及到公司管理，企業(yè)債發(fā)行，企業(yè)融資，企業(yè)上市，企業(yè)并購(gòu)，個(gè)人炒股和購(gòu)買公司債券等多個(gè)場(chǎng)景。
企業(yè)債發(fā)行
企業(yè)主體信用評(píng)級(jí)越高，意味著該企業(yè)抗風(fēng)險(xiǎn)能力、盈利能力越強(qiáng)，發(fā)債融資成本越低。作為企業(yè)董事會(huì)，管理者，決策者應(yīng)該了解企業(yè)主要財(cái)務(wù)指標(biāo)，了解自身企業(yè)評(píng)級(jí)。
企業(yè)發(fā)債時(shí)都需要評(píng)級(jí)。國(guó)內(nèi)評(píng)級(jí)這塊主要分為AAA、AA+、AA、AA-、A+。企業(yè)評(píng)級(jí)過(guò)低會(huì)限制某些工具的發(fā)行額度、交易場(chǎng)所可質(zhì)押性等等
如果是評(píng)級(jí)太低，企業(yè)發(fā)行債券沒人買。目前廣大投資者的投資門檻是AA。
企業(yè)上市
?企業(yè)上市融資時(shí)也需要信用評(píng)級(jí)。目前國(guó)內(nèi)只有優(yōu)質(zhì)企業(yè)才能上市融資，上市牌照是很難拿的。
如果財(cái)務(wù)指標(biāo)和資質(zhì)不達(dá)標(biāo)，則不能上市。
企業(yè)并購(gòu)
企業(yè)并購(gòu)是企業(yè)之間的兼并和收購(gòu)行為。如果收購(gòu)方不能很好了解對(duì)方企業(yè)評(píng)級(jí)，買來(lái)的企業(yè)可能是包裝過(guò)的垃圾企業(yè)。
失敗企業(yè)并購(gòu)會(huì)讓企業(yè)背上巨大債務(wù)負(fù)擔(dān)。
個(gè)人炒股
個(gè)人炒股投資者如果不懂企業(yè)評(píng)級(jí)，也難以買到優(yōu)質(zhì)股，容易被人忽悠買到垃圾股。建議不會(huì)數(shù)據(jù)科學(xué)的人趁早離開股市和金融投資，否則可能欠下巨額債務(wù)。
如果個(gè)人通過(guò)學(xué)習(xí)機(jī)器學(xué)習(xí)模型，可以識(shí)別有價(jià)值企業(yè)，股票，債券，財(cái)富升值概率顯著高于不懂模型的人。

?

企業(yè)信用評(píng)級(jí)模型如何搭建？企業(yè)如何才能通過(guò)信用評(píng)級(jí)? 標(biāo)準(zhǔn)普爾、穆迪，惠譽(yù)國(guó)際，中誠(chéng)信等知名評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)規(guī)則如何破解？

歡迎各位同學(xué)學(xué)習(xí)python信用評(píng)分卡建模視頻系列教程（附代碼，?博主錄制）?：

https://ke.qq.com/course/3063615?tuin=dcbf0ba

?

?

?

?

?

?

?

公司管理者應(yīng)該學(xué)習(xí)企業(yè)信用評(píng)級(jí)

?企業(yè)主體信用評(píng)級(jí)越高，意味著該企業(yè)抗風(fēng)險(xiǎn)能力、盈利能力越強(qiáng)，發(fā)債融資成本越低。作為企業(yè)董事會(huì)，管理者，決策者應(yīng)該了解企業(yè)主要財(cái)務(wù)指標(biāo)，了解自身企業(yè)評(píng)級(jí)。

?

企業(yè)發(fā)債時(shí)都需要評(píng)級(jí)。
國(guó)內(nèi)評(píng)級(jí)這塊主要分為AAA、AA+、AA、AA-、A+。

?

企業(yè)評(píng)級(jí)過(guò)低會(huì)限制某些工具的發(fā)行額度、交易場(chǎng)所可質(zhì)押性等等
如果是評(píng)級(jí)太低，企業(yè)發(fā)行債券沒人買。目前廣大投資者的投資門檻是AA

?

?

