金融科技大数据风控方介绍 解释、隐私保护与数据安全 经济理论、法规 新华正版
经济理论、法规 新华书店全新正版书籍 支持7天无理由
￥ 87.55 6.8折 ￥ 129 全新
仅1件
河北保定
认证卖家担保交易快速发货售后保障
作者作者
出版社科学出版社
ISBN9787030746337
出版时间2023-06
版次1
装帧平装
开本16开
页数460页
字数580千字
定价129元
货号xhwx_1202979476
上书时间2023-07-09
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
目录
序一
序二
前言
绪论 1
部分 机器学及金融应用
章 机器学与金融科技应用介绍 11
1.1 人工智能介绍.11
1.2 机器学简介.13
1.2.1 什么是机器学 13
1.2.2 机器学建模简介 15
1.2.3 本节小结 17
1.3 机器学大数据智能风控应用介绍 17
1.3.1 人工智能在金融机构风险管理中的应用 18
1.3.2 深度学算将会被广泛采用.19
1.3.3 大数据框架下的多种形态数据将会被广泛应用 21
1.3.4 基于网络的知识图谱（全息画像）形成落地解决方案 21
1.3.5 联邦学方将会大规模落地使用 22
1.3.6 人工智能方在大数据风控面临的挑战 22
1.4 本章小结 27
练题 28
第2章 逻辑回归 29
2.1 逻辑回归 29
2.1.1 逻辑回归简介 29
2.1.2 分类 30
2.1.3 示例 33
2.2 基于很优化方的很好回归系数确定 33
2.2.1 很优化问题 33
2.2.2 梯度下降求解 34
2.2.3 模型的拟合优度评估 35
2.3 模型评估 36
2.4 多分类问题 48
2.4.1 多次逻辑回归 48
2.4.2 对逻辑回归模型进行扩展 49
2.5 逻辑回归评分卡 49
2.6 场景应用 51
2.6.1 数据描述 52
2.6.2 模型建立与评估 52
2.6.3 评分卡生成 54
2.7 本章小结 58
练题 59
第3章 决策树 60
3.1 决策树模型的 60
3.2 特征选择 61
3.2.1 id3 算 62
3.2.2 c4.5 算 63
3.2.3 cart 算 64
3.2.4 不同决策树算的比较 65
3.3 示例 65
3.4 过拟合与剪枝 70
3.4.1 预剪枝 70
3.4.2 后剪枝 71
3.5 场景应用 73
3.5.1 数据描述 73
3.5.2 模型建立与评估 73
3.6 本章小结 73
练题 74
第4章 集成学算 75
4.1 森林 76
4.1.1 森林算简介 76
4.1.2 场景应用 77
4.2 gbdt算 78
4.2.1 gbdt算简介 78
4.2.2 gbdt算流程 79
4.2.3 gbdt示例 82
4.2.4 shrinkage策略 .88
4.2.5 场景应用 88
4.3 xgboost算 89
4.3.1 xgboost算简介 89
4.3.2 xgboost分类算 90
4.3.3 xgboost回归算 100
4.3.4 xgboost示例 100
4.3.5 场景应用 132
4.4 本章小结 133
练题 133
第5章 机器学模型的可解释方 135
5.1 可解释理论 135
5.1.1 可解释的重要 135
5.1.2 可解释的分类 136
5.1.3 解释的质 136
5.2 可解释方 136
5.3 shap解释 137
5.4 lime解释143
5.4.1 lime算特点 144
5.4.2 lime实现步骤 144
5.4.3 lime算 144
5.5 shap与lime解释的对比 145
5.6 本章小结 147
练题 147
第6章 大数据风控机器学建模 148
6.1 标签设计 149
6.1.1 vintage账龄分析 149
6.1.2 滚动率分析 151
6.1.3 好/坏/不确定定义 152
6.2 数据清洗 152
6.2.1 缺失值处理 152
6.2.2 同值化处理 153
