FMC专项-金融建模分析师认证

一、决策类模型

1.1获客营销

1.1.1 数据挖掘方法论

1.1.2基于客户旅程的模型体系

1.1.3 两阶段营销获客模型框架

1.1.4 数据挖掘项目分析框架

1.1.5 数据集类型与因果推论

1.1.6 确定相关的工具-假设检验

1.1.7 建立客户价值预测模型

1.1.8 建立客户响应概率预测模型

1.1.9 建立模型的其他议题

1.1.10 制定客户营销分级策略

  1.2客户细分

1.2.1连续变量降维

1.2.2 聚类算法

1.2.3 金融客户行为细分案例

  1.3保留提升

1.3.1交叉销售，让客户买的更多

1.3.2关联规则挖掘，发现交叉销售机会

1.3.3分析结果的业务应用

二、 识别类模型

  2.1申请欺诈

2.1.1决策树及其再申请反欺诈建模中的应用案例

2.1.2组合算法及其再申请反欺诈建模中的应用案例

2.1.3神经网络及其再申请反欺诈建模中的应用案例

  2.2违规识别

2.2.1交易反欺诈简介

2.2.2交易反欺诈检测方法

2.2.3异常识别的算法基础

三、 预测和最优化分析

  3.1趋势预测

      3.1.1  python时间处理基础

3.1.2  使用ARIMA技术做销售量预测

3.1.3  使用LSTM做销售量预测

  3.2运营优化

3.2.1线性规划

3.2.2整数规划

3.2.3二次规划

3.3流程分析和流程挖掘

四、 机器学习算法精讲

4.1 统计学中的矩估计方法

4.2线性回归的极大似然估计

4.3逻辑回归的极大似然估计

4.4凸优化基本概念

4.5最近邻域法

4.6朴素贝叶斯分类器

4.7支持向量机

4.8 GBDT和分类模型评估