? 企業(yè)上市融資時(shí)也需要信用評(píng)級(jí)。目前國(guó)內(nèi)只有優(yōu)質(zhì)企業(yè)才能上市融資，上市牌照是很難拿的。
如果財(cái)務(wù)指標(biāo)和資質(zhì)不達(dá)標(biāo)，則不能上市。

個(gè)人炒股投資者如果不懂企業(yè)評(píng)級(jí)，也難以買到優(yōu)質(zhì)股，容易被人忽悠買到垃圾股。

企業(yè)并購(gòu)是企業(yè)之間的兼并和收購(gòu)行為。
如果收購(gòu)方不能很好了解對(duì)方企業(yè)評(píng)級(jí)，買來(lái)的企業(yè)可能是包裝過(guò)的垃圾企業(yè)。
失敗企業(yè)并購(gòu)會(huì)讓企業(yè)背上巨大債務(wù)負(fù)擔(dān)。

?

課程中涉及到部分城投公司

?

?

?江蘇城投企業(yè)建模數(shù)據(jù)部分展示

?

課程中Python企業(yè)評(píng)級(jí)模型的AUC高于0.94，f1分?jǐn)?shù)高達(dá)0.8，模型綜合性能卓越

?

?國(guó)內(nèi)外知名評(píng)級(jí)公司包括：標(biāo)準(zhǔn)普爾、穆迪，惠譽(yù)國(guó)際，中誠(chéng)信等公司。這些知名評(píng)級(jí)機(jī)構(gòu)業(yè)務(wù)繁多，主要是通過(guò)自動(dòng)化模型評(píng)級(jí)為主，人工審核為輔。

既然評(píng)級(jí)公司用模型評(píng)級(jí)，我們也可以用模型來(lái)逆向破解評(píng)級(jí)公司的規(guī)則。

機(jī)器學(xué)習(xí)模型可以逆向破解評(píng)級(jí)機(jī)構(gòu)規(guī)則，讓企業(yè)參加評(píng)級(jí)時(shí)把重要時(shí)間和精力放在評(píng)級(jí)機(jī)構(gòu)關(guān)注指標(biāo)上，顯著提高高評(píng)級(jí)通過(guò)率。

?

?

?

?

課程目錄

章節(jié)1前言
課時(shí)1課程概述（必看）
課時(shí)2python金融風(fēng)控評(píng)分卡模型和數(shù)據(jù)分析微專業(yè)課介紹（必看）
課時(shí)3歡迎項(xiàng)目合作

章節(jié)2python編程環(huán)境搭建
課時(shí)4風(fēng)控建模語(yǔ)言，python，R，SAS優(yōu)劣對(duì)比
課時(shí)5Anaconda快速入門指南
課時(shí)6Anaconda下載安裝
課時(shí)7canopy下載和安裝
課時(shí)8Anaconda Navigator導(dǎo)航器
課時(shí)9Anaconda安裝不同版本python

章節(jié)3python安裝包
課時(shí)10python第三方包安裝(pip和conda install)
課時(shí)11Python非官方擴(kuò)展包下載地址
課時(shí)12pip install --user --upgrade package升級(jí)包
課時(shí)13pip install失敗報(bào)錯(cuò)五種解決方案

章節(jié)4Jupiter Notebook概述
課時(shí)14為什么使用jupyter notebook及如何安裝
課時(shí)15如何用jupyter notebook打開指定文件夾內(nèi)容？
課時(shí)16jupyter基本文本編輯操作
課時(shí)17jupyter生成在線PPT匯報(bào)文檔
課時(shí)18jupyter notebook用matplotlib不顯示圖片解決方案

章節(jié)5 python編程基礎(chǔ)知識(shí)
課時(shí)14 Python文件基本操作
課時(shí)15 變量_表達(dá)式_運(yùn)算符_值
課時(shí)16 字符串string
課時(shí)17 列表list
課時(shí)18 程序的基本構(gòu)架（條件，循環(huán)）
課時(shí)19 數(shù)據(jù)類型_函數(shù)_面向?qū)ο缶幊?br>課時(shí)20 python2和3的區(qū)別
課時(shí)21 編程技巧和學(xué)習(xí)方法

章節(jié)6 python機(jī)器學(xué)習(xí)基礎(chǔ)
課時(shí)22 UCI機(jī)器學(xué)習(xí)常用數(shù)據(jù)庫(kù)介紹
課時(shí)23 機(jī)器學(xué)習(xí)書籍推薦
課時(shí)24 如何選擇算法
課時(shí)25 機(jī)器學(xué)習(xí)語(yǔ)法速查表
課時(shí)26 python數(shù)據(jù)科學(xué)常用的庫(kù)
課時(shí)27 python數(shù)據(jù)科學(xué)入門介紹(選修)