6.2.3 标准化处理 153
6.3 特征工程概述 154
6.3.1 特征变量分箱 154
6.3.2 变量woe转换 .155
6.3.3 iv值预测能力分析 155
6.3.4 相关和关联分析 156
6.3.5 vif方差膨胀因子分析 158
6.4 模型训练与评估 159
6.4.1 模型建立 159
6.4.2 参数优化 159
6.5 模型验证 159
6.5.1 模型稳定 159
6.5.2 模型区分能力 160
6.6 实证研究 162
6.6.1 数据来源与处理 162
6.6.2 特征工程 167
6.6.3 模型训练与评估 182
6.6.4 模型预测结果的解释 186
6.6.5 可解释结果与样本真实分布的对比 199
6.7 本章小结 201
练题 201
第二部分 隐私保护和数据安全背景下的机器学及金融应用
第7章 同态加密机器学建模 205
7.1 同态加密简介 205
7.1.1 几种主流全同态加密方案对比 206
7.1.2 ckks加密方案应用 207目
7.2 密文逻辑回归模型构建 208
7.2.1 双方介绍 208
7.2.2 密文逻辑回归的建模过程 208
7.2.3 密文逻辑回归的预测过程 210
7.3 密文评分卡模型构建 211
7.3.1 研究目的 212
7.3.2 数据要求 212
7.3.3 文件和源代码 213
7.4 密文评分卡建模流程 214
7.4.1 双方介绍 214
7.4.2 模拟数据 215
7.4.3 密文评分卡自动化建模流程 215
7.5 本章小结 217
附录i 代码流程作详解 217
练题 227
第8章 联邦学建模 228
8.1 联邦学适用的场景 228
8.2 联邦学的分类 228
8.3 联邦学框架下的机器学算 230
8.3.1 纵向安全联邦逻辑回归 230
8.3.2 secureboost 232
8.4 联邦学实证 234
8.4.1 secureboost示例 .234
8.4.2 场景应用 249
8.5 本章小结 253
练题 254
第三部分 吉布斯抽样算的特征提取及场景应用
第9章 吉布斯抽样方和特征提取框架介绍 257
9.1 吉布斯抽样方可以解决什么问题 257
9.2 逻辑回归模型框架下的关联特征的提取方 259
9.3 实现吉布斯抽样特征提取的算框架 261
9.4 集成学模型框架下的关联特征提取步骤 263
9.5 本章小结 263
附录 ii 支持关联特征提取的比值比指标介绍 264
练题 265
0章 筛选刻画fof关联风险特征指标 266
10.1 自身关联风险因素介绍 267
10.2 影响的其他相关因素 268
10.3 筛选fof关联特征的搜索算框架建立 269
10.3.1 金融产品（）业绩相关特征提取的基本思路 269
10.3.2 非结构数据特征提取推断算框架 270
10.3.3 核心特征的提取与筛选 275
10.4 基于roc曲线的auc测试的特征表现 277
10.5 本章小结 283
练题 283
1章 筛选影响大宗商品价格变化的特征指标 285
11.1 大宗商品价格因素相关背景介绍 286
11.2 期货铜特征因子分析 288
11.2.1 大宗商品期货铜价格数据介绍 288
11.2.2 预测大宗商品期货铜价格变化趋势的关联特征因子 289
11.2.3 预测刻画影响铜价格变化的特征因子 290
11.3 本章小结 293
附录 iii 支持特征提取的初始关联特征因子表 293
练题 297
2章 筛选影响螺纹钢期货价格变化的关联特征 298
12.1 螺纹钢背景综述 298
12.1.1 背景 298
12.1.2 影响螺纹钢价格因素研究现状简述 299
12.2 影响螺纹钢期货价格的因素分析 300
12.2.1 螺纹钢期货价格影响因素分析 300
12.2.2 构建初始特征池 301
12.2.3 影响螺纹钢期货价格的风险特征提取与分析方 304
12.2.4 刻画螺纹钢期货价格变化实证分析 306
12.3 本章小结 312
练题 313
3章 筛选影响公司财务欺诈行为的关联特征 315
