中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
大數據智能風控:模型、平臺與業務實踐 版權信息
- ISBN：9787111754565
- 條形碼：9787111754565 ; 978-7-111-75456-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據智能風控:模型、平臺與業務實踐 本書特色
（1）作者背景資深：富民銀行資深風控技術專家，在風控技術和業務領域有豐富經驗，有20余項風控技術專利。（2）作者經驗豐富：10余年互聯網信貸業務風控經驗，曾主導從0到1構建自主知識產權的風控決策引擎和風控平臺。（3）獨創理論體系：作者結合多年經驗，獨創了“大數據、模型、風控平臺”三位一體的智能風控理論體系。（4）業務全面覆蓋：圍繞風控業務的全生命周期，全面剖析貸前評估、貸中監控、貸后管理以及反欺詐等風控業務實踐，深刻揭示智能風控體系的精髓。（5）簡單通俗易懂：避免復雜術語、算法和公式，采用通俗易懂的語言，結合大量實際案例，確保讀者一看就懂，懂了就能解決實際工作中的問題。
大數據智能風控:模型、平臺與業務實踐 內容簡介
內容介紹 這是一本深入講解智能風控理論體系和風控全生命周期業務實踐的著作。作者基于在銀行業10余年的風控經驗，首先詳細講解了“大數據、模型、風控平臺”三位一體的智能風控體系，能為風控實踐提供扎實的理論指導；然后圍繞風控的全生命周期，從貸前評估、貸中監控、貸后管理以及智能反欺詐、智能催收等角度全面講解了智能風控的業務實踐，深刻揭示了智能風控體系的精髓。 第1~2章全面而深入地探討了智能風控的背景知識：首先對基礎信貸業務進行了細致解析，讀者可以從中了解其運作方式和重要性；然后，梳理了智能風控是如何隨著技術的進步和市場的需求逐漸成熟和完善的。 第3~5章圍繞“數據、模型、風控平臺”三位一體的智能風控理論體系展開：首先介紹了內部數據、外部數據、個人征信數據在智能風控中的應用，以及智能數據體系的構建；然后深入探討了智能風控模型的算法、評價指標、開發流程；*后講解了風控平臺的理論框架、設計原則、架構設計、建設流程以及決策引擎的建設。 第6~8章圍繞風控的全生命周期探討了風控策略在實際業務中的應用，包括貸前評估、貸中監控、貸后管理，以及智能反欺詐和智能催收體系的建設和業務實踐，能幫助讀者將理論知識轉化為實際操作能力，更好地應對現實業務中的挑戰。 第9章對智能風控的未來發展進行了展望，不僅為讀者揭示了未來的機遇，也提供了對于如何應對未來挑戰的思考。
大數據智能風控:模型、平臺與業務實踐 目錄
Contents 目 錄
前言
第1章 互聯網信貸業務邏輯和風險1
1.1 互聯網信貸業務1
1.1.1 互聯網信貸的定義和范圍1
1.1.2 互聯網信貸的業務模式3
1.1.3 互聯網信貸業務監管演進8
1.1.4 互聯網信貸業務的發展趨勢10
1.2 互聯網信貸風險15
1.2.1 認識風險15
1.2.2 風險管理的組織架構和
“三道防線”18
1.2.3 信貸風險管理流程19
1.2.4 大數據風控21
1.2.5 大數據風控管理原則22
1.3 本章小結26
第2章 大數據智能風控的由來27
2.1 金融科技的概念、發展及影響27
2.1.1 金融科技的概念28
2.1.2 金融科技的創新歷程29
2.1.3 金融科技的影響32
2.2 銀行數字化轉型33
2.2.1 銀行數字化轉型的內涵33
2.2.2 銀行數字化轉型的三大因素34
2.2.3 銀行數字化轉型的基本思路
與對策36
2.3 從傳統風控到大數據智能風控38
2.3.1 風控1.0：傳統風控39
2.3.2 風控2.0：大數據風控40
2.3.3 風控3.0：大數據智能風控41
2.4 大數據智能風控的內涵與建設42