章節(jié)7 德國(guó)信用評(píng)分?jǐn)?shù)據(jù)下載和介紹
課時(shí)28 35德國(guó)信用評(píng)分?jǐn)?shù)據(jù)下載和介紹

章節(jié)8 信用評(píng)分卡開發(fā)流程（上）
課時(shí)29 評(píng)分卡開發(fā)流程概述
課時(shí)30 第一步：數(shù)據(jù)收集
課時(shí)31 第二步：數(shù)據(jù)準(zhǔn)備
課時(shí)32 變量可視化分析
課時(shí)33 樣本量需要多少？
課時(shí)34 壞客戶定義
課時(shí)35 第三步：變量篩選
課時(shí)36 變量重要性評(píng)估_iv和信息增益混合方法
課時(shí)37 衍生變量05:01
課時(shí)38 第四步：變量分箱01:38

章節(jié)9 信用評(píng)分卡開發(fā)流程（下）
課時(shí)39 第五步：建立邏輯回歸模型
課時(shí)40 odds賠率
課時(shí)41 woe計(jì)算
課時(shí)42 變量系數(shù)
課時(shí)43 A和B計(jì)算
課時(shí)44 Excel手動(dòng)計(jì)算壞客戶概率
課時(shí)45 Python腳本計(jì)算壞客戶概率
課時(shí)46 客戶評(píng)分
課時(shí)47 評(píng)分卡誕生-變量分?jǐn)?shù)計(jì)算
課時(shí)48 拒絕演繹reject inference
課時(shí)49 第六步：模型驗(yàn)證
課時(shí)50 第七步：模型部署
課時(shí)51 常見模型部署問(wèn)題

章節(jié)10 模型開發(fā)基礎(chǔ)知識(shí)python腳本講解
課時(shí)61數(shù)據(jù)讀取read_excel和read_csv
課時(shí)62數(shù)據(jù)劃分train_test_split
課時(shí)63LogisticRegression()模型構(gòu)建和訓(xùn)練fit()
課時(shí)64模型預(yù)測(cè)predict和predict_proba區(qū)別
課時(shí)65模型驗(yàn)證的python腳本講解
課時(shí)66pickle保存模型包

章節(jié)11 Python信用評(píng)分卡-邏輯回歸腳本
課時(shí)52 Python信用評(píng)分卡腳本運(yùn)行演示
課時(shí)53 描述性統(tǒng)計(jì)腳本_缺失率和共線性分析
課時(shí)54 woe腳本(kmean分箱)
課時(shí)55 iv計(jì)算獨(dú)家腳本
課時(shí)56 Excel手動(dòng)推導(dǎo)變量woe和iv值
課時(shí)57 評(píng)分卡腳本1（sklearn）
課時(shí)58 評(píng)分卡腳本2（statsmodel）
課時(shí)59 生成評(píng)分卡腳本
課時(shí)60 模型驗(yàn)證腳本

章節(jié)12 PSI(population stability index)穩(wěn)定指標(biāo)
課時(shí)61 拿破侖遠(yuǎn)征歐洲失敗/華爾街股災(zāi)真兇-PSI模型穩(wěn)定指標(biāo)揭秘
課時(shí)62 excel推導(dǎo)PSI的計(jì)算公式
課時(shí)63 PSI計(jì)算公式原理_獨(dú)家秘密
課時(shí)64 PSI的python腳本講解

章節(jié)13 難點(diǎn)1_壞客戶定義
課時(shí)65 壞客戶定義錯(cuò)誤，全盤皆輸
課時(shí)66 不同場(chǎng)景壞客戶定義不一樣，壞客戶定義具有反復(fù)性
課時(shí)67 壞客戶占比不能太低
課時(shí)68 vintage源于葡萄酒釀造
課時(shí)69 vintage用于授信策略優(yōu)化

章節(jié)14 難點(diǎn)2_woe分箱
課時(shí)70 ln對(duì)數(shù)函數(shù)
課時(shí)71 excel手動(dòng)計(jì)算woe值
課時(shí)72 python計(jì)算woe腳本
課時(shí)73 Iv計(jì)算推導(dǎo)
課時(shí)74 woe正負(fù)符號(hào)意義
課時(shí)75 WOE計(jì)算就這么簡(jiǎn)單？你想多了
課時(shí)76 Kmean算法原理
課時(shí)77 python kmean實(shí)現(xiàn)粗分箱腳本
課時(shí)78 自動(dòng)化比較變量不同分箱的iv值
課時(shí)79 woe分箱第三方包腳本