13.1 公司财务欺诈行为背景介绍 315
13.2 公司财务欺诈行为的特征指标 318
13.2.1 上市公司财务欺诈风险特征介绍 318
13.2.2 特征提取方简介 319
13.3 建立全面刻画公司财务欺诈的预警体系 320
13.3.1 案例分析 321
13.3.2 公司监事关联 322
13.3.3 建立有效预测财务欺诈框架 323
13.4 本章小结 324
练题 324
4章 针对上市公司财务欺诈行为的评估.326
14.1 基于舞弊三角理论的咖啡馆财务质量评估 327
14.1.1 财务舞弊与财务欺诈 327
14.1.2 舞弊三角理论 327
14.2 常见舞弊类型讨论 329
14.3 咖啡馆财务质量评估方 330
14.3.1 基本思想陈述 330
14.3.2 核心指标 331
14.4 针对上市公司财务舞弊案例分析 332
14.4.1 压力与动机 332
14.4.2 机会与漏洞 333
14.4.3 态度与借 334
14.4.4 结论和针对欺诈行为的特征刻画讨论 335
14.5 本章小结 336
练题 337
5章 筛选影响个人信用贷款的关联特征 338
15.1 背景 338
15.2 数据来源 339
15.3 算选取：xgboost与吉布斯算的异同表现 339
15.4 筛选的数据结果与讨论 340
15.5 本章小结 345
练题 345
6章 建立刻画乡村农户贫困状态特征因子的筛选框架 346
16.1 背景 346
16.2 特征指标筛选与分析流程框架建立思路 349
16.2.1 基础指标池的构建 349
16.2.2 建立特征指标筛选框架的基本思路 350
16.2.3 针对特征指标的建模分析与甄别能力的有效测试 350
16.3 支持特征提取的数据源样本描述 351
16.3.1 提取刻画乡村农户贫困状态特征的框架和分析 352
16.3.2 刻画农户贫困状态的特征指标的筛选结果 .356
16.3.3 刻画农户贫困状态特征指标甄别的有效测试 357
16.4 结论的简要解读和讨论建议 359
16.5 本章小结 361
附录iv 描述农户贫困状态特征指标的基本定义和解释 362
练题 363
参文献 365
附录 a 基于python语言对几种典型算的基本功能代码实现 376
a.1 线回归模型简介 376
a.2 线分类模型简介 382
a.3 决策树模型简介 393
a.4 集成模型简介 404
a.4.1 引导聚集 404
a.4.2 梯度提升 408
a.4.3 lightgbm的超参数调整 409
a.4.4 集成模型用于分类 411
a.4.5 结 412
a.5 神经网络模型简介 412
a.5.1 数据读取 413
a.5.2 多分类逻辑回归 416
a.5.3 分类模型的衡量 417
a.5.4 拟合不足与过拟合 419
a.6 深度学介绍 433
a.6.1 近期人工智能热潮的关键推动力 433
a.6.2 金融服务: 工具赋能到知识赋能 435
a.6.3 基于深度学的知识服务 435
内容简介：
本书不仅解决理想状况下有数据场景的信用建模和风控问题，更重要的是能够解决跨部门多源异构数据的隐私保护和共享的信用建模和风控问题，具体表现在：1、利用联邦学技术解决多源异构数据隐私保护和数据开放共享之间的矛盾，通过数据不出门、用数不见数，实现数据共享和联合建模，解决金融风控问题。2、利用区块链技术保障各参与方进行联合建模时的安全，利用区块链的价值驱动激励机制增加各参与方之间提供数据、更新网络模型参数的积极，实现联合建模的商业可持续。本书的重点在于解决数据隐私保护和共享之间的矛盾，克服数据孤岛问题的基础上探讨大数据风控的理论和实践，在发挥大数据价值和推动ai在金融风控中的技术应用具有重要的理论价值，而且在促进普惠金融的发展方有重要的社会和经济价值。本科生高年级、、以及银行、担保、互联网金融、保险公司、各地大数据管理局等风控从业人员。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价