使用 Azure 机器学习和 R 探索和分析 UCI 德国信用数据的 R 代码 此存储库包含R代码，用于使用和R探索和分析。

采用人工神经网络模型研究信用风险评估问题。研究利用BP算法训练多层前馈神经网络，给出了基于BP算法的信用风险评估计算步骤，最后以对个人信用评估为例，说明了人工神经网络在信用风险评估系统中的应用。

快速入门指南 可以使用以下命令从pip安装FinancePy： pip install financepy 要升级现有的安装类型： pip install --upgrade financepy 由于一些Numba和LLVMLite问题，我在使用Anaconda3-2020.07时遇到了问题。 但是Anaconda3-2020.02可以工作。 在Jupyter Notebook中使用FinancePy 一旦安装了financepy，就很容易上手。 只需下载该项目并检查notebooks文件夹中的Jupyter Notebook组即可。 可以在项目目录中找到描述所有功能的pdf手册。 概述 FinancePy是一个基于Python的库，当前处于beta版本。 它涵盖以下功能： 各种股票，外汇，利率和信用衍生产品的评估和风险模型。 尽管它完全是用Python编写的，但是使用N

今天(2016.01.08)突然接到业务部报过来的需求,说有几个企业注册不了.了解下原因是:这几个企业是最近新注册的,没有组织机构代码了,三证合一后变成统一社会信用代码了.于是便有了本资源

用js写的校验统一社会信用代码，项目中用到的，测试可用。

Excel生成统一社会信用代码，按照统一社会信用代码编码规则（主要是：GB 11714、GB/T 17710），可以批量生成符合规则的数据。也同时提供统一社会信息代码正确性验证。不要转换为.xls，推荐使用office2010以上版本或者WPS2016以上版本，否则涉及的公式运算会出错。

信用评等模型/信用评估模型之12堂课，非常好的一本书。

基于Python的信用评分卡建模分析-附件资源

在互联网金融机构有很多信贷业务, 部分新开展的业务由于客户数据较少, 无法建立有效的信用评分模型. 本文研究将迁移学习思想应用到该问题中, 利用已有其他业务的客户数据帮助新开展的业务建立有效的信用评分模型. 本文提出一种联合Triplet-Loss表征学习和领域适配的深度学习方法对已有业务数据进行重新编码, 并将重新编码后所得的知识迁移到新开展业务的模型中, 最后使用XGBoost做为分类器. 针对上述问题, 本文提出的模型相对传统机器学习方法在效果上有一定提升, 在一定程度上解决了该问题.

本书是一本全面介绍美国相关信用评级技术和数据挖掘相关的技术。 具有很强的理论性和实践性。本书作者在美国FICO公司工作多年。具有很强的理论和实践经验。