SAS金融数据挖掘与建模 系统方法与案例解析PDF|Epub|txt|kindle电子书版本网盘下载

SAS金融数据挖掘与建模 系统方法与案例解析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 金融数据挖掘与建模应用场景1

1.1 客户数据挖掘的价值1

1.2 金融客户生命周期及数据应用场景3

1.3 最具代表性的数据应用场景7

第2章 客户获取：信用卡客户欺诈评分案例8

2.1 案例背景9

2.2 数据准备与预处理10

2.2.1 数据源10

2.2.2 变量设计11

2.3 构建评分模型13

2.3.1 算法选择13

2.3.2 模型训练14

2.3.3 模型评估16

2.4 评分模型的应用19

2.5 小结20

第3章 客户提升：信用卡客户精准营销案例21

3.1 案例背景21

3.2 建模准备21

3.2.1 准备数据22

3.2.2 数据预处理26

3.2.3 过度抽样27

3.2.4 构造训练集及测试集30

3.3 数据清洗及变量粗筛32

3.3.1 连续变量与连续变量之间33

3.3.2 分类变量和分类变量之间39

3.3.3 分类变量和连续变量之间43

3.3.4 数据的错误及缺失值47

3.3.5 数据离群值53

3.3.6 重编码59

3.4 变量压缩与转换变量61

3.4.1 分类变量的水平数压缩61

3.4.2 连续变量聚类65

3.4.3 连续变量的分箱77

3.4.4 变量的转换79

3.5 模型训练80

3.5.1 关于Logistic回归80

3.5.2 变量筛选方法81

3.6 模型评估88

3.6.1 模型估计88

3.6.2 模型评估89

3.6.3 调整过度抽样98

3.6.4 收益矩阵98

3.6.5 模型转换为打分卡100

3.7 模型的部署及更新100

3.7.1 模型的部署100

3.7.2 模型的监测及更新101

3.8 本章小结103

第4章 客户成熟：银行零售客户渠道偏好细分案例104

4.1 案例背景104

4.2 聚类分析流程105

4.3 数据标准化107

4.3.1 标准化介绍107

4.3.2 标准化实现110

4.4 变量聚类111

4.4.1 变量聚类介绍111

4.4.2 变量聚类基本步骤112

4.4.3 SAS实现变量聚类113

4.5 变量降维与可视化118

4.5.1 图形化探索118

4.5.2 主成分分析法降维120

4.6 ACECLUS预处理过程123

4.6.1 ACECLUS介绍123

4.6.2 ACECLUS过程123

4.6.3 ACECLUS示例123

4.7 系统聚类分析128

4.7.1 系统聚类法128

4.7.2 样本与样本之间的度量129

4.7.3 距离定义与测量129

4.7.4 相关系数131

4.7.5 类与类之间的度量131

4.7.6 系统聚类法139

4.7.7 不同系统聚类法之间的比较140

4.7.8 类个数的确定158

4.8 快速聚类159

4.8.1 快速聚类法159

4.8.2 快速聚类法实现160

4.8.3 快速聚类法优缺点161

4.9 两步聚类法161

4.9.1 两步聚类法161

4.9.2 两步聚类法实现161

4.10 本章小结167

第5章 客户衰退：银行贷款违约预测案例168

5.1 案例背景169

5.2 维度分析170

5.3 建模分析177

5.4 业务应用179

5.5 小结179

第6章 客户挽留：信用卡客户流失管理案例180

6.1 案例背景181

6.2 数据准备182

6.2.1 设定目标变量182

6.2.2 设定时间窗183

6.2.3 设计预测变量184

6.2.4 准备数据宽表185

6.3 流失倾向预警：用Logistic回归构建响应率模型186

6.3.1 粗分类187

6.3.2 计算分组变量的WOE值和IV值191

6.3.3 共线性检验194

6.3.4 模型训练：显著性检验195

6.3.5 模型评估196

6.4 潜在客户价值预测：两阶段建模法201

6.4.1 阶段1概率预测201

6.4.2 阶段2数值预测201

6.4.3 模型评估203

6.5 细分：差异化营销服务的基础204

6.6 小结208