风险预警指标设计与阈值优化
📚 共计 30 章节
01
风险预警概述
定义、核心价值、金融与工业应用场景
概念
场景
02
指标体系设计原则
SMART · 可量化 · 动态调整 · 业务对齐
原则
框架
03
指标分类与筛选
领先/滞后/同步指标 · 定性定量筛选
分类
方法
04
数据采集与预处理
数据源 · 清洗 · 缺失值 · 异常检测
数据
清洗
05
指标权重确定方法
AHP · 熵权法 · 主成分 · 专家打分
权重
模型
06
单指标阈值设定
3σ原则 · 百分位数 · 业务经验法
阈值
统计
07
多指标综合预警模型
加权评分 · 逻辑回归 · 决策树
综合
模型
08
阈值优化基础
误报/漏报率 · ROC曲线 · AUC
评估
指标
09
基于成本函数的阈值优化
误报/漏报成本 · 最小化总成本
成本
优化
10
基于机器学习的阈值优化
网格搜索 · 贝叶斯优化 · 遗传算法
ML
搜索
11
动态阈值调整
时间序列分解 · 移动平均 · 指数平滑
动态
时序
12
行业案例1:银行信贷风险
指标设计 · 阈值优化 · 落地实践
金融
案例
13
行业案例2:制造业设备故障
设备预警 · 指标阈值 · 工业应用
工业
IoT
14
行业案例3:互联网反欺诈
反欺诈预警 · 指标设计 · 阈值调优
互联网
安全
15
预警信号输出与分级
红橙黄蓝四级 · 信号推送机制
分级
推送
16
预警系统验证与回测
回测框架 · 准确率/召回率/F1
验证
KPI
17
阈值敏感性分析
单/多变量 · Tornado图
分析
可视化
18
模型融合与阈值集成
Stacking · Blending · 阈值投票
集成
融合
19
实时预警与流式计算
Flink/Kafka · 滑动窗口阈值
实时
流式
20
非均衡数据处理
SMOTE · 欠采样 · 代价敏感学习
非均衡
采样
21
多目标阈值优化
帕累托前沿 · NSGA-II
多目标
进化
22
阈值可解释性
SHAP · LIME · 决策解释
可解释
XAI
23
合规与监管要求
巴塞尔协议 · 银保监会要求
合规
监管
24
预警系统自动化运维
AutoML调优 · A/B测试框架
运维
AutoML
25
可视化看板设计
Tableau/Power BI · 实时大屏
可视化
仪表盘
26
阈值优化中的过拟合问题
交叉验证 · 正则化 · 早停法
过拟合
正则
27
跨部门协作流程
业务 · 数据 · IT 预警衔接
协作
流程
28
未来趋势:AI自适应阈值
联邦学习 · 自适应阈值
前沿
AI
29
项目实战1:信用评分卡预警
完整信用评分卡 · 预警系统
实战
信用
30
项目实战2:工业IoT异常检测
IoT设备 · 异常检测预警系统
实战
IoT