2.4.1 大數據智能風控的內涵42
2.4.2 大數據智能風控的建設43
2.5 案例剖析46
2.5.1 經營原則：數據驅動戰略46
2.5.2 全面應用大數據和
人工智能技術47
2.5.3 打造一流的智能風控體系48
2.5.4 對我國商業銀行的啟示48
2.6 本章小結49
第3章 大數據智能風控基礎：
大數據50
3.1 大數據對商業銀行的影響50
3.1.1 大數據的特性51
3.1.2 大數據賦能53
3.2 內部數據54
3.3 外部數據56
3.3.1 外部數據分類57
3.3.2 外部數據源的管理原則59
3.3.3 外部數據管理流程62
3.3.4 外部數據評估67
3.4 人行征信69
3.4.1 人行征信簡介70
3.4.2 人行征信的歷史沿革70
3.4.3 人行征信數據的主要來源71
3.4.4 二代征信的主要改進73
3.4.5 人行征信的業務實踐77
3.5 智能數據體系78
3.5.1 數據技術架構79
3.5.2 統一數據管理80
3.6 案例剖析82
3.7 本章小結86
第4章 大數據智能風控核心：模型87
4.1 模型的理論框架87
4.1.1 模型發展歷程88
4.1.2 模型的分類89
4.1.3 模型的特征91
4.2 模型算法92
4.2.1 邏輯回歸算法93
4.2.2 決策樹95
4.2.3 集成學習97
4.3 模型評價指標100
4.3.1 混淆矩陣100
4.3.2 評價指標101
4.4 模型開發流程105
4.4.1 模型定位105
4.4.2 數據處理106
4.4.3 樣本準備107
4.4.4 特征變量評估111
4.4.5 模型訓練116
4.4.6 模型管理117
4.5 案例剖析118
4.6 本章小結120
第5章 大數據智能風控載體：
風控平臺121
5.1 風控平臺的理論框架121
5.1.1 風控平臺的內涵122
5.1.2 風控平臺建設的合規要求123
5.1.3 風控平臺建設的同業實踐124
5.1.4 風控平臺的設計原則127
5.2 風控系統建設方案128
5.2.1 風控系統架構建設128
5.2.2 風控系統流程建設136
5.3 決策引擎建設方案140
5.3.1 決策引擎的內涵140
5.3.2 決策引擎的功能架構142
5.3.3 決策引擎的主要優勢和應用143
5.3.4 決策引擎的核心組件145
5.4 本章小結149
第6章 風控策略應用151
6.1 風控策略的管理內涵151
6.1.1 模型與規則152
6.1.2 政策與策略152
6.1.3 策略體系的3種模式153
6.1.4 策略管理流程154
6.2 貸前策略應用實戰156
6.2.1 前置準入策略157
6.2.2 信息驗證策略158
6.2.3 授信審批策略160
6.3 貸中策略應用實戰172
6.3.1 貸中策略框架173
6.3.2 貸中策略應用176
6.4 案例剖析179
6.5 本章小結181
第7章 智能反欺詐183
7.1 信貸欺詐行為的內涵和特征184
7.1.1 信貸欺詐特征185
7.1.2 欺詐風險形成條件186
7.1.3 欺詐風險與信用風險187
7.2 揭秘黑產188
7.2.1 黑產上游188
7.2.2 黑產中游192
7.2.3 黑產下游195
7.3 智能反欺詐能力體系建設197
7.3.1 反欺詐底層能力建設197
7.3.2 反欺詐核心應用能力建設199
7.3.3 全面反欺詐工作流206
7.4 案例剖析207
7.5 本章小結209
第8章 智能催收210
8.1 催收的內涵210
8.1.1 催收業務：保護債權人權益
與解決逾期問題210
8.1.2 催收管理哲學：平衡風險與
利潤的關鍵211
8.1.3 催收合規化進展213
8.2 催收業務213
8.2.1 催收業務準備214
