正版新书]大数据智能风控 模型、平台与业务实践邓甄,李钦 著978

Contents  目  录<br />前言<br />第1章  互联网信贷业务逻辑和风险1<br />1.1  互联网信贷业务1<br />1.1.1  互联网信贷的定义和范围1<br />1.1.2  互联网信贷的业务模式3<br />1.1.3  互联网信贷业务监管演进8<br />1.1.4  互联网信贷业务的发展趋势10<br />1.2  互联网信贷风险15<br />1.2.1  认识风险15<br />1.2.2  风险管理的组织架构和<br />    “三道防线”18<br />1.2.3  信贷风险管理流程19<br />1.2.4  大数据风控21<br />1.2.5  大数据风控管理原则22<br />1.3  本章小结26<br />第2章  大数据智能风控的由来27<br />2.1  金融科技的概念、发展及影响27<br />2.1.1  金融科技的概念28<br />2.1.2  金融科技的创新历程29<br />2.1.3  金融科技的影响32<br />2.2  银行数字化转型33<br />2.2.1  银行数字化转型的内涵33<br />2.2.2  银行数字化转型的三大因素34<br />2.2.3  银行数字化转型的基本思路<br />    与对策36<br />2.3  从传统风控到大数据智能风控38<br />2.3.1  风控1.0：传统风控39<br />2.3.2  风控2.0：大数据风控40<br />2.3.3  风控3.0：大数据智能风控41<br />2.4  大数据智能风控的内涵与建设42<br />2.4.1  大数据智能风控的内涵42<br />2.4.2  大数据智能风控的建设43<br />2.5  案例剖析46<br />2.5.1  经营原则：数据驱动战略46<br />2.5.2  全面应用大数据和<br />    人工智能技术47<br />2.5.3  打造一流的智能风控体系48<br />2.5.4  对我国商业银行的启示48<br />2.6  本章小结49<br />第3章  大数据智能风控基础：<br />    大数据50<br />3.1  大数据对商业银行的影响50<br />3.1.1  大数据的特性51<br />3.1.2  大数据赋能53<br />3.2  内部数据54<br />3.3  外部数据56<br />3.3.1  外部数据分类57<br />3.3.2  外部数据源的管理原则59<br />3.3.3  外部数据管理流程62<br />3.3.4  外部数据评估67<br />3.4  人行征信69<br />3.4.1  人行征信简介70<br />3.4.2  人行征信的历史沿革70<br />3.4.3  人行征信数据的主要来源71<br />3.4.4  二代征信的主要改进73<br />3.4.5  人行征信的业务实践77<br />3.5  智能数据体系78<br />3.5.1  数据技术架构79<br />3.5.2  统一数据管理80<br />3.6  案例剖析82<br />3.7  本章小结86<br />第4章  大数据智能风控核心：模型87<br />4.1  模型的理论框架87<br />4.1.1  模型发展历程88<br />4.1.2  模型的分类89<br />4.1.3  模型的特征91<br />4.2  模型算法92<br />4.2.1  逻辑回归算法93<br />4.2.2  决策树95<br />4.2.3  集成学习97<br />4.3  模型评价指标100<br />4.3.1  混淆矩阵100<br />4.3.2  评价指标101<br />4.4  模型开发流程105<br />4.4.1  模型定位105<br />4.4.2  数据处理106<br />4.4.3  样本准备107<br />4.4.4  特征变量评估111<br />4.4.5  模型训练116<br />4.4.6  模型管理117<br />4.5  案例剖析118<br />4.6  本章小结120<br />第5章  大数据智能风控载体：<br />    风控平台121<br />5.1  风控平台的理论框架121<br />5.1.1  风控平台的内涵122<br />5.1.2  风控平台建设的合规要求123<br />5.1.3  风控平台建设的同业实践124<br />5.1.4  风控平台的设计原则127<br />5.2  风控系统建设方案128<br />5.2.1  风控系统架构建设128<br />5.2.2  风控系统流程建设136<br />5.3  决策引擎建设方案140<br />5.3.1  决策引擎的内涵140<br />5.3.2  决策引擎的功能架构142<br />5.3.3  决策引擎的主要优势和应用143<br />5.3.4  决策引擎的核心组件145<br />5.4  本章小结149<br />第6章  风控策略应用151<br />6.1  风控策略的管理内涵151<br />6.1.1  模型与规则152<br />6.1.2  政策与策略152<br />6.1.3  策略体系的3种模式153<br />6.1.4  策略管理流程154<br />6.2  贷前策略应用实战156<br />6.2.1  前置准入策略157<br />6.2.2  信息验证策略158<br />6.2.3  授信审批策略160<br />6.3  贷中策略应用实战172<br />6.3.1  贷中策略框架173<br />6.3.2  贷中策略应用176<br />6.4  案例剖析179<br />6.5  本章小结181<br />第7章  智能反欺诈183<br />7.1  信贷欺诈行为的内涵和特征184<br />7.1.1  信贷欺诈特征185<br />7.1.2  欺诈风险形成条件186<br />7.1.3  欺诈风险与信用风险187<br />7.2  揭秘黑产188<br />7.2.1  黑产上游188<br />7.2.2  黑产中游192<br />7.2.3  黑产下游195<br />7.3  智能反欺诈能力体系建设197<br />7.3.1  反欺诈底层能力建设197<br />7.3.2  反欺诈核心应用能力建设199<br />7.3.3  全面反欺诈工作流206<br />7.4  案例剖析207<br />7.5  本章小结209<br />第8章  智能催收210<br />8.1  催收的内涵210<br />8.1.1  催收业务：保护债权人权益<br />    与解决逾期问题210<br />8.1.2  催收管理哲学：平衡风险与<br />    利润的关键211<br />8.1.3  催收合规化进展213<br />8.2  催收业务213<br />8.2.1  催收业务准备214<br />8.2.2  催收业务流程217<br />8.2.3  催收策略219<br />8.3  智能催收体系223<br />8.3.1  智能催收体系发展特点223<br />8.3.2  智能催收系统框架225<br />8.3.3  智能催收体系关键能力227<br />8.4  案例剖析230<br />8.5  本章小结232<br />第9章  大数据智能风控的<br />    未来与展望234<br />9.1  金融科技的政策指引235<br />9.2  大数据智能风控的挑战与对策237<br />9.2.1  大数据智能风控面临的挑战237<br />9.2.2  大数据智能风控的对策239<br />9.3  大数据智能风控发展趋势243<br />9.4  本章小结246

（1）作者背景资深：富民银行资深风控技术专家，在风控技术和业务领域有丰富经验，有20余项风控技术专利。
（2）作者经验丰富：10余年互联网信贷业务风控经验，曾主导从0到1构建自主知识产权的风控决策引擎和风控平台。
（3）理论体系：作者结合多年经验，了“大数据、模型、风控平台”三位一体的智能风控理论体系。
（4）业务全面覆盖：围绕风控业务的全生命周期，全面剖析贷前评估、贷中监控、贷后管理以及反欺诈等风控业务实践，深刻揭示智能风控体系的精髓。
（5）简单通俗易懂：避免复杂术语、算法和公式，采用通俗易懂的语言，结合大量实际案例，确保读者一看就懂，懂了就能解决实际工作中的问题。