章節(jié)15 難點(diǎn)3_邏輯回歸是最佳算法嗎？
課時(shí)80 邏輯回歸是最優(yōu)算法嗎？No
課時(shí)81 xgboost_支持腳本下載
課時(shí)82 隨機(jī)森林randomForest_支持腳本下載
課時(shí)83 支持向量SVM_支持腳本下載
課時(shí)84 神經(jīng)網(wǎng)絡(luò)neural network_支持腳本下載
課時(shí)85 多算法比較重要性_模型競(jìng)賽，百萬(wàn)獎(jiǎng)金任你拿

章節(jié)16 難點(diǎn)4_變量缺失數(shù)據(jù)處理
課時(shí)86 imputer-缺失數(shù)據(jù)處理
課時(shí)87 xgboost簡(jiǎn)單處理缺失數(shù)據(jù)
課時(shí)88 catboost處理缺失數(shù)據(jù)最簡(jiǎn)單

章節(jié)17 難點(diǎn)5.模型驗(yàn)證
課時(shí)89 模型需要驗(yàn)證碼？
課時(shí)90 商業(yè)銀行資本管理辦法(試行)
課時(shí)91 模型驗(yàn)證_信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)體系監(jiān)管要求
課時(shí)92 模型驗(yàn)證主要指標(biāo)概述
課時(shí)93 交叉驗(yàn)證cross validation
課時(shí)94 groupby分類統(tǒng)計(jì)函數(shù)
課時(shí)95 KS_模型區(qū)分能力指標(biāo)
課時(shí)96 混淆矩陣（accuracy,precision，recall，f1 score）
新增課時(shí)? ?模型排序能力-lift提升圖

章節(jié)18 難點(diǎn)6.邏輯回歸調(diào)參
課時(shí)97 菜鳥也能輕松調(diào)參
課時(shí)98 調(diào)參1_Penalty正則化選擇參數(shù)
課時(shí)99 調(diào)參2_classWeight類別權(quán)重
課時(shí)100 調(diào)參3_solver優(yōu)化算法選擇參數(shù)
課時(shí)101 調(diào)參4_n_jobs
課時(shí)102 L-BFGS算法演化歷史
課時(shí)103 次要參數(shù)一覽

章節(jié)19難點(diǎn)7_非平衡樣本數(shù)據(jù)imbalanced data
課時(shí)123非平衡數(shù)據(jù)是什么？對(duì)模型有什么壞處？
課時(shí)124解決非平衡數(shù)據(jù)方法（欠采樣，過(guò)采樣，SMOTE）
課時(shí)125SMOTE非平衡數(shù)據(jù)處理python腳本講解

章節(jié)20 風(fēng)控管理和詐騙中介（選修）
課時(shí)104 網(wǎng)絡(luò)信貸發(fā)展史
課時(shí)105 詐騙中介
課時(shí)106 風(fēng)控管理
課時(shí)107 告別套路貸，高利貸，選擇正確貸款方式

章節(jié)21 2018-2019消費(fèi)金融市場(chǎng)行情
課時(shí)108 揭秘：近年消費(fèi)金融火爆發(fā)展根本原因
課時(shí)109 持牌照消費(fèi)金融公司盈利排行榜
課時(shí)110 消費(fèi)金融，風(fēng)控技術(shù)是瓶頸
課時(shí)111 誰(shuí)能笑到最后：2018-2019消費(fèi)金融公司注冊(cè)資本
課時(shí)112 蘿卜加大棒：中央政策監(jiān)管趨勢(shì)獨(dú)家預(yù)測(cè)
課時(shí)113 信用是金融交易的基石_P2P倒閉潮秘密

章節(jié)22 2018-2019年全球宏觀經(jīng)濟(jì)
課時(shí)114 專家不會(huì)告訴你的秘密：美元和黃金真實(shí)關(guān)系
課時(shí)115 宏觀經(jīng)濟(jì)主要指標(biāo)：債務(wù)率和失業(yè)率
課時(shí)116 2019年中國(guó)宏觀經(jīng)濟(jì)分析_贈(zèng)人民銀行發(fā)布2018n年中國(guó)金融穩(wěn)定報(bào)告
課時(shí)117 2019年G20國(guó)家宏觀經(jīng)濟(jì)信息匯總_供下載
課時(shí)118 全球系統(tǒng)金融風(fēng)險(xiǎn)
課時(shí)119 基尼系數(shù)_貧富差異指標(biāo)
課時(shí)120 GDP_利率_通貨膨脹
課時(shí)121 失業(yè)率_債務(wù)率
課時(shí)122 貿(mào)易差額_中美貿(mào)易戰(zhàn)根本原因
課時(shí)123 信用評(píng)級(jí)_阿根廷金融危機(jī)獨(dú)家解讀