8.2.2 催收業務流程217
8.2.3 催收策略219
8.3 智能催收體系223
8.3.1 智能催收體
前言
第1章 互聯網信貸業務邏輯和風險1
1.1 互聯網信貸業務1
1.1.1 互聯網信貸的定義和范圍1
1.1.2 互聯網信貸的業務模式3
1.1.3 互聯網信貸業務監管演進8
1.1.4 互聯網信貸業務的發展趨勢10
1.2 互聯網信貸風險15
1.2.1 認識風險15
1.2.2 風險管理的組織架構和
“三道防線”18
1.2.3 信貸風險管理流程19
1.2.4 大數據風控21
1.2.5 大數據風控管理原則22
1.3 本章小結26
第2章 大數據智能風控的由來27
2.1 金融科技的概念、發展及影響27
2.1.1 金融科技的概念28
2.1.2 金融科技的創新歷程29
2.1.3 金融科技的影響32
2.2 銀行數字化轉型33
2.2.1 銀行數字化轉型的內涵33
2.2.2 銀行數字化轉型的三大因素34
2.2.3 銀行數字化轉型的基本思路
與對策36
2.3 從傳統風控到大數據智能風控38
2.3.1 風控1.0：傳統風控39
2.3.2 風控2.0：大數據風控40
2.3.3 風控3.0：大數據智能風控41
2.4 大數據智能風控的內涵與建設42
2.4.1 大數據智能風控的內涵42
2.4.2 大數據智能風控的建設43
2.5 案例剖析46
2.5.1 經營原則：數據驅動戰略46
2.5.2 全面應用大數據和
人工智能技術47
2.5.3 打造一流的智能風控體系48
2.5.4 對我國商業銀行的啟示48
2.6 本章小結49
第3章 大數據智能風控基礎：
大數據50
3.1 大數據對商業銀行的影響50
3.1.1 大數據的特性51
3.1.2 大數據賦能53
3.2 內部數據54
3.3 外部數據56
3.3.1 外部數據分類57
3.3.2 外部數據源的管理原則59
3.3.3 外部數據管理流程62
3.3.4 外部數據評估67
3.4 人行征信69
3.4.1 人行征信簡介70
3.4.2 人行征信的歷史沿革70
3.4.3 人行征信數據的主要來源71
3.4.4 二代征信的主要改進73
3.4.5 人行征信的業務實踐77
3.5 智能數據體系78
3.5.1 數據技術架構79
3.5.2 統一數據管理80
3.6 案例剖析82
3.7 本章小結86
第4章 大數據智能風控核心：模型87
4.1 模型的理論框架87
4.1.1 模型發展歷程88
4.1.2 模型的分類89
4.1.3 模型的特征91
4.2 模型算法92
4.2.1 邏輯回歸算法93
4.2.2 決策樹95
4.2.3 集成學習97
4.3 模型評價指標100
4.3.1 混淆矩陣100
4.3.2 評價指標101
4.4 模型開發流程105
4.4.1 模型定位105
4.4.2 數據處理106
4.4.3 樣本準備107
4.4.4 特征變量評估111
4.4.5 模型訓練116
4.4.6 模型管理117
4.5 案例剖析118
4.6 本章小結120
第5章 大數據智能風控載體：
風控平臺121
5.1 風控平臺的理論框架121
5.1.1 風控平臺的內涵122
5.1.2 風控平臺建設的合規要求123
5.1.3 風控平臺建設的同業實踐124
5.1.4 風控平臺的設計原則127
5.2 風控系統建設方案128
5.2.1 風控系統架構建設128
5.2.2 風控系統流程建設136
5.3 決策引擎建設方案140
5.3.1 決策引擎的內涵140
5.3.2 決策引擎的功能架構142
5.3.3 決策引擎的主要優勢和應用143
5.3.4 決策引擎的核心組件145
5.4 本章小結149
第6章 風控策略應用151
6.1 風控策略的管理內涵151
6.1.1 模型與規則152
6.1.2 政策與策略152
