大数据智能风控：模型、平台与业务实践

内容介绍 这是一本深入讲解智能风控理论体系和风控全生命周期业务实践的著作。作者基于在银行业10余年的风控经验，首先详细讲解了“大数据、模型、风控平台”三位一体的智能风控体系，能为风控实践提供扎实的理论指导；然后围绕风控的全生命周期，从贷前评估、贷中监控、贷后管理以及智能反欺诈、智能催收等角度全面讲解了智能风控的业务实践，深刻揭示了智能风控体系的精髓。 第1~2章全面而深入地探讨了智能风控的背景知识：首先对基础信贷业务进行了细致解析，读者可以从中了解其运作方式和重要性；然后，梳理了智能风控是如何随着技术的进步和市场的需求逐渐成熟和完善的。 第3~5章围绕“数据、模型、风控平台”三位一体的智能风控理论体系展开：首先介绍了内部数据、外部数据、个人征信数据在智能风控中的应用，以及智能数据体系的构建；然后深入探讨了智能风控模型的算法、评价指标、开发流程；最后讲解了风控平台的理论框架、设计原则、架构设计、建设流程以及决策引擎的建设。 第6~8章围绕风控的全生命周期探讨了风控策略在实际业务中的应用，包括贷前评估、贷中监控、贷后管理，以及智能反欺诈和智能催收体系的建设和业务实践，能帮助读者将理论知识转化为实际操作能力，更好地应对现实业务中的挑战。 第9章对智能风控的未来发展进行了展望，不仅为读者揭示了未来的机遇，也提供了对于如何应对未来挑战的思考。

邓甄<br />资深风控技术专家，西南财经大学硕士，现就职于某民营银行，聚焦智能风控体系化建设。在人工智能和风险策略领域有非常深厚的积累，曾主导从0到1建设具备自主知识产权的风控决策引擎、反欺诈调查系统、贷中管理平台、智能催收系统项目，擅长零售业务的风险策略制定和风险运营管理。<br />获得风控领域相关国家发明专利授权近20项，在《金融电子化》《中国信用卡》等权威期刊发表多篇智能风控建设相关文章。作为专家成员参与中国人民银行金融数据综合应用试点优秀实践项目、金融数字化发展联盟智能风控项目等，获得省部级奖励。<br />创立微信公众号：风控小白在线（微信号：risk_xiaobai）。<br />李钦<br />资深风控技术专家，现任重庆工程学院大数据与人工智能学院院长，曾任国内某知名民营银行风险负责人、蚂蚁科技集团风险专家。具备10余年互联网信贷业务风险管理经验，擅长大数据、人工智能技术在信用风险管理方面的应用。<br />熟悉线上信贷业务的风险模型、风险策略开发，曾主导建设自主知识产权的智能风控平台，并作为专家成员参与中国人民银行数字化应用示范案例、小微企业客户评级等标准的制定，多次获得省部级奖励。

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