章節(jié)23 企業(yè)信用評(píng)分卡模型實(shí)戰(zhàn)（python，基于真實(shí)江蘇城投公司數(shù)據(jù)）
課時(shí)148描述性統(tǒng)計(jì)和缺失值處理
課時(shí)149woe第三方包分箱原理和主要語(yǔ)法
課時(shí)150python腳本woe分箱整體演示
課時(shí)151用woe數(shù)據(jù)生成模型包
課時(shí)152AUC大于0.9-模型驗(yàn)證效果非常好
課時(shí)153踢除高相關(guān)性變量后建模，模型性能有何變化？
課時(shí)154最小分箱數(shù)量調(diào)參測(cè)試
課時(shí)155逆向工程-破解評(píng)級(jí)機(jī)構(gòu)秘密
課時(shí)156AAA評(píng)級(jí)企業(yè)
課時(shí)157AA＋評(píng)級(jí)企業(yè)
課時(shí)158AA評(píng)級(jí)企業(yè)
課時(shí)159國(guó)內(nèi)評(píng)級(jí)機(jī)構(gòu)業(yè)務(wù)統(tǒng)計(jì)數(shù)據(jù)
課時(shí)160中誠(chéng)信國(guó)際信用評(píng)級(jí)有限公司股權(quán)穿越圖

章節(jié)24附錄
課時(shí)121風(fēng)控逾期指標(biāo)字典
課時(shí)122金融風(fēng)控術(shù)語(yǔ)中英文字典

評(píng)分卡開發(fā)流程

本課程通俗易懂，深度解析評(píng)分卡模型的各個(gè)細(xì)節(jié)，猶如庖丁解牛，各個(gè)擊破。

課程會(huì)橫向講解評(píng)分卡模型是如何一步一步搭建的。

?

?數(shù)學(xué)原理

課程還會(huì)講述邏輯回歸的信用評(píng)分卡搭建背后的算法原理，數(shù)學(xué)公式。

?

取數(shù)

課程教會(huì)學(xué)員如何取數(shù)，什么是vintage？什么是樣本窗口期？

?

?

變量篩選

課程教授如何篩選變量，如何構(gòu)建衍生變量。

?

課程提供python腳本和數(shù)據(jù)下載

課程提供視頻中展示腳本和建模數(shù)據(jù)，并定期更新優(yōu)化。學(xué)員可以下載后跟著視頻一起演練。

?

?

?

模型運(yùn)行后輸出詳細(xì)信息，包括變量的統(tǒng)計(jì)分析。

?

評(píng)分卡生成（score card）

python腳本可以生成一個(gè)評(píng)分卡模塊（score card），詳細(xì)保存每個(gè)變量有哪些分箱，每個(gè)分箱如何計(jì)分。這方便業(yè)務(wù)方和領(lǐng)導(dǎo)參考決策。

?

?

?

?

拒絕推斷reject reference

課程講述了拒絕推斷reject reference重要概念

?

?

模型驗(yàn)證

課程還講述模型驗(yàn)證的概念，建模數(shù)據(jù)需要分為train訓(xùn)練數(shù)據(jù)，test測(cè)試數(shù)據(jù)，oot更遠(yuǎn)時(shí)間段驗(yàn)證數(shù)據(jù)。此教程是市面上最全面講述評(píng)分卡教程。

(模型驗(yàn)證的部分指標(biāo)展示)

?

??????????????????????????????????????????????????????????????????????????????? （模型驗(yàn)證方法論）

?

模型部署和監(jiān)控

此教程還概述模型部署和監(jiān)控知識(shí)。模型部署是存在眾多問(wèn)題的，模型具有操作風(fēng)險(xiǎn)，經(jīng)常會(huì)遇到模型線上線下數(shù)據(jù)不一致情況，變量映射錯(cuò)誤，數(shù)據(jù)傳輸丟包，腳本漏寫等等各種復(fù)雜情況。

從模型訓(xùn)練，模型打包，模型驗(yàn)證，模型部署，模型監(jiān)控，重新訓(xùn)練模型，最終形成了一個(gè)模型開發(fā)周期閉環(huán)。

?（模型開發(fā)周期流程圖）

?

?

python部分建模腳本展示

randomForest.py

決策樹可視化

?

?

神經(jīng)網(wǎng)絡(luò)可視化