6.1.3 策略體系的3種模式153
6.1.4 策略管理流程154
6.2 貸前策略應用實戰156
6.2.1 前置準入策略157
6.2.2 信息驗證策略158
6.2.3 授信審批策略160
6.3 貸中策略應用實戰172
6.3.1 貸中策略框架173
6.3.2 貸中策略應用176
6.4 案例剖析179
6.5 本章小結181
第7章 智能反欺詐183
7.1 信貸欺詐行為的內涵和特征184
7.1.1 信貸欺詐特征185
7.1.2 欺詐風險形成條件186
7.1.3 欺詐風險與信用風險187
7.2 揭秘黑產188
7.2.1 黑產上游188
7.2.2 黑產中游192
7.2.3 黑產下游195
7.3 智能反欺詐能力體系建設197
7.3.1 反欺詐底層能力建設197
7.3.2 反欺詐核心應用能力建設199
7.3.3 全面反欺詐工作流206
7.4 案例剖析207
7.5 本章小結209
第8章 智能催收210
8.1 催收的內涵210
8.1.1 催收業務：保護債權人權益
與解決逾期問題210
8.1.2 催收管理哲學：平衡風險與
利潤的關鍵211
8.1.3 催收合規化進展213
8.2 催收業務213
8.2.1 催收業務準備214
8.2.2 催收業務流程217
8.2.3 催收策略219
8.3 智能催收體系223
8.3.1 智能催收體
展開全部
大數據智能風控:模型、平臺與業務實踐 作者簡介
鄧甄
資深風控技術專家，西南財經大學碩士，現就職于某民營銀行，聚焦智能風控體系化建設。在人工智能和風險策略領域有非常深厚的積累，曾主導從0到1建設具備自主知識產權的風控決策引擎、反欺詐調查系統、貸中管理平臺、智能催收系統項目，擅長零售業務的風險策略制定和風險運營管理。
獲得風控領域相關國家發明專利授權近20項，在《金融電子化》《中國信用卡》等權威期刊發表多篇智能風控建設相關文章。作為專家成員參與中國人民銀行金融數據綜合應用試點優秀實踐項目、金融數字化發展聯盟智能風控項目等，獲得省部級獎勵。
創立微信公眾號：風控小白在線（微信號：risk_xiaobai）。
李欽
資深風控技術專家，現任重慶工程學院大數據與人工智能學院院長，曾任國內某知名民營銀行風險負責人、螞蟻科技集團風險專家。具備10余年互聯網信貸業務風險管理經驗，擅長大數據、人工智能技術在信用風險管理方面的應用。鄧甄
資深風控技術專家，西南財經大學碩士，現就職于某民營銀行，聚焦智能風控體系化建設。在人工智能和風險策略領域有非常深厚的積累，曾主導從0到1建設具備自主知識產權的風控決策引擎、反欺詐調查系統、貸中管理平臺、智能催收系統項目，擅長零售業務的風險策略制定和風險運營管理。
獲得風控領域相關國家發明專利授權近20項，在《金融電子化》《中國信用卡》等權威期刊發表多篇智能風控建設相關文章。作為專家成員參與中國人民銀行金融數據綜合應用試點優秀實踐項目、金融數字化發展聯盟智能風控項目等，獲得省部級獎勵。
創立微信公眾號：風控小白在線（微信號：risk_xiaobai）。
李欽
資深風控技術專家，現任重慶工程學院大數據與人工智能學院院長，曾任國內某知名民營銀行風險負責人、螞蟻科技集團風險專家。具備10余年互聯網信貸業務風險管理經驗，擅長大數據、人工智能技術在信用風險管理方面的應用。
熟悉線上信貸業務的風險模型、風險策略開發，曾主導建設自主知識產權的智能風控平臺，并作為專家成員參與中國人民銀行數字化應用示范案例、小微企業客戶評級等標準的制定，多次獲得省部級獎勵。
書友推薦
- >
經典常談
- >
上帝之肋:男人的真實旅程
- >
唐代進士錄
- >
回憶愛瑪儂
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
龍榆生：詞曲概論/大家小書
- >
名家帶你讀魯迅:故事新編
本類暢銷
