风控：信贷风险分析中的数学原理与业务实践

本书融汇了作者在风险分析及管理工作中积累的丰富 经验和实战心得，对风险分析及管理领域涉及的各方面技 术进行了系统且详尽的介绍。全书通俗易懂，贴近实战， 对于初涉门径的从业人员，有很强的指导作用；不仅对风 险管理中运用的数学原理进行了全面解读，还深入浅出地 阐述了统计模型的基本原理，以及模型搭建、验证的全流 程，还包括大数据的数据源甄别分析、成本考量和模型上 线部署的详细过程。本书不仅适合数据建模的专业人员学 习，也适合金融信贷领域的风险管理者及信贷行业参与者 使用，同时也可作为高校金融风控类课程的教材使用。

第1章 行业背景 1.1 什么是风险模型 1.2 风险模型的数学基础 1.2.1 高等数学 1.2.2 线性代数 1.2.3 概率论 1.2.4 数理统计 1.2.5 回归分析 1.3 为什么模型能解决金融机构的问题 1.3.1 小额无抵押信贷产品 1.3.2 小额信贷产品需要高效的审核工具 1.3.3 什么是数理模型 1.4 风险模型未来会发挥更大的作用 1.5 小结 第2章 金融机构的风险规则 2.1 风险规则是什么 2.1.1 进件规则 2.1.2 反欺诈规则 2.1.3 严拒规则 2.1.4 客群判定 2.1.5 可变规则 2.1.6 评分规则 2.1.7 风险规则和风险模型 2.2 决定风险规则是一个最优化问题 2.2.1 简单的模型 2.2.2 加入规则集复杂度参数的模型 2.2.3 加入数据成本参数的模型 2.2.4 加入授信额度限制的模型 2.3 基于用户画像模型的策略框架设想 2.3.1 风险用户画像 2.3.2 从用户的行为模型到决策结果 2.3.3 用户行为模型的难点 2.3.4 行为经济学 2.4 风险模型评分在风险政策中的应用 2.4.1 降低存量规则授信人群的逾期率 2.4.2 在不提高逾期率的前提下，提高通过率 2.5 谨慎地使用数据驱动的风控规则和模型 2.5.1 什么是数据驱动 2.5.2 建立完善的风险政策和模型管理制度 2.6 小结 第3章 那些可以被度量的风险 3.1 逾期 3.1.1 人数和金额 3.1.2 逾期率和资产占比 3.1.3 曾经和截止 3.1.4 分析中常用的逾期定义 3.1.5 决定因变量的原则 3.2 在建立风险模型时如何定义因变量 3.2.1 以业务需求为导向 3.2.2 以区分行为为准则