信用卡评分模型与反欺诈规则融合实战 · 课程目录

为什么需要融合评分卡与反欺诈规则？行业痛点与解决方案全景图。

02信用卡业务基础

信贷生命周期、申请流程、关键角色（申请人、银行、征信机构）。

03反欺诈基础

欺诈类型（身份盗用、团伙欺诈、第一方欺诈）、欺诈损失与影响。

04评分卡模型基础

什么是评分卡？逻辑回归与评分卡的关系、标准评分卡公式推导。

05数据准备与特征工程

数据源（人行征信、第三方数据、行为数据）、缺失值处理、异常值检测、WOE与IV值计算。

06单变量分析与分箱

连续变量分箱方法（等距、等频、决策树分箱）、分箱后的WOE编码。

07逻辑回归模型训练

样本选择（好/坏定义）、训练集/测试集划分、模型训练与调参。

08评分卡刻度与映射

评分卡刻度参数（PDO、基准分）、将逻辑回归系数转换为分数。

09反欺诈规则引擎

规则类型（黑名单、多头借贷、设备指纹、行为画像）、规则权重与评分。

10规则挖掘方法

决策树提取规则、关联规则（Apriori）、专家经验规则。

11规则有效性评估

命中率、误杀率、提升度（Lift）、KS值在规则评估中的应用。

12评分卡与规则融合策略

先规则后模型、先模型后规则、并行决策、级联融合。

13融合决策矩阵

构建决策矩阵（通过/拒绝/人工）、阈值优化与利润最大化。

14模型与规则冲突处理

当评分卡通过但规则拒绝时怎么办？仲裁机制与加权投票。

15时间衰减与模型监控

PSI（群体稳定性指标）、规则时效性、模型衰退检测。

16冠军/挑战者策略

A/B测试框架、新旧模型/规则对比、灰度发布。

17联邦学习在反欺诈中的应用

数据隐私保护、纵向联邦学习、特征对齐与模型训练。

18图算法在团伙欺诈识别中的应用

关系图谱构建、社区发现算法（Louvain）、异常子图检测。

19深度学习在反欺诈中的尝试

DNN、Autoencoder异常检测、序列模型（LSTM）在交易序列中的应用。

20可解释AI（XAI）在风控中的实践

SHAP值、LIME、特征重要性可视化。

21自动化特征工程

Featuretools、时间序列特征、聚合特征生成。

22样本不平衡处理

过采样（SMOTE）、欠采样、代价敏感学习。

23模型部署与API设计

Flask/FastAPI部署评分卡、规则引擎微服务化、实时接口设计。

24离线与实时计算架构

批处理（Spark）与流处理（Flink）在风控中的应用。

25风控决策引擎系统设计

规则编排、策略热更新、决策流可视化。

26监管合规与模型审计

巴塞尔协议、模型验证、公平性审计（反歧视）。

27案例实战：银行信用卡申请反欺诈

某银行信用卡申请反欺诈项目全流程复盘（数据→特征→模型→规则→融合→上线）。

28案例实战：消费金融交易反欺诈

某互联网消费金融平台交易反欺诈系统搭建。

隐私计算、图计算、大模型在风控中的应用展望。

30课程总结与职业发展

风控工程师技能树、面试要点、学习路径推荐。