数据化风控(信用评分建模教程)

单良、乔杨著的《数据化风控（信用评分建模教 程）》中的信用评分模型建立在完整的历史数据上， 藉由数据汇整、清理、分群及探勘等技术，将大量数 据转化为有用的风险信息，信用评分模型建立后，可 将风险数据化，清楚呈现客户的违约率及风险排序， 使风险单位得以确切掌握客户风险，并制定更为精准 的授信政策。 环顾国内市场具备建模能力的专才供需失衡，本 书特将评分建模过程逐一章节细分介绍，并提供实际 案例与读者分享，解开长久以来对建模是个黑盒子的 印象。

单良，本科毕业于美国纽约哥伦比亚大学，复旦大学、台湾大学EMBA，曾任职于香港维信理财公司、台北富邦银行、中国信托商业银行、澳商澳盛银行及台新银行等机构；兼任台湾金融研训院特约讲师、VISA中国区兼职顾问。具备台湾银行业消费金融风险管理与大陆小贷、P2P风控管理完整资历，长期关注两岸消费金融产业风控管理的发展与创新。曾发表前瞻性评论，并为台湾金融研训院、中国P2P网贷实务研修班授课。著作有《信用评等模型关键12堂课》《互联网金融时代消费信贷评分建模与应用》。 乔杨 ZRobot CEO。曾担任知名互联网金融公司联合创始人兼首席风险官，美国发现金融芝加哥总部担任风险策略及模型业务高级经理，发现金融上海大数据风控中心风控策略及大数据建模业务负责人。曾参与美国通用电气公司财务管理领导力项目（FMP），研究商品期货和货币的对冲策略。他拥有美国爱荷华大学经济学及MBA双硕士学位，芝加哥大学计算机科学硕士学位，SAS认证师，Teradata认证SQL专家，微软认证系统工程师（MCSE）等。

第一章 信用评分基础认识与应用 第一节 信用评分卡简介 第二节 评分卡建立与验证 第三节 评分应用 第二章 信用评分模型规格与设计 第一节 数据收集、质量检验 第二节 应排除的数据样本 第三节 样本期间、好坏客户定义 第四节 范例 第三章 分组（Segmentation）目的与分析选择 第一节 分组目的 第二节 分组分析 第三节 范例 第四章 细致分析与自变量分析 第一节 细致分类（Fine Classing） 第二节 范例 第三节 单因子分析（Single Factor Analysis） 第四节 粗略分类（Coarse Classing） 第五节 范例 第五章 模型建立方法讨论 第一节 线性回归（Linear Regression） 第二节 逻辑回归（Logistic Regression） 第三节 两阶段式建立方法 第四节 初始模型讨论 第五节 范例 第六章 拒绝推论（Reject Inference）的原因与方法 第一节 拒绝推论的原因 第二节 拒绝推论的方法 第七章 最终模型选择与风险校准（Calibration） 第一节 最终模型产出 第二节 设定风险校准（Risk Calibration） 第三节 模型验证 第八章 决策点（Cut-off）设定 第一节 决策点策略设定方式 第二节 核准点应用方式 第三节 范例 第九章 信用评分模型监控报告 第一节 前端监控报告 第二节 后端监控报告 第十章 信用评分模型策略运用 第一节 业务策略制订方式 第二节 业务策略应用方式 第三节 范例 第十一章 信用评分模型案例（消费产品分期） 第一节 数据样本 第二节 样本好坏表现定义 第三节 变量分析 第四节 模型建立与验证 第十二章 信用评分模型案例（现金贷） 第一节 数据样本 第二节 样本好坏表现定义 第三节 变量分析 第四节 模型建立与验证 第十三章 催收框架 第一节 催收管理流程 第二节 催收管理系统简介 第三节 催收模型系统 第四节 催收策略系统 第十四章 催收技巧及